基于K-S检验和动态灰色模型的机械设备剩余寿命预测方法

提出了一种基于K-S检验和动态灰色模型的机械设备剩余寿命预测方法。提出以Kolmogorov-Smirnov检验为基础的K-S距离作为描述机械设备退化状态的性能指标,通过退化指标序列动态训练灰色模型、更新模型参数,预测退化指标的变化趋势并确定到达设定失效阈值时的预测步数,以此计算机械设备的剩余使用寿命。最后通过轴承全寿命样本数据对其验证,并与传统的二次曲线拟合预测法和静态灰色模型预测法进行比较,结果表明所提出的方法更能有效地预测轴承的剩余寿命,具有较高的预测精度。     

基于最大熵原理与欧氏距离的机床主轴系统的退化分析

采用最大熵原理和距离函数对M1432B磨床工件主轴X2方向进行了退化分析,首先采用最大熵原理获得4—10月份振动信号精确的概率密度分布,然后采用距离函数中的欧氏距离对4—10月份概率密度分布的变化进行计算,结果表明M1432B磨床工件主轴X2方向发生了微小的退化。     

基于性能退化的数控机床剩余寿命预测

数控机床寿命预测技术是数控机床健康管理和维修维护的关键技术,面向数控机床研究基于性能退化的剩余寿命预测方法。在分析了剩余寿命与性能退化规律和性能阈值分布有关的基础上,建立单性能退化的维纳过程模型和融合多性能退化的维纳过程模型,从而得到数控机床的多性能退化量分布模型。依据失效原则,得到数控机床的性能阈值分布模型。由此,建立基于阈值分布的剩余寿命预测模型得到剩余寿命概率密度函数。在数控机床进给系统试验平台上进行试验,验证了融合多性能退化的维纳过程模型和剩余寿命预测方法的正确性和有效性。     

再制造机床主轴的剩余寿命预估

以再制造机床的主轴为研究对象,分析主轴材料的失效模式,总结主轴在高强度工作环境下的失效形式。建立韦布尔分布模型,结合相关系数优化法确定参数,通过人工神经网络计算和Matlab数据归一化处理,在得到主轴性能退化特征指标的前提下,对再制造机床主轴的剩余寿命进行预估。     

基于退化量分布的电主轴可靠性评估

针对在较短的时间内难以评估高可靠度、长寿命电主轴可靠度的问题,利用基于退化量分布的方法对其可靠性进行评估。首先对电主轴的失效机理进行了分析;然后结合退化量分布的基本原理和退化试验数据对电主轴的可靠性进行评估,分别求出电主轴的4个常用可靠性指标,同时绘制可靠度曲线、失效概率密度曲线以及失效率曲线;最后估计出电主轴的平均寿命和特征寿命。该方法缩短了试验时间,提高了评估精度,对长寿命产品的可靠性研究具有一定的意义。     

多退化变量下基于灰色生成率序列的相似性寿命预测方法

鉴于目前关于多退化变量下相似性寿命预测方法的研究较少,提出了多退化变量下基于灰色生成率序列的相似性寿命预测方法。采用灰色累加生成关联模型,将样本数据转换成灰色生成率序列;基于服役样本和参照样本的灰色生成率序列,采用灰色相似关联度分析法计算服役样本与参照样本的相似度,其中各退化变量的权重通过群体一致性算法计算得到;结合参照样本的相似度与实际剩余寿命,采用相似加权平均法预测服役样本的剩余寿命;通过陀螺仪剩余寿命预测的实例,对所提方法的合理性和有效性进行了验证。初步的案例研究显示,所提出的基于灰色生成率序列的相似性寿命预测方法可以获得更精确的剩余寿命预测结果,具有良好的应用前景。     

剩余寿命预测新方法及其在滚动轴承中的应用

针对单一时频域指标不能完全诠释滚动轴承全寿命周期退化特性以及剩余使用寿命（remaining useful life,简称RUL）预测困难的问题,提出了基于均方谐噪比（mean square harmonic noise ratio,简称MSHNR）指标和改进正则化粒子滤波（regularized particle filter, 简称RPF）相结合的剩余寿命预测方法。首先,在局部均值进行信号分解的基础上,通过MSHNR指标实现轴承退化过程的特征提取;其次,分别基于Paris模型及Foreman模型构建滚动轴承稳定退化期和加速退化期的状态空间模型,并利用基于欧式距离的核函数实现重采样过程的改进,实现轴承健康状态评估和剩余寿命预测;最后,通过公开的滚动轴承加速数据验证了所述方法的有效性。相关研究成果能够为核动力旋转设备中滚动轴承的预测性维护提供参考依据,提高公众对核动力旋转设备运行的认识与信赖。     

基于QPSO-SVR和声发射信号的机械密封寿命预测

针对现有机械密封监测技术难以有效预测剩余使用寿命的问题,提出基于声发射特征融合的退化指标和QPSO-SVR寿命预测模型的机械密封剩余寿命预测方法。首先通过实验采集多组机械密封的全寿命数据,进行小波阈值降噪处理,从原始声发射信号中提取出能表征机械密封运行状态的特征,利用KPCA分析优化得到的声发射特征,然后通过马氏距离对得到的特征进行融合进而得到能够表征机械密封退化的指标,利用QPSO优化SVR模型参数,建立寿命预测模型。实验结果显示:基于退化指标和QPSO-SVR模型的寿命预测方法有着较好的泛化能力和较高的精度,具有良好的工业前景。     

基于Shannon熵与声发射信号的CBN砂轮性能监测方法研究

为了在磨削加工过程中能够有效判别CBN(Cubic Boron Nitride)砂轮的磨削性能,提出了一种基于Shannon熵理论与声发射信号的CBN砂轮性能监测方法。首先,利用声发射传感器采集CBN砂轮磨削加工过程中的声发射信号,基于最大信息熵对CBN砂轮磨削加工过程中的声发射信号进行概率密度估计,获得磨削加工过程中声发射信号的最大熵概率密度分布。然后,通过分析研究CBN砂轮在修整过后循环磨削以及不同直径剩余磨削时的声发射信号特征,根据交叉熵原理分析CBN砂轮不同磨削性能时声发射信号最大熵概率密度分布,并通过设定交叉熵阈值来辨别磨削加工过程中CBN砂轮的磨削性能。最后,为验证该方法的实用性,在某工厂CBN砂轮磨削产品生产线上进行大量实验研究,结果表明,该方法对CBN砂轮磨损状态及CBN砂轮剩余寿命进行有效监测,验证了该方法监测CBN砂轮在磨削加工过程中磨削性能的有效性。     

机床主轴可靠性试验分析方法

机床主轴作为机床的关键功能部件,由于其高可靠性和高精度的特征,不宜采用传统的可靠性试验方法来缩短试验周期和分析小样本失效寿命数据。首先对机床主轴可靠性试验系统进行阐述,然后对应用于机床主轴可靠性试验中的加速寿命试验和基于性能退化数据的可靠性分析的研究现状和统计分析方法进行阐述。提出并分析了加速应力选取、最大加速应力水平选取、失效判据和小样本分析对机床主轴可靠性试验可信度的影响。对加速退化试验和振动噪声信号分析在机床主轴可靠性试验中的应用进行展望。     

基于寿命预测的预防性维护维修策略

针对退化分布函数难以估计的复杂系统,研究了剩余寿命预测及预防性维护维修最优决策问题,提出一种基于复杂系统剩余寿命有效预测的预防性维护维修策略。在系统退化状态分布函数未知的条件下,由已知的设备寿命分布函数预测其平均剩余寿命,以平均剩余寿命为阈值制定预防性维护维修策略。根据更新过程理论,建立了以系统的预测间隔、预防性维护阈值为优化变量和最小化平均维护维修费用为目标函数的优化模型。采用微粒群算法进行优化求解,得到系统最佳的预测周期和维护维修阈值,并使系统长期运行的平均费用率最低。分别以在翼寿命符合威布尔分布的民航发动机和寿命分布符合正态分布的航海设备电控罗经中的某型变压器为例,验证了所提维护维修策略的可行性。     

基于声发射信号监测的主轴性能退化可靠性研究

机床主轴作为机床核心部件之一,其可靠性分析研究对提高数控机床质量有着重要意义。分析研究机床主轴性能退化的机理,将声发射信号应用于机床主轴性能状态监测。基于机床主轴性能未知退化路径模型研究,为长寿命少失效样本条件提供了一种失效寿命估计方法,综合虚拟增广样本法对机床主轴进行可靠性评估。最后,通过实验验证了该方法的有效性和实用性。     

多退化变量下基于实时健康度的相似性寿命预测方法

鉴于目前对多退化变量下的相似性寿命预测方法的研究较少,且所用的建模方法仅限于线性回归、较为单一,提出多退化变量下基于实时健康度的相似性寿命预测方法。该方法先采用主成分分析法、支持向量数据描述法、马氏距离和负向转换函数等将多退化变量融合为能反映系统退化状态的定量指标——实时健康度;依据设备的实时健康度,采用面向单退化变量的相似性寿命预测方法预测设备的剩余寿命;通过陀螺仪剩余寿命预测的实例对该方法进行验证分析。研究结果表明,该方法可行并具有一定的优越性,能提供统计意义上更精确的剩余寿命预测结果(即更小的预测误差)。     

基于Wiener过程的功率变换器剩余寿命评估方法

针对功率变换器难以准确建立表征其性能退化过程物理模型的问题,提出一种基于Wiener随机过程的剩余寿命评估方法实现其剩余寿命预测。通过分析电路关键元器件退化对电路性能的影响,选用输出电压均值为DC-DC变换电路失效特征参数,利用Wiener过程建立电路性能退化模型,通过逐步递推预测寿命特征参数值并结合电路失效阈值从而实现功率变换器剩余寿命预测。以闭环SEPIC电路为例,分析了建模数据与建模尺度对剩余寿命预测结果的影响,实验验证了该方法的有效性。     

多变量灰色模型在滚珠丝杠剩余寿命预测中的应用

为研究滚珠丝杠的性能退化趋势,准确预测丝杠寿命,提出了基于多变量灰色模型的丝杠寿命预测系统.在滚珠丝杠副的不同位置安装3个加速度传感器,实时监测丝杠性能在不同加工条件下的变化趋势.通过模态分解方法分解选择对丝杠性能退化最敏感的特征参数,利用多变量灰色模型建立丝杠寿命与切削三要素、信号特征值的非线性映射关系,最终构建了基于多变量灰色模型的丝杠寿命预测模型,实现了对丝杠剩余寿命的有效评估.试验结果表明,所建立的丝杠性能退化模型能够有效预测丝杠的剩余寿命.     

基于Gamma退化过程的剩余寿命预测及维修决策优化模型研究北大核心

通过研究产品故障发生的机理,建立了基于Gamma退化过程的状态空间模型,运用EM-PF参数估计方法对模型中的参数进行求解,确定模型的具体形式,进而得出产品剩余寿命的分布函数和概率密度函数。该剩余寿命预测方法将退化状态与故障阈值联系起来,从而降低了剩余寿命预测的误差,以轴承磨损量特征进行建模,完善了状态信息与剩余寿命之间的相互关系。利用剩余寿命的概率密度函数建立了以费用最小为目标的维修决策模型,确定最优的维修更换时间并实现维修决策的优化。最后用轴承寿命试验所得到的数据对模型进行了验证,实例结果证明该模型是可行有效的。     

废旧机床主轴剩余寿命评估模型

如何准确评估废旧主轴的剩余寿命是其可再制造性评估的关键.基于此,针对废旧主轴的疲劳断裂失效现状,综合考虑裂纹闭合效应,加入裂纹拓展有效因子,提出一种基于非线性连续疲劳损伤模型的主轴剩余寿命评估模型.为提高主轴S-N曲线的拟合精度,疲劳试件是通过原废旧主轴的轴身经线切割加工而成,将主轴谐响应分析获得的六级最大应力,作为拉压疲劳试验的循环应力,从而获得接近实际主轴的S-N曲线.对于主轴剩余寿命评估模型参数求解问题,把试验得到的数据和参数通过非线性拟合中的最小二乘法,构建关于应力和寿命的S-N曲线,采用Python的方法来求解该模型中的参数使主轴的剩余寿命评估模型更具有准确性,来保证预测评估主轴剩余寿命结果的准确性.以某机床集团的CAK5085型数控车床的主轴为例,对其进行剩余寿命评估.通过试验的数据和模型的计算结果进行对比,验证修正后模型的准确性、可行性.     

多参数相似性信息融合的剩余寿命预测

针对常规基于相似性信息的寿命预测方法的退化指标难以建立的问题,提出一种多参数相似性信息融合的剩余寿命预测方法。该方法并不进行退化指标的建立,而是利用单个原始参数数据直接进行基于相似性的寿命预测,然后将各参数对应的寿命信息进行融合得到设备的剩余寿命。为提高信息融合时的合理性,给出一种以相关性Spearman系数为基础的设备退化敏感性关键参数量化筛选及剩余寿命融合权重分配方法,结合各参数对应的剩余寿命信息,加权融合实现设备的剩余寿命预测。实验结果表明,相比于常规方法,所提方法在剩余寿命预测的准确性及改善预测精度方面更具优势。     

基于1D-CNN和Bi-LSTM的航空发动机剩余寿命预测

剩余寿命预测对航空发动机的预防性维修有重要指导作用,是保障飞机安全运行,提高维修保障效率的重要手段.一维卷积神经网络(1-dimensional convolutional neural network,1D-CNN)和双向长短时记忆神经网络(Bidirectional long short memory,Bi-LSTM)被应用于航空发动机剩余寿命预测模型.首先,根据工程经验在多状态参数的主成分分析的基础上对退化过程进行随机分布拟合,得到综合性能退化量;然后将多变量时间序列样本和对应的性能退化量代入1D-CNN模型进行回归分析,从而得到性能退化分析模型;再通过Bi-LSTM对性能退化量进行时间序列预测,得到性能退化的未来趋势;最后通过设定性能退化阈值,得到剩余寿命预测结果,从而得到从多状态参数-性能退化分析-性能退化预测-剩余寿命预测的实时动态感知模型.实例分析结果表明,提出的混合模型与其他单—深度学习和传统模型相比,有更低的回归分析误差和退化预测误差,能够得到更准确可靠的剩余寿命预测结果.     

基于UKF的轴承剩余寿命预测方法研究

针对轴承从早期故障发生到失效的非线性退化问题,提出一种基于无迹卡尔曼滤波算法(UKF)的轴承剩余寿命预测方法。该方法包括轴承性能评估和剩余寿命预测两个部分。在性能评估部分,首先利用轴承振动信号建立反映其健康状态的指数,基于对正常工作时指数的学习获得用于判断轴承健康状态的异常阈值并截取出轴承从早期故障发生到失效这一性能退化阶段的数据;在剩余寿命预测部分,利用双指数函数拟合分析轴承退化数据,构建出与轴承退化过程相符的非线性状态空间模型,模型参数利用Dempster-Shafer方法进行初始化后采用UKF算法对其进行更新,并预测轴承的剩余寿命。基于轴承全寿命周期试验数据的分析,结果显示所提方法有效地评估了轴承的健康状况,通过对比分析其他剩余寿命预测方法,发现所提方法较好地预测了轴承的剩余寿命。