基于EKF-SSM的齿轮箱剩余寿命预测

齿轮箱的剩余寿命预测为维修人员做出维修更新决策提供重要信息。为解决在缺少历史数据和非线性非平稳运行状态下的齿轮箱剩余寿命预测难题,提出一种基于数据驱动的齿轮箱的剩余寿命方法。该方法首先根据齿轮箱振动信号特征值,通过状态空间模型(State Space Model,SSM)建立齿轮箱退化状态与特征值之间的关系,来描述齿轮箱的非线性动态变化。其次,当获取到新的信号时,通过扩展卡尔曼滤波(Extend Kalman Filter,EKF)估计准确的模型状态,EM算法(Experience Maximization,EM)估计状态空间模型的参数,根据更新的状态和模型递推预测未来特征值到达故障阈值的时间,从而估计出齿轮箱的剩余寿命。最后,运用齿轮箱全寿命试验数据对预测模型进行检验,实验结果表明该方法能利用实时监测的状态数据准确的预测齿轮箱的剩余寿命,具有较强的工程使用价值和通用性。     

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。     

机械装备的剩余寿命预测

一、引套任何机件均在一定的应力状态、环境介质及温度条件下服役。随着机械装备运转时间的推移,机件表面或内部将会产生诸如磨损、腐蚀、疲劳、蠕变、脆化等损伤。上述损伤累积的过程,也就是机件寿命不断减少的过程,直到该机件完全报废,即寿命终结为止。     

基于改进的无迹卡尔曼滤波确定视线感知相对状态

基于视线传感器原理,研究了如何确定摄动作用下两颗卫星间相对状态的问题.采用VISNAV传感器作为相对状态传感器,并应用一种改进滤波算法实现了问题求解.首先,考虑了两颗卫星间相对位置与相对姿态的运动方程及摄动作用的影响,给出了改进的离散系统方程及其误差协方差矩阵的取值方法,避免了复杂协方差矩阵的实时额外求解,降低了算法计算量及实施难度.最后,给出相应的无迹卡尔曼滤波(UKF)算法并通过STK和MATLAB软件进行了数值仿真实验.分析表明,改进后的算法保证了收敛性,数值仿真及对比仿真验证了本文方法的可行性和有效性.在摄动因素作用的前提下,改进的方法能够在200m的相对距离内达到角秒级的相对姿态确定精度和毫米级的相对位置确定精度,完全可以满足近距离自由飞行卫星间的相对状态确定要求.     

基于灰色模型的滚动轴承剩余寿命预测

为准确地对滚动轴承的剩余寿命进行预测,提出了一种基于灰色模型(grey model,GM)的预测方法。首先,计算滚动轴承的全寿命周期的评估指数(confidential value,CV);其次,以滚动轴承的CV值序列建立灰色预测模型,获取灰参数;最后进行迭代运算获得滚动轴承CV值的预测值,并计算其剩余寿命。预测结果表明,该预测方法获得的预测数据与实际情况贴合度比较高,可以应用到滚动轴承的故障诊断项目中。     

风力机轴承实时剩余寿命预测新方法

由于传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命的准确预测,提出了基于包络谐噪比（envelope harmonic?to?noise ratio,简称EHNR）和无迹粒子滤波（unscented particle filter,简称UPF）相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的EHNR监测轴承的早期退化点,并提取EHNR的趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,利用UPF算法更新模型参数,实现对轴承退化状态的跟踪和预测;最后,使用实际风力机轴承监测数据对所提方法进行验证。结果表明,该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。与常用的支持向量回归模型（support vector regression,简称SVR）、反向传播神经网络（back propagation neural network,简称BPNN）的预测方法相比,具有较高的预测精度,为大型风力机组的健康管理和可靠性评估提供参考依据。     

风力机轴承实时剩余寿命预测新方法

由于传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命的准确预测,提出了基于包络谐噪比(envelope harmonic-to-noise ratio,简称EHNR)和无迹粒子滤波(unscented particle filter,简称UPF)相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的EHNR监测轴承的早期退化点,并提取EHNR的趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,利用UPF算法更新模型参数,实现对轴承退化状态的跟踪和预测;最后,使用实际风力机轴承监测数据对所提方法进行验证。结果表明,该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。与常用的支持向量回归模型(support vector regression,简称SVR)、反向传播神经网络(back propagation neural network,简称BPNN)的预测方法相比,具有较高的预测精度,为大型风力机组的健康管理和可靠性评估提供参考依据。     

基于粒子群算法的地下管道腐蚀剩余寿命预测

以灰色理论为基础,探讨了PSO算法的用法.分析了在灰色理论的基础上用PSO算法预测剩余寿命的可行性,对地下管道进行寿命预测.利用该方法,可以在测量数据很少的情况下,预测地下管道的剩余寿命.实例计算表明,基于PSO算法的灰色理论优化方法优于现有的灰色预测方法和基于GA的灰色理论优化方法.     

基于氧化动力学模型预测烃基润滑油剩余有效寿命

为计算在用油剩余有效寿命,从而科学确定换油周期,以酸值为润滑油寿命表征指标,基于氧化动力学基本原理,通过模拟实验,分析温度、水分等工况条件对酸值的影响。通过温度与反应速率的线性回归计算活化能,并建立润滑油在特定温度下的寿命方程。结果表明:工作温度的升高会显著缩短润滑油的剩余有效寿命,水分通过改变反应活化能影响润滑油的使用寿命;基于氧化动力学Arrhenius方程建立的润滑油剩余寿命模型,通过模拟实验分析特定性能指标的变化率,可快速获得润滑油的预测寿命。     

基于剩余寿命的备件管理研究

备件管理的好坏直接影响着设备维修时间、维修质量、设备的可开动率以及设备的正常运行,而且进一步影响到企业产品的产量、质量、成本、交货期、安全和环保等诸多方面。由于备件管理系统涉及因素多,在有些情况下,现有的解析方法目前还不能解决这些问题。因此,我们运用剩余寿命预测法对维修管理系统进行研究,以便更全面地解决备件管理中遇到的主要问题。本文以齿轮为例说明了基于剩余寿命备件管理的基本思路和方法。     

基于随机滤波模型的齿轮箱剩余寿命预测研究

针对设备剩余寿命预测无法获取设备直接状态信息的问题,引入随机滤波模型,利用平时易于监测到的间接状态信息,来预测设备的剩余寿命.该模型采用贝叶斯递推理论,可以有效利用设备监测到的历史状态信息;针对小样本模型参数估计问题,采用主观数据和客观数据相结合的贝叶斯方法对模型的参数进行估计;最后,以齿轮箱全寿命实验为依据,利用该模...     

U-卡尔曼滤波在状态估计中的应用

本文介绍了新的滤波估计方法-U卡尔曼滤波.UKF能给出最佳估计的至少二阶近似.本文通过一个时间序列的仿真实例说明UKF比EKF的估计精度要高.     

线性回归与EEMD的滚动轴承剩余寿命预测

滚动轴承的剩余使用寿命(Remaining useful life,RUL)预测是轴承健康管理的关键一环。然而,对于滚动轴承RUL预测的两个关键问题:开始预测时间点(Start prediction time, SPT)的选择;对于寿命虚假波动的处理。为了解决这两个问题,提出一种基于数据驱动的滚动轴承RUL预测方法。该方法先利用集合经验模态(Ensemble empirical mode decomposition,EEMD)对振动信号进行降噪处理,然后依靠均方根(Root mean square,RMS)梯度来选择SPT点进行RUL预测,最后,在RUL预测的同时,使用线性回归来进行寿命虚假波动修复。为了验证方法的有效性,采用仿真模拟数据,以及真实数据进行了验证。实验结果表明,所提出的方法能够有效选择合适的SPT以及修复寿命虚假波动。     

滚动轴承剩余使用寿命预测综述

滚动轴承作为旋转机械的关键零部件,其剩余使用寿命(RUL)预测对生产维修和人身安全具有重要意义。由于滚动轴承复杂多变的工作环境,使得同工况的参考样本少而变工况的参考样本较多,具有不平衡、不完整、无标签及噪声干扰等特性,增加了滚动轴承RUL预测的困难。随着大数据时代的来临和人工智能的发展,滚动轴承RUL预测方法也变得更加丰富。因此,在故障预测与健康管理(PHM)的框架下,对滚动轴承失效模式和故障数据特点进行阐述,对故障特征提取、降维和融合方法以及得到的性能退化指标分别进行了分类和对比分析。结合数据驱动算法,对滚动轴承RUL的预测方法、模型选择和评估标准进行了梳理和对比。最后对滚动轴承RUL预测未来的发展趋势进行了展望。     

基于油液监测的风机主齿轮箱磨损预测

针对风电机组主齿轮箱运行过程中因润滑不良导致异常磨损等故障的问题,提出偏最小二乘回归分析(PLS)方法来处理油液监测数据,并采用灰色等维递补模型进行故障预测.通过对油液监测数据中的运动黏度、酸值和铜元素、硅元素、锌元素、磷元素以及铁元素含量进行数据初值化与主成分提取,构建PLS模型并进行数据拟合分析.结果表明:运用偏最...     

基于指数平滑和改进增量SVR的齿轮寿命预测研究

针对齿轮剩余使用寿命预测这一问题进行了研究,提出了一套基于二次指数平滑和改进增量支持向量回归(Support vector machine for regression,SVR)的齿轮剩余寿命预测新方案。该方案利用主成分分析法(Principal component analysis,PCA)筛选组成融合指标集,再进行二次指数平滑处理(Double exponential smoothing,DES)作为输入,构建基于增量拉丁超立方采样(Latin hyper-cube sampling,LHD)和Direct搜索算法的改进增量SVR预测模型。与基于原始特征值的标准SVR模型相比,新模型克服了信号随机性和突变性的干扰,并获取了最新状态信息的内在演变趋势,寻优效果和预测性能得到明显改善。用齿轮全寿命周期试验数据对新模型进行验证分析,结果表明,改进增量SVR预测模型获得了更可靠、更稳定的预测结果,具有一定工程实用价值。     

机载液压系统寿命预测与估计

寿命预测和估计是机载液压系统健康管理的核心难点。综述了机载系统寿命预测与估计常用方法,针对长寿命机载系统不可能在出厂前给出准确寿命,提出动态数据更新的粒子滤波寿命估计方法。建立机载液压系统多场耦合作用下性能退化规律,将研制寿命试验的累积损伤表征在退化状态内部,实际飞行数据通过贝叶斯滤波动态更新到寿命估计模型中,考虑余度液压系统多退化状态增广,给出动态机载液压系统寿命预测与估计方法,实现机载液压系统高精度寿命估计。     

修正准静态叠加法下的齿轮箱箱体寿命预测

针对某型内燃机车齿轮箱箱体出现裂纹的情况,建立齿轮箱箱体有限元模型,提出了一种根据实测动应力修正准静态叠加法的应力时间历程计算方法,对单位加速度激励下的响应进行修正。分别用准静态叠加法和基于实测动应力修正的准静态叠加法计算绝对值最大主应力时程,使用雨流计数法对应力时程进行循环计数,根据Miner累积损伤理论对齿轮箱箱体寿命进行预测,后者预测结果与实际结果较为接近。两种方法计算结果差异较大,初步推测所测齿轮箱体发生共振,并通过对比加速度谱的频谱分析结果与齿轮箱箱体模态分析结果进行了验证。该研究为齿轮箱箱体结构设计和优化时疲劳寿命的预测提供了参考。     

基于卡尔曼滤波和数学形态学分形分析的齿轮箱故障诊断

针对传统信号时频分析方法不适用于处理非平稳信号的问题,利用齿轮箱时域振动信号建立系统的AR模型,采用最小二乘法计算模型参数,利用AIC信息准则确定系统阶次,并构建状态空间模型进行卡尔曼滤波降噪。用数学形态学分形维数计算方法计算滤波后信号的分形维数,并将其应用到实际齿轮正常、齿面磨损、齿根裂纹和断齿信号的分析中。对实测信号分析结果表明,基于卡尔曼滤波和数学形态学分形分析方法能够有效识别齿轮故障类型,为齿轮箱故障诊断提供一种新的特征提取方法。     

一种基于遗传算法的直升机主减速器优化设计方法

行星齿轮减速器具有传动效率高、结构紧凑等优点,在直升机等军用传动系统中得到了广泛的应用。常用的设计方法一般采用惩罚函数辅助方法,这种方法计算量较大且对于多约束备件优势较弱,并且得到的解未必是最优解,因此不利于复杂系统的优化设计。本文首先详细讨论了主减速器的数学模型,接着给出了运用遗传算法求解多约束条件目标规划的详细算法,并根据进化计算得到的最优解与常规的设计方法进行了比较,最后总结出了基于遗传算法的2K-H行星减速器的一般设计方法。