基于数据驱动的故障预测模型框架研究

为解决基于数据驱动的故障预测缺乏统一的预测框架的问题,提高故障预测精度,提出了一种通用的故障预测模型和框架.总结分析了单项故障预测方法的优缺点和故障预测研究现状,研究了基于数据驱动的故障预测的一般过程,将融合单元的概念应用到故障预测领域,用以描述预测过程中设备状态的数据变化,建立了基于数据驱动的故障预测模型,从而得到了一种统一的故障预测框架,为基于数据驱动的故障预测研究提供借鉴.     

智能化雷达故障预测及检测技术综述

雷达故障预测和故障检测技术是雷达装备维护从传统化定期检修向智能化视情维修转变的关键技术。为保障雷达作战效能的发挥,需及时对雷达故障进行预测、检测并实时告警。随着微波测量和人工智能技术的日趋成熟,智能化雷达故障预测及检测技术也不断发展。文中详细阐述了当前故障预测与健康管理以及故障检测技术的国内外研究现状,分析了现有智能化雷达故障预测和检测技术的优缺点,梳理了该技术在雷达维修保障领域的研究进展,提出了雷达故障预测和检测过程中可能存在的问题和限制条件。针对实际问题和限制条件,对未来智能化雷达故障预测和检测技术的研究方向进行了展望,为智能化故障预测及故障检测技术在雷达维修保障领域的深入研究提供参考。     

数据驱动的故障预测方法研究

随着设备复杂性和使用环境苛刻度的不断增加,关键部件的可靠性和稳定性要求与日俱增。为实现关键部件的全面监控和故障前有效干预,故障预测技术应运而生,基于数据驱动的故障预测方法具备的适用范围广、预测精度高和建模较易等优势使其成为近年来研究的热点。论述了故障预测技术的相关理论和内涵。对当前的主流——基于数据的故障预测技术进行详细介绍,并概述了国内外的最新研究成果。最后,探讨了故障预测领域亟待解决的问题和未来的发展方向。     

基于虚拟样机和模糊推理的故障仿真预测模型

为了克服由于试验和使用数据不足而无法获取足够的故障知识的问题,将虚拟样机作为一种新的故障过程仿真和定量推理方法引入到故障预测中,提出了基于虚拟样机和动态模糊综合评判的故障仿真预测模型.详细说明了基于ADAMS的虚拟样机建立方法,指出了传统模糊综合评判方法的不足,提出了基于动态模糊综合评判的故障预测方法.这样建立的故障仿真预测模型不仅能表达火炮的动态特性,还具备较强的数值计算及过程控制能力.     

基于卡尔曼滤波和专家系统的混合故障预测研究

基于卡尔曼滤波和专家系统的相关知识,研究了动态系统内部故障的预测问题.首先根据系统的运行情况提取表征故障征兆的状态,建立对应于故障点的状态方程模型并进行分析;然后在定义了故障预测的优先原则的基础上,利用专家系统加权算法得到的故障预测容许值集合,设计了故障预测的流程图;最后根据流程图给出一种混合的故障预测算法.结果表明,这种算法与传统的故障诊断方法和已有的故障预测方法相比有比较明显的优势,并指出了进一步研究的重点.     

模拟电路故障预测研究综述

故障预测作为近年来的研究热点,是一种提高设备可靠性和降低维护费用的先进技术,而对于模拟电路的故障预测目前还处在起步阶段。本文首先介绍了故障预测技术的概念,然后详细说明了目前国内外的研究现状。针对研究重点模拟电路的故障预测,本文提出了目前存在的问题,并论述了未来的发展趋势,进行了初步探索和展望。     

动态系统的故障诊断技术

提出了一种全新的分类框架, 将故障诊断方法整体分为两大类, 即定性分析的方法和定量分析的方法. 对现有的方法在此框架下进行了划分, 并详细介绍了每种方法的基本思想、研究进展和典型应用, 其中重点讨论了数据驱动的方法. 最后, 简述了故障预测的研究现状, 并探讨了故障诊断研究存在的问题和未来的发展方向.     

基于三维依赖矩阵的故障预测策略设计

针对不同基于状态监测的故障预测方法难以在一个平台下集成和组合的问题,设计了基于故障、测试、衰退信息三维依赖矩阵的故障预测策略设计框架,在框架内给出了故障预测需求设计和预测用测试选择的基本方法,并在灰色预测和支持向量回归预测的基础上,通过融合粒子群和声算法给出了一种灰色支持向量回归智能组合衰退趋势预测分析方法,结合故障预测实例验证了所给方法的有效性和准确性.     

基于不确定性的故障预测方法综述

故障预测是实现视情维修策略的基础. 不确定性问题在故障预测中普遍存在, 对此, 总结了基于不确定性的故障预测方法的关键问题, 并以不确定性属性的特点将现有故障预测方法分为基于随机性、模糊性、灰性及混合不确定性等4 类. 综述了各类方法的研究现状与不足, 并展望了基于不确定性的故障预测方法的发展趋势, 探讨了基于区间不确定性的故障预测方法的可行性.

     

一种基于人工神经网络在线学习的自适应预测方法

本文在分析和比较了传统预测方法的基础上，研究基于人工神经网络非线性映射的预测方法，针对一类缓变故障的预测问题，提出单样本在线学习的自适应预测算法，并用于柴油机故障预测和诊断。     

基于测试性的电子系统综合诊断与故障预测方法综述

故障诊断与预测技术是故障预测与健康管理(PHM)中的两大关键技术.依据电子系统的故障模式与机理,结合测试性设计分析理论,提出了一种基于测试性的电子系统综合诊断与故障预测方法框架.对国内外综合诊断与故障预测方法进行了分类与总结,从基于测试性的嵌入式诊断、基于信号处理的智能故障诊断、基于测试性的故障预测3个方面论述了电子系统综合诊断与故障预测方法.最后分析了制约电子系统综合诊断与故障预测的因素,并探讨了未来的发展趋势.     

基于故障物理的电子单元故障预测方法研究

介绍了基于故障物理(POF,physic of failure)的故障预测方法基本原理和实现流程,分析了故障物理技术各步骤中所用到的方法和实现手段。根据POF框架,搭建了基于POF的预测系统,对某电源监测单元进行实时故障预测。实验结果表明了该方法的有效性,可应用于实际工程和型号研制中。     

一种电子装备故障预测参数选取方法

针对电子装备故障预测中的预测参数选取问题,建立电子装备故障预测信息系统,设置故障预测参数选取原则,基于多信号流图模型提取反映电子装备故障状态的预测参数集,利用决策辨识函数对该参数集进行约简,并采用基于相关危险度的统计模型选取出最优故障预测参数集。实例证明该方法可以实现预测参数选取的自动化。     

基于部件参数估计的航空发动机故障预测技术研究

为了满足新一代航空发动机对故障预测与健康管理系统的需求,针对气路故障预测问题,以某型双转子、双涵道涡轮风扇发动机为对象,研究了把性能健康参数作为状态量扩展至状态方程,利用卡尔曼滤波器对状态变量进行估计,以估计出健康参数;并以该健康参数为基础,预测发动机的气路故障;最后以某涡扇发动机数学模型作为仿真对象,以H=15 km、Ma=1.6为仿真设计点,利用该工作点的线性状态方程设计了扩展卡尔曼滤波器,对健康参数进行了估计。仿真结果表明,状态估计器能够快速、较为准确地估计发动机的性能退化系数,从而能够较为准确地预测故障发生的时间,为航空装备的保障提供理论依据。     

基于EMD功率谱方法的机电作动系统早期故障特征提取

提出一种改进的基于经验模态分解(EMD)功率谱分析的特征提取方法,该方法自适应地将故障信号分解为不同频段上的基本模式分量(IMF)之和,然后只提取对故障敏感的IMF分量的功率谱.由于只有少数IMF对故障敏感,该方法能获得具有较高信噪比的原数据特征信息,这对预测功率变换器早期故障趋势具有极其重要的应用价值.实验结果表明,该方法可有效提取早期隐性故障特征,为飞机机电作动系统的故障预测和健康评估提供必要的前期准备.     

基于粗糙神经网络的航空电子设备故障预测研究

为降低装备全寿命周期费用、提高经济可承受性、预防灾难性事故的发生,开展了航空电子设备故障预测技术研究;采用粗糙集理论改进神经元结构,以粗糙变量为神经元的输入,每个神经元的上近似元和下近似元分别代表粗糙集的上下近似,以交叉连接方式构造粗糙神经网络,用以实际设备特征参数的跟踪预测;研究结果表明,粗糙神经网络可以较准确地预测故障发生的时间,且较BP神经网络预测性能有较大改善;该方法对于航空电子设备的维护保障具有一定的理论价值和现实意义。     

基于EMD方法的机电作动系统故障特征提取

提出基于经验模式分解(EMD)分析的特征提取方法,该方法自适应地将故障信号分解为不同频段上的基本模式分量(IMF)之和,由于只有少数IMF对故障敏感,从而可以有效提取故障特征。实验结果表明该方法可有效提取电机早期隐性故障特征,为飞机机电作动系统的故障预测和健康评估提供必要的前期准备。     

基于支持向量回归机的可靠度预测模型

设备可靠度预测在设备的维修管理中扮演着重要的角色,有效的设备故障预测对降低设备维修费用、停机时间或运行风险都起到至关重要的作用。文章在分析设备状态数据的基础上,通过引入支持向量回归机,建立了基于退化数据的预测模型,并将该模型用于发动机可靠度的预测。     

复杂系统综合健康管理

复杂系统综合健康管理(CSIHM)是测试技术、人工智能和信息技术的综合应用,它是从故障检测、隔离和重构(FDIR)技术演变而来的,并且注入了当前先进的推理技术,将管理功能从FDIR扩充到自主重构、资源重组以便安全、有效地实现任务目标.CSIHM概念起源于上世纪90年代,目前国外已经大量开展CSIHM关键技术研究、系统验证工作,有些健康管理系统已进入工程应用阶段.介绍了CSIHM的概念、系统结构、信息组成,其关键技术主要包括融合技术、预测技术、决策支持技术、通信技术等,进一步提出CSIHM的研究方法和具体实施策略,最后总结了CSIHM的内涵和研究意义.     

基于MEMS的PHM系统微传感器网络节点设计

为实现仓储导弹装备的故障预测和健康管理(PHM)系统,研究基于MEMS传感器的导弹状态监测节点。以整合射频模块的微功耗单片机CC430F5133为核心,由微传感器模块采集状态信息,并经无线射频传输与上级ARM控制器实现实时通信,解决了节点长期稳定供电、复合传感器立体结构设计和安装等关键技术。该节点具有体积小,布置灵活,对监测对象无影响,功耗低,连续监测时间长等特点,能实现长期无人值守下的信息采集与实时上传,较好地完成了状态信息采集终端的功能。