考虑突变状态检测的齿轮实时剩余寿命预测

为解决齿轮疲劳退化过程中状态突变后剩余寿命难以准确预测问题,提出一种考虑退化突变点检测与剩余寿命预测相关联的齿轮疲劳实时剩余寿命预测新方法。针对齿轮磨损退化过程建立状态空间预测模型,利用接收到的齿轮实时监测振动信息实时更新模型参数,同时对退化过程中的突变状态点进行检测,并根据突变点所提供的寿命信息采用卡尔曼前向滤波及平滑算法结合期望最大化参数估计算法在滤波的同时不断对状态空间模型参数进行修正,改变退化突变后的滤波效果,进行实时状态预测与寿命估计。运用齿轮疲劳寿命试验台的实时监测数据对预测模型进行验证,结果表明利用突变点信息对预测模型进行修正后可以更快的对系统的动态变化进行跟踪,提高预测齿轮退化状态及实时剩余寿命的准确度。     

一种基于UPF的轴承剩余寿命预测方法

剩余寿命预测能够确保系统的安全性、可用性与高效工作,并且能够降低维修费用,因而成为状态维修中的一个重要课题。基于模型的寿命预测方法主要包含两部分内容:退化模型构建和系统状态估计。粒子滤波算法(PF)是一种广泛用于系统状态估计的方法,已经应用于轴承剩余寿命预测中,但PF方法存在粒子退化问题。提出一种基于无迹粒子滤波算法(UPF)的轴承剩余寿命预测方法。利用随机过程模型对轴承退化过程进行建模,再利用UPF算法对轴承的退化状态进行追踪,并更新模型参数。使用试验数据对提出方法进行验证,结果表明:与PF方法相比,该方法能在一定程度上降低粒子退化程度,进而更加准确地预测轴承剩余寿命。     

基于粒子滤波算法的锂离子电池剩余寿命预测方法研究

运用粒子滤波算法,进行了锂离子电池剩余寿命(RUL)的预测,提出了一种基于模型法和数据驱动法相融合的简单有效的RUL预测方法。该方法通过模型法和数据驱动法的融合,将双指数经验退化模型进行变形,以减少模型参数,降低参数训练难度,利用粒子滤波算法跟踪电池容量衰退的过程;为提高预测精确度,引入自回归(AR)时间序列模型修正状态空间方程的观测值。实验证实,该方法可以有效地预估出锂电池的剩余寿命。     

基于Gamma退化过程的直升机主减速器行星架剩余寿命预测模型

鉴于Gamma过程具有平稳、独立增量等退化建模所需的属性,将其用于描述设备退化过程,并针对缺乏故障数据时难以进行剩余寿命预测的问题,利用设备运行中采集的表征其退化状态的大量间接状态参数和少量直接状态参数,建立了基于Gamma退化过程的剩余寿命预测模型;针对经验最大化算法中似然函数难以解析求解的问题,引入粒子滤波算法实现了模型参数估计;最后将模型应用于直升机主减速器行星架的剩余寿命预测,得到了不同时刻的预测结果及95%置信区间,验证了预测模型的有效性和准确性。     

粒子滤波参数估计方法在齿轮箱剩余寿命预测中的应用研究

针对非线性非高斯系统的剩余寿命（RUL）预测问题,本文提出了一种基于粒子滤波（PF）理论的设备剩余寿命预测方法。首先建立设备的非线性状态空间模型（含有未知的时变参数）,然后通过粒子滤波算法估计出设备状态的概率密度函数（PDF）,从而根据该PDF计算出设备的RUL。此外,计算设备RUL的期望值和95%置信区间,并对模型的预测效果进行评估,验证预测的有效性和准确性。最后通过齿轮箱的全寿命实验,对本文所提方法的有效性进行实例验证,将实验结果和传统的比例风险模型（PHM）预测结果对比分析,结果表明本文提出的剩余寿命预测方法要优于传统的PHM预测方法。     

基于HMM和优化的PF的数控转台精度衰退模型

针对数控转台精度衰退状态缺乏有效的评估方法的问题,提出一种数控转台重复定位精度衰退趋势预测模型,该模型结合了隐马尔科夫(Hidden Markov Model,HMM)算法和粒子滤波(Particle Filtering,PF)算法,其中粒子滤波算法使用粒子群算法(Particle Swarm Optimization,PSO)优化了初始参数。选择了从数控转台精度衰退加速寿命试验中获得的振动信号作为研究数据。通过聚合经验模态与主成分分析(EEMD-PCA)算法对原始信号降噪,并提取含有故障特征的信号进行信号重构;使用统计特征量作为观察值训练获得HMM模型,对数控转台精度衰减做出早期诊断,并由此获得数控转台精度健康状态指标;使用粒子滤波算法建立数控转台精度衰退预测模型,并预测精度的剩余寿命。在以第50组数据为预测起始点时,预测的剩余寿命为21,实际测量的结果为17,相差4,比较接近。综合分析模型计算与试验测量的结果表明,该模型可有效地预测数控转台精度的变化趋势和剩余寿命     

基于SKF-KF-Bayes的滚动轴承剩余使用寿命预测方法

准确预测滚动轴承的剩余使用寿命(remaining useful life, RUL)对机械设备安全可靠运行有着至关重要的作用,针对滚动轴承寿命预测中存在的未能准确区分滚动轴承退化阶段与如何有效地利用历史退化数据与实时监测数据等问题,提出了一种SKF(switching Kalman filters)、KF(Kalman filters)和Bayes结合的滚动轴承性能退化建模与剩余使用寿命预测方法。结合滚动轴承振动信号性能监测数据,采用SKF方法识别出轴承性能退化的变点;利用随机效应指数退化模型描述轴承性能退化过程,结合同类轴承性能数据给出模型未知参数极大似然估计;利用KF单步预测对当前时刻监测数据进行修正,基于Bayes方法对模型中的随机参数进行实时更新,推导出轴承剩余使用寿命分布模型,计算滚动轴承剩余使用寿命;通过对滚动轴承试验数据分析,验证了该方法的适用性和有效性。     

基于放电过程信息的锂电池剩余寿命预测

容量或内阻是衡量锂离子电池健康状态的重要指标,但在锂电池实际运行中,其容量和内阻很难实时获取。为此,提出了基于放电过程信息获取新健康指标的方法,并对锂电池的剩余寿命进行预测。主要研究了锂电池放电过程中电压变化的规律,提出两种可在线测量的新健康指标,并通过Box-Cox变换修正了新健康指标的准确性。比较分析表明,所提取的健康指标与容量之间存在着强相关性,在某种程度上可以解决锂电池容量难以在线测量的问题。此外还基于新健康指标建立了锂电池退化过程模型,并利用相关向量机算法进行锂电池的剩余寿命预测。实验结果表明,在寿命预测性能上相关向量机算法优于其他算法,并且预测时间越晚,预测结果就越准确,所提取的健康指标也能够很好地描述锂电池的退化过程,并在剩余寿命预测结果上表现优越。     

单向层合板拉-拉及压-压疲劳加载材料退化模型

以刚度退化为基础,并结合正则化疲劳寿命预测方法,推导建立了单层板疲劳累积损伤过程剩余刚度退化模型,同时给出了剩余强度退化模型.本文退化模型适用于拉-拉及压-压疲劳加载任意应力水平和应力比下的单层板疲劳寿命预测,所建立的剩余刚度退化模型显著减少为获得模型参数所必需的试验件数量,经济性好.最后,通过试验研究,建立了材料T300/BMP-316单向层合板疲劳加载各主方向剩余刚度退化表达式、剩余强度退化表达式及疲劳寿命表达式,为层合板结构疲劳损伤分析提供了有力依据.     

基于混合高斯输出贝叶斯信念网络模型的设备退化状态识别与剩余使用寿命预测方法研究

提出了基于混合高斯输出贝叶斯信念网络模型的设备退化状态识别与剩余使用寿命预测新方法,将变量消元和期望最大化算法相结合对模型进行推理,应用聚类评价指标对状态数进行优化,通过计算待识别特征向量的概率值来确定设备当前的退化状态,在退化状态识别的基础上,提出了剩余使用寿命预测方法。最后,分别应用50组轴承全寿命仿真数据和3组轴承全寿命实验数据对模型进行验证。结果表明,该模型可有效地识别设备的退化状态并对剩余使用寿命进行预测。     

齿轮箱状态识别与剩余寿命预测的MoG-BBN法

基于混合高斯输出贝叶斯信念网络模型的齿轮箱退化状态识别与剩余寿命预测新方法,应用聚类评价指标对全寿命过程退化状态数进行优化,通过计算待识别故障特征向量的概率值来确定齿轮箱退化状态,在退化状态识别的基础上,提出了剩余寿命计算方法。再利用齿轮箱全寿命实验数据对此进行验证。结果表明,该方法可以有效地识别齿轮箱故障状态并实现剩余寿命预测,平均预测正确率为96.47 %,为齿轮箱的健康管理提供参考。     

双指数粒子滤波模型的硅泡沫材料剩余寿命预测

针对传统基于模型的硅泡沫材料长时使用寿命评估方法存在的物理模型解释性差、预测精度不高等问题,本文提出了一种双指数粒子滤波模型的剩余寿命预测方法。选取硅泡沫结构的载荷保持率作为特征量,基于硅泡沫材料的应力松弛失效机制,建立了更具解释性的双指数应力退化模型。首先利用最小二乘法对观测数据进行拟合,初始化模型参数和健康状态,然后通过贝叶斯理论对历史样本进行状态跟踪建模,更新状态传递函数,实现载荷保持率退化趋势预测和剩余寿命评估。通过仿真和实验验证了双指数粒子滤波模型预测硅泡沫材料剩余寿命的泛化适用性和准确性,同时与传统指数模型预测结果进行了对比,结果表明本文所提方法预测精度和稳定性更优。     

基于EMD的灰色模型的疲劳剩余寿命预测方法研究

工程上的振动信号多为非线性非平稳信号,为了利用工程振动信号预测机械产品的疲劳剩余寿命,提出改进的经验模态分解方法对振动信号进行分解,分离故障特征频率到某本征模态函数中,计算全寿命周期各阶段故障特征频率所在本征模态函数的均方根值、峭度等时域特征指标,将其作为刻画机械产品健康状态的退化特征量,形成退化特征量序列,根据经验设定机械产品完全失效对应的退化特征量阈值.用退化特征量序列训练灰色模型,然后用训练好的灰色模型预测退化特征量的变化趋势,判断不同退化特征量用于刻画机械产品退化过程的可行性,估计可用退化特征量达到退化特征量阈值的时间并据此预测机械产品的剩余疲劳寿命.通过6205深沟球轴承全寿命周期振动信号对其进行验证,结果表明,可用的退化特征量结合该方法可以有效地预测小型球轴承的疲劳剩余寿命.     

高速列车接触器非线性退化模型建立及寿命预测

高速列车电磁接触器的可靠性直接关系到列车的安全可靠运行,合理优化接触器更换周期不仅确保列车安全运行,而且降低检修与更换成本。该文对具有高可靠性的接触器进行加速试验设计,通过失效机理分析,选取超程时间作为特征参数表征接触器性能退化;并选取超程时间退化量作为失效判断特征物理量,基于非线性Wiener过程建立寿命预测模型。提出极大似然估计结合变步长遗传退火算法的方法对模型参数进行估计,计算出接触器剩余寿命分布的概率密度函数。通过加速模型将试验数据映射至常规工况后对3种寿命预测模型的拟合结果进行对比分析,结果表明基于幂函数非线性Wiener模型对接触器剩余寿命预测效果最佳,最后通过误差分析证明该预测方法的准确性符合工程应用。     

单向碳/碳复合材料拉-拉疲劳寿命及剩余强度预测模型

基于预测单向复合材料纵向拉伸强度的随机核模型,引入纤维单丝剩余强度二参数Weibull模型及纤维单丝与基体界面剩余强度模型,研究建立了单向复合材料纵向拉-拉疲劳寿命及剩余强度的预测模型。对经过一定次数拉-拉疲劳载荷循环后的纤维束抽取其纤维单丝进行剩余强度拉伸试验,建立了纤维单丝剩余强度的二参数Weibull模型,测试单向碳/碳（C/C）复合材料的纤维与基体界面强度。通过单向C/C复合材料算例分析表明,92.5%、90.6%和87.5%应力水平下对数预测寿命与对数试验寿命比值分别为0.79、1.00和1.11,表明所建立的寿命预测模型用于预测单向C/C复合材料疲劳寿命是可行的;纵向拉伸剩余强度预测值与试验值误差在10%以内,吻合较好,表明所提出的剩余强度预测模型具有较高的精度。     

42CrMo钢疲劳裂纹扩展剩余寿命评估

以高频三点弯曲疲劳试验机为平台,进行42CrMo钢疲劳裂纹扩展试验研究,通过建立裂纹扩展剩余寿命评估模型,实现对存在裂纹的工程机械零部件剩余寿命的评估。采用显微成像测试系统实时采集并测量疲劳扩展裂纹,使用声发射系统监测整个疲劳裂纹扩展过程。结果表明:声发射幅值、能量等特征参数可以实时反应疲劳裂纹萌生、稳定扩展和失稳扩展等各个损伤阶段,并在疲劳断裂时产生急剧的突变;裂纹扩展速率的对数值与应力强度因子幅的对数值具有较高的线性相关性,建立了不同应力工况条件下裂纹扩展剩余寿命评估模型,以双排链轮轴为例进行裂纹扩展剩余寿命评估;随着疲劳应力的增加,裂纹扩展剩余寿命减小。     

基于状态空间模型的可靠性评估方法

基于设备性能退化特征的可靠性分析是可靠性技术研究重要方向之一,但当前许多研究是基于多样本进行分析,但针对单个设备的可靠性预测问题非常有限,为此本文提出基于状态空间模型的可靠性方法进行小样本预测。首先通过在线监测技术获得反映设备状态的信号,运用小波分析方法提取监测信号的小波包能量,选取趋势明显符合设备状态变化的相关频带能量作为设备退化指标。然后对这些特征指标进行滑动平均滤波处理,提高了退化特征的信噪比,将其作为状态空间模型的输入对模型参数进行估计,从而建立退化指标的状态空间预测模型,最后预测退化指标的概率分布并计算可靠度。结合滚动轴承试验数据和铣刀磨损数据验证方法的准确性和有效性,本文为小样本事件的可靠性预测提供一个有效方法。     

基于机器视觉的齿轮接触疲劳点蚀实时检测方法

为了提高齿轮接触疲劳试验中试样疲劳点蚀的检测精度和检测效率,实现齿轮点蚀的可视化、量化以及实时检测,提出了基于机器视觉的齿轮接触疲劳点蚀实时检测方法.基于齿轮啮合原理和线阵相机拍摄原理,建立齿轮接触疲劳试验检测系统,得到拍摄齿轮齿面的最佳偏心拍摄距离,提出了齿轮啮合面图像修正算法,并采用疲劳特征初步检测和精确检测相结合...     

复杂面内应力状态下平面编织高铝纤维增强氧化铝基复合材料强度及疲劳寿命预测方法

针对平面编织氧化铝基复合材料提出了一种复杂面内应力状态下的强度准则和疲劳寿命预测方法。通过拉伸、压缩及纯剪切试验,分别获得了材料的静强度指标。考虑材料拉、压性能的差异和面内拉-剪联合作用对材料强度的影响机制,提出了修正的Hoffman强度理论。采用该强度理论预测得到的偏轴拉伸强度与试验结果基本一致,偏差不超过10%。开展了偏轴角θ=0°、15°、30°、45°,应力比R=0.1,频率f=10 Hz的拉伸疲劳试验,试验结果表明随着偏轴角的增加,相同轴向拉伸载荷下的疲劳寿命逐渐降低。由于面内剪切应力分量的作用,疲劳失效由纤维主导逐渐过渡到纤维和基体共同主导的模式。基于单轴疲劳寿命曲线,采用Broutman-Sahu剩余强度模型表征剩余强度随疲劳循环次数的变化规律,结合剩余强度演化模型和修正的Hoffman强度理论,提出了一种面内复杂载荷条件下的疲劳寿命预测模型,并引入疲劳剪切损伤影响因子表征拉-剪应力联合作用对材料疲劳行为的影响。采用本文提出的疲劳寿命预测模型,预测不同偏轴角拉伸疲劳寿命,预测结果与试验结果基本一致,偏差在1倍寿命范围内。比较结果表明在给定应力比、温度和疲劳载荷频率条件下,该疲劳寿命预测模型可以用来预测平面编织氧化铝基复合材料拉-剪复杂面内载荷条件下疲劳寿命。      

联合频域相关分析和改进粒子滤波的滚动轴承寿命预测方法

为了解决滚动轴承退化状态识别难、剩余使用寿命（Remaining Useful Life, RUL）预测误差大这两个关键问题，提出一种联合频域特征相关分析及改进粒子滤波的寿命预测方法。基于滚动轴承在退化过程中频域特征存在短期相似性和长期差异性这一特点，对不同时间序列傅里叶变换后的幅值谱进行相关分析，构建平均相关系数（Average Correlation Coefficient, ACC）曲线。当ACC达到设定阈值时，利用初始故障时间（Degradation Initial Timepoint, DIT）将轴承状态划分为正常和损伤两阶段。利用损伤阶段的归一均方根值作为观测样本输入，构建考虑了全局指数式退化趋势与局部波动双重因素的粒子滤波（Dual Factor Particle Filter, DFPF）模型，实现粒子分布校正并完成RUL预测。试验结果表明，所提方法相比传统的均方根值法和峭度法能够更准确地识别轴承初始故障时间。在寿命预测精度方面，相比传统粒子滤波（Particle Filter, PF）算法，所提方法减小了异常观测值对预测趋势的影响，具有更高的RUL预测精度。