基于数字孪生与k-近邻算法的车间设备运行状态预测研究

由于传统车间设备运行状态预测不能有效利用历史数据进行学习,实时响应能力有限,难以在复杂调度环境中取得良好效果,因此文章提出一种数字孪生与k-近邻算法相结合的车间设备运行状态预测模型。构建车间设备实体在信息空间的数字孪生模型,并建立设备实体与模型之间的映射关系,从而获取实时特征数据,即设备的运行状态特征数据。运用k-近邻算法计算实时特征数据与历史数据之间的欧几里得距离,即计算设备当前运行状态与历史已知状态的相似度,最终通过前k个距离所对应的设备历史运行状态数据,预测设备的当前运行状态。该模型的本质是通过数字孪生的实时数据采集,获取指定设备运行状态特征数据,运用k-近邻算法预测设备的实时运行状态。相较以往研究,本研究贡献在于提高设备实时运行状态预测的准确率。如果将数字孪生、k-近邻算法与具备自我学习能力的相关算法相结合,模型的预测效果会更好。     

基于全信息技术的自适应报警方法研究

针对目前设备状态报警线设置所存在的缺点,即只依据单通道信息及设定的报警阈值和设备实际运行状态变化无关,本文提出了一种基于多通道全信息技术的自适应报警方法。该方法利用概率神经网络构建设备运行状态模型,根据多通道历史数据确定报警值并设置报警线。实验表明,该方法是可行的,而且是有效的,用该方法设置的设备状态报警线能够随设备运行而做自适应调整,对指导工业现场的设备监测具有现实意义。     

基于Logistic回归模型的机械状态健康评估研究

在设备运行过程中,旋转机械的状态会由于零件老化、磨损而逐渐退化,降低了设备运行的可靠性,增加了设备故障发生的可能。应用Logistic回归模型算法分析设备运行状态与历史数据概率分布之间的关系,用设备当前数据与设备历史状态数据之间的差异相似性来评估旋转机械设备状态的健康程度。实验结果表明,Logistic回归模型作为机械状态健康评估的方法简单,效果直观,并且故障区分明显。     

基于特征量变化的变压器状态评估方法

大型电力变压器的内部结构复杂、运行参数以及状态特征量众多,现有的状态评估方法只考虑变压器已有特征量,在评估结果的准确度、可信度等方面有所欠缺。为了克服上述方法的缺点,本文在分析变压器功能层次结构基础上,将历史数据与状态评估有机结合,运用层次分析法,提出了考虑状态量变化率等多种因素的变压器运行状态评估新方法。该方法建立了电力变压器设备的状态评价模型,采用健康值来综合测度设备运行状态。仿真结果表明该方法较传统方法在状态评估的时效性和准确性方面有很大提高。     

集团发电设备故障预警系统在嘉兴电厂的应用

设备故障预警系统不同于发电厂传统的状态监视工具,Smart Signal能够为发电机组的所有主要系统在各种运行状态下及时提供异常的早期预警,便于电厂人员提前采取相应的措施。Smart Signal的核心专利是基于相似性原理的建模技术,能够分析历史数据,建立设备和过程正常运行的高保真经验模型。实时运行时,其自动将模型中传感器的"期望"值与从设备采集来的实时数据进行比较,实现预见性分析,并将设备的预警信息在Smart Signal上发布。Smart Signal提供设备或过程问题的早期预警,通过识别、警示潜在的设备问题,并把此设备及其相关的异常点显示在Smart Signal上,为设备的正常运行及状态检修提供理论依据。     

基于DD-HSMM的设备运行状态识别与故障预测方法

针对设备运行状态识别与故障预测问题,提出一种基于时变转移概率的隐半Markov模型。该模型将设备历史运行信息融人Markov状态转移概率矩阵的估计过程中,使Markov状态转移概率矩阵具有时变特性。基于改进前向后向算法研究了相应的隐半Markov模型参数估计方法,使其能够不断综合利用历史运行信息进行自我更新,以更加符合设备真实运行的过程。同时以该模型为基础,利用故障率方法建立了对设备剩余使用寿命进行预测的基本步骤。通过某滚动轴承运行状态识别实例演示了该模型的建模过程,证明了基于该模型的设备状态识别与预测方法比传统隐半Markov模型方法更为有效。     

集成电路封装设备远程运维系统设计

针对集成电路封装设备自动化程度高、运行状态数据多等特点,以砂轮切片机、高速打孔机、电路印刷机为核心设备,开发了集成电路封装设备远程运维系统,包括设备数据采集、运行状态监测、故障模式识别、预测性维护等功能单元。数据采集实现设备状态数据的采集和导入、数据预处理;运行状态监测对设备现场采集数据、故障数据等进行分析,分析结果以图表等形式动态实时呈现,实现设备的预警与报警;故障模式识别根据设备监控状态参数,通过故障诊断方法判断设备是否处于故障状态,并对故障进行定位;预测性维护基于采集后处理数据与历史数据预测设备故障模式与剩余寿命,提出设备维护策略。提高了设备运行的可靠性、安全性和有效性,降低了设备故障,已在国内部分集成电路产品制造企业示范应用,为集成电路智能生产线的建设提供指导。     

基于随机Petri网的复杂机械设备可用度分析方法研究

设备的可用度是衡量设备运行过程中随机故障的主要指标,提高其可用度是设备优化运行过程中极为重要的一环。通过分析不同维修策略下设备状态的演变规律,研究不同状态之间的时间依赖关系,建立基于随机Petri网的复杂设备可用度模型。模型着重描述设备运行过程中的劣化状态以及不同维修策略对运行过程的影响。在此模型的基础上,根据设备不同维修策略分析模型的可达图,构造同构的马尔可夫链模型,求解模型不同状态下的各个稳态概率,计算不同维修策略下的设备可用度。通过可用度的求解可得到较优的设备维修策略,从设备预防性维修效率和故障维修效率因子出发,定量分析这两个因子对设备可用度以及设备维修费用的影响,并给出趋势图。以一个实例说明该模型及分析方法的有效性。     

基于多元状态估计的电厂设备状态评估和故障预警研究

针对电厂生产环境复杂，设备故障频发且不易及时发现的特点，为了提高机组运行效率和设备健康度，提出了一种基于多元状态估计的电厂设备状态评估和故障预警方法。首先，分析设备状态监测所需的监测参数，根据参数采集历史运行数据，筛选健康运行状态数据，筛选典型运行状态数据构建记忆矩阵；然后，搭建状态评估和故障预警模型，利用健康运行状态数据对模型进行训练得到成熟模型，利用成熟模型即可对设备实时运行状态进行健康度评估和故障预警。本文以某燃气发电厂燃气轮机为对象开展研究论证，结果表明，该方法能准确地评估设备运行状态，提早发现设备故障，有效实现设备故障早期预警。     

融合工艺和振动信息的设备变工况运行风险评估方法

针对设备变工况运行情况复杂的问题,提出了一种运行风险评估方法。首先,提取设备振动信号和工艺信号特征值,并基于信息熵进行特征融合。然后,在极值条件下建立其连续隐马尔科夫(CHMM)状态监测模型,利用该模型输出结果与工艺量数据建立支持向量机(SVM)回归模型,通过计算设备当前数据在上述2个模型中输出结果的差值,以识别状态变化来源和程度。最后,将CHMM-SVM模型输出的极大似然估计值转换为概率,利用阈值将概率转换为运行状态的置信度,并采用D-S证据理论实现设备运行风险评估。对齿轮箱运行状态进行验证,实验结果表明,该方法能全面反映设备运行状态的变化。     

自动化生产线中关键设备的预维护策略研究

为了避免由于设备故障导致的生产线停产,首先研究生产线故障维修成本、预防性维护成本和停产损失的计算方法,建立生产线平均可靠度与维护总成本多目标优化模型,从而获得了最优的生产线周期性维护计划。针对关键设备,如数控机床、工业机器人,运行状态突然严重劣化的情况,基于时间延迟理论得到了关键设备子系统可靠度随时间变化的规律,根据设备运行状态的监测数据,采用支持向量机模型对设备子系统潜在故障的发生概率进行预测。由此建立了关键设备延迟维护最佳时刻优化模型,并通过粒子群优化算法求解关键设备的最佳维护时刻。最后,通过实例仿真分析验证了文本预维护策略的有效性,能够在保证可靠度要求的同时,有效降低维护成本。     

基于RBF神经网络的曲面加工误差补偿

在自由曲面数控加工中,计算误差和机床误差都会带来加工工件的形状误差。形状误差在三维空间分布是无规律的,无法用普通的数学函数表达,导致很难实施误差补偿加工。为了建立误差补偿模型,本文提出了采用RBF（Radial Basis Functions）神经网络逼近误差的三维分布函数。测试结果表明,RBF网络模型具有较好的推广能力,它与传统的BP神经网络模型相比较。RBF网络具有更高的精度、更好的泛化能力和更快的收敛速度。通过修改后的数控NC指令驱动数控机床,使刀具中心偏离一个误差函数求出误差值,实现误差补偿。     

Application of relevance vector machine and logistic regression for machine degradation assessment

Degradation parameter or deviation parameter from normal to failure condition of machine part or system is needed as an object of prediction in prognostics method. This study proposes the combination between relevance vector machine (RVM) and logistic regression (LR) in order to assess the failure degradation and prediction from incipient failure until final failure occurred. LR is used to estimate failure degradation of bearing based on run-to-failure datasets and the results are then regarded as target vectors of failure probability. RVM is selected as intelligent system then trained by using run-to-failure bearing data and target vectors of failure probability estimated by LR. After the training process, RVM is employed to predict failure probability of individual units of machine component. The performance of the proposed method is validated by applying the system to predict failure time of individual bearing based on simulation and experimental data. The result shows the plausibility and effectiveness of the proposed method, which can be considered as the machine degradation assessment model.     

基于计算智能的机械零部件可靠性优化设计

针对多失效模式的结构系统的可靠性优化问题,提出了随机模拟-小波神经网络方法(MCS-WNN),将可靠性优化设计中的非正态随机参数的概率约束转化为等价的确定性约束,并运用粒子群算法迅速获得结构系统可靠性优化设计的初始点。并提出了一种小波神经网络的逆映射模型以优化设计参数,针对机械零部件的实验结果表明,上述方法行之有效。     

Flank wear regulation using artificial neural networks

Tool wear regulation highly influences product quality and the safety and productivity of machining processes. Hence, it is one of the most important elements in the supervisory control of machine tools. The development of this type of machine tool adaptive control is practically at its infancy because there are still no industrial solutions concerning robust, reliable, and highly precise continuous tool wear estimators. Therefore, this paper primarily aims at the determination of a tool wear regulation model that can ensure the maximum allowed amount of tool wear rate within a predefined machining time, while simultaneously maintaining a high level of process productivity. The proposed model is structured using Radial Basis Function Neural Network controller and Modified Dynamical Neural Network filter. It is analysed using an analytical tool wear model with experimentally adjusted parameters.     

制造技术与装备领域30年来的4大质变

回顾了机床的发展历史,归纳了智能型机床、快速成型加工、并联机床、新型工具等加工方式、设备和工具领域的革命性变化。总结了机床工具领域内国内外发展的最新动态,指出了该领域的发展方向。     

一种新型测风设备

本文讨论的测风设备，即可使用新式风传感器又可使用传统的EL型电接风感应器作为传感器，并能够将现场采集数据在机内存储，不但方便了现场使用，而且还可以供日后脱机分析和历史查询，具有广泛的应用价值。     

弹性支承隔振和机床可移动性的试验研究

文章通过建立机床／刀困二阶振动模型及对机床不设备弹性隔／减振的试验研究和试验数据的回归分析,研究了弹性减振器的性能特点及选用原则,论证了在一定条件采用弹性隔／减振方案实现机床可移动性安装的可行性,提出一组机床重组后的安装性能评价指标。     

浅谈工控技术在注塑机的应用

随着现代工控技术发展,很多设备的自动化程度也明显提高。将工控技术用于注塑机,采用PLC对注塑机进行控制,减少了故障的发生,缩小了机器设备的体积,现代工控触摸屏完成单台机器的监控,可实时记录相关数据,根据数据自动或人工修改工作条件,生产效率明显提升。     

基于油液分析的多层前向BP网络在复杂机械故障诊断中的应用

为了提高大型复杂机械故障诊断系统的诊断精度和自适应性,将改进的多层前向BP神经网络引入大型复杂机械系统故障诊断的研究,通过对该系统的多技术油液分析,建立了该机械系统油液分析故障特征表及神经网络目标输出,以此构建了基于油液分析的复杂机械系统多层前向BP网络故障诊断模型,并对该模型在MATLAB环境下进行了仿真训练和故障诊断。仿真结果表明,该模型能用于故障诊断,并有较高的输出精度。