基于CPS方法与脆弱性评估的制造系统健康状态智能诊断

现有的制造系统健康管理技术很少应用信息物理系统(CPS),也很少有学者从脆弱性的角度探究制造系统的"病因"。根据制造系统的结构特征和健康管理技术原理,提出在其关键设备上嵌入基于CPS与脆弱性分析的健康管理模块,以实现系统健康状态与影响因素的在线动态分析。重点研究基于脆弱性的系统健康状态判断方法、基于数据驱动的制造系统性能异常判断和亚健康状态下设备异常因素的识别。基于嵌入式CPS的制造系统设备健康状态诊断与分析可以根据设备服役过程中的脆弱性状况判断设备的健康状态,基于数据驱动的设备异常因素判断方法可以监测设备服役过程中的性能参数变化情况,及时判断造成设备异常的关键因素。通过柔性制造系统仿真实验,证明了所提方法可实时判断系统的健康状态,有效识别导致设备亚健康状态的性能参数。     

基于脆弱性的制造设备故障智能诊断与维护

制造设备故障智能诊断与维护是保障制造系统安全运行的重要手段。为准确地诊断制造设备的健康状态、识别设备故障的关键因素,建立高效的健康维护系统,提出了基于脆弱性的设备故障智能诊断与维护方法。该方法将考虑脆弱性的设备故障智能诊断与维修决策模块嵌入到设备的过程控制系统（Process control system,PCS）中,它基于系统脆弱性的定义和性能劣化理论建立了设备脆弱性评估模型实时判断设备的脆弱状态,利用非线性核映射方法实时监测制造设备的运行参数是否超出预设边界,建立设备参数的高斯核函数模型准确识别故障的关键因素,将设备的脆弱性状态与维护模式相结合建立维修决策模型避免维修过度和维修不足。以某机器人的伺服系统为例,证实了所提方法能有效提高故障诊断效率、智能化诊断故障因素,优化设备维修决策。     

基于嵌入式CPS模型的产品质量在线管控方法

随着工业4.0时代的来临,制造技术正逐步从自动化、数字化、网络化向智能化方向发展。作为工业4.0的重要策略—信息物理系统(Cyber-physical system,CPS),由于其具有自主判断、自主决策、自主调控能力,如何将CPS技术应用于流程工业的智能化制造引起了广泛关注。根据钢铁制造过程的特点,提出在各工序中嵌入CPS质量管控模块的过程控制系统,实现全流程产品质量在线动态管控与优化。重点研究采用嵌入式CPS方法的产品质量在线管控系统架构和产品质量管控模型。在这些模型中,提出一种基于数据驱动的质量异常判定模型,提出基于贡献图的质量异常原因分析方法,讨论动态的工艺参数控制策略。嵌入式CPS产品质量监控系统可以根据生产过程中各个工序的产品质量偏离情况,及时调整后工序的工艺参数,实现产品质量的在线优化。通过汽车钢的应用实例,证实了基于嵌入式CPS模型的动态产品质量管控方法是提高产品质量的稳定性和实现柔性智能化制造的有效途径。     

航天发射场供气系统健康管理技术

针对新一代航天发射场采用全新的在线供气模式,难以有效评估单样本设备健康状态的问题,提出一种基于隐马尔可夫的设备健康状态管理与预测方法。首先,利用设备监测数据构建隐马尔可夫健康状态评估模型,通过对不同观测序列与不同观测次数下的预测准确率进行仿真,确定出最优的模型参数;其次,把实时数据代入模型,根据模型的计算结果取最小值,从而判断出设备的健康状态;最后,将当前数据与历史数据进行拟合,预测出系统的安全可靠寿命。经实际检验,该方法有效解决了单样本多状态设备的健康评估。     

考虑性能参数变化的混流制造系统脆弱性评估方法

针对现有混流制造系统脆弱性评估方法的不足,在考虑系统性能参数实时变化的情况下,提出了一种基于LZ变换的脆弱性评估方法。利用离散时间马尔科夫原理求得制造单元各状态的瞬时概率,基于系统的结构特征和LZ变换原理、通用生成函数的串并联构造算子等得到制造单元和系统的LZ变换函数;根据混流制造系统脆弱性定义和系统的LZ变换函数,以其可用度、平均输出期望值和瞬时缺陷率等为脆弱性评价指标,建立混流制造系统的脆弱性评价模型;以一个包含7个制造单元的混流制造系统为例,通过求解系统的LZ变换函数,建立基于可用度、输出性能期望值、瞬时性能缺陷等评估指标的脆弱性评价模型,得到系统的脆弱性实时变化曲线,验证了该方法的可行性,扩展了脆弱性评价的应用范围。     

基于状态熵的制造系统结构脆弱性评估方法

针对制造系统结构脆弱性难以量化评估的难题,在分析系统结构脆弱性成因的基础上,提出一种基于马尔科夫过程和信息熵原理的制造系统结构脆弱性量化评估方法。通过分析制造单元的各种工作状态,建立了状态转移方程;定义了制造单元临界脆弱性状态,利用信息熵原理计算制造单元的脆弱性,测度其脆弱性程度;通过分析缓冲区的状态,定义了缓冲区脆弱性,分析了缓冲区状态及容量对系统结构脆弱性的影响;通过简化系统状态,定义系统脆弱性的临界状态,基于单元脆弱性和信息熵原理对系统结构脆弱性进行量化评估。利用制造单元的结构脆弱性,判断不同的制造单元在面对风险时潜在威胁性的大小,为系统安全运行和监控提供借鉴。通过混流制造系统结构脆弱性的具体评价表明该方法在量化评估系统脆弱性时具有较好的效果。     

基于综合劣化值的钻井服役柴油机油健康状态评估方法

针对GB/T 7607—2010标准对于钻井服役柴油机油健康状态评估可参考性不强的问题，参照PHM理论中健康状态评估技术建立服役柴油机油健康状态评估的综合劣化值模型；根据对监测数据的统计和实验室经验对综合劣化值与服役柴油机油健康状态对应关系进行分级，按照指标的单调性、相关性、预测性这三项原则选取服役柴油机油健康状态评估指标，给出各类指标数值归一化的方法；基于熵权法确定各项指标的权重，建立服役柴油机油综合劣化值计算公式，计算各样品数据的综合劣化值。通过不同综合劣化值样品的红外图谱中抗氧剂特征峰的比较，验证了方法的可靠性。     

基于通用生成函数的混流制造系统脆弱性评价方法

为了解决基于状态熵的脆弱性评价方法在面对多状态系统组合爆炸问题时的困难,提出了一种基于通用生成函数的混流制造系统脆弱性量化评价方法。首先,分析求解各制造单元的状态及其概率,得到制造单元的通用生成函数,定义并计算各单元的脆性熵,建立制造单元的脆弱性分析模型;其次,根据混流制造系统结构特征和通用生成函数的串并联构造算子,得到系统通用生成函数,定义其脆性熵,基于脆性熵建立混流制造系统的脆弱性评价模型;最后,以某典型的混流制造系统为例,利用所提出的脆弱性评价方法,评估其脆弱性,并与基于状态熵的评价方法进行对比,结果表明该方法可显著提高脆弱性评价的效率。     

基于WOA-VMD-SVM数控机床刀具健康状态评价体系的建立

刀具的健康状态直接影响着数控机床的加工性能。对刀具的磨损、破损等健康状态因素进行前期预测和判断,可有效防止因刀具健康状态异常而导致加工质量不稳定等问题。根据刀具在机加工过程中因磨损状况而引起机床机械特性的变化展开分析与研究,即通过采集与刀具健康状态相关联的机床主轴振动信号,并对该信号进行处理和特征提取,建立基于WOA-VMD-SVM刀具健康状态预测识别模型。经实验分析与验证,所建立的模型具有很高的识别准确率,其准确率高达96.8%,高于SVM模型和GA-SVM模型,由此表明该模型能够高效、准确地对刀具磨损状态进行识别和分类。     

矿井提升机健康管理系统研究

针对矿井提升机故障处理周期长、维护保养工作量大、维修成本高等问题,研究了基于PHM的矿井提升机健康管理系统,提出了适用于矿井提升机的健康管理功能要求和系统架构方案。将其总体分层为设备层、传感器层、数据层和分析决策层,运行状态描述为健康、亚健康和故障三种状态。建立了基于BP神经网络的矿井提升机传感器数据和健康指数的关系模型,通过采集矿井提升机相关的各种传感器信息,实现了矿井提升机故障信息的评估及预测。结果表明,实际的健康状态与预测得到的健康状态趋势保持基本一致,重合率在90%以上。该研究对于提高矿井提升机的安全性和可靠性,避免提升机带病运行,减少人员和财产损失具有重要的作用。     

自适应带宽核密度估计在旋转机械劣质监测数据识别中的应用

运行环境异常、人为因素干扰及采集设备故障等问题可能导致旋转机械监测数据中出现与设备健康状态无关的异常值或缺失数据,造成机械健康状态误判及维护策略制定不当等问题,为此,提出了一种基于自适应带宽核密度估计的劣质监测数据识别方法。通过对采集数据进行频域积分从而将零点漂移与局部噪声“冲击化”,计算积分后的峭度指标;采用局部均值误差进行高斯核带宽自适应选择,获得峭度指标的概率密度函数,并将95%置信区间的边界作为劣质数据识别阈值。通过车桥耐久监测全寿命数据对提取方法进行验证,结果表明,相比于固定带宽以及基于四叉树分割算法的核密度估计方法,所提方法对劣质监测数据具有较好的识别效果。     

大数据驱动的晶圆工期预测关键参数识别方法

工期是晶圆制造中的重要性能指标,对其进行精准预测可促进系统运行优化,保证订单的准时交付率。针对晶圆工期影响参数多、数据体量大且作用机理复杂的特点,提出数据驱动的晶圆工期关键参数过滤方法,识别影响晶圆工期波动的关键参数。分析晶圆工期潜在影响参数,构建候选参数集;基于信息熵方法设计关键参数的入选测度,综合度量参数间的相关性、冗余性与互补性;提出过滤式的关键参数识别算法,滤取影响工期波动的关键参数子集。采用实例数据,从1 202个候选参数中过滤得到78个关键参数,并采用神经网络模型进行工期预测,结果表明,该方法在预测精度和稳定性上都优于采用全局参数的多元线性回归与神经网络方法。     

智能制造装备数字化设计与验证系统研究

智能制造装备的设计水平不高是制约我国装备制造业发展因素之一。在阐述智能制造装备特点的基础上，提出了一种基于CORBA规范的智能制造装备数字化设计与验证系统的体系结构，并探讨了实现该系统的关键技术。该系统的目的是降低智能制造设备开发成本，缩短开发周期，提高智能制造装备的设计质量。     

基于脆弱性分析的复杂产品生产线工艺路线优化

复杂产品的制造加工具有工艺路线复杂、制造工序众多的特点,产品生产线往往具有高的脆弱性。应用复杂网络理论建立了复杂产品的生产线网络模型,并通过对复杂产品生产线网络模型特点进行分析,揭示了工序在生产线网络中分布的不均衡性会导致生产线脆弱的本质,进而建立了工序分布偏差函数,构建了复杂产品生产线的网络优化模型,通过优化工艺路线提高了工序分布的均衡性。以某航空发动机零部件生产线为例验证了方法的可行性和有效性。     

基于SynqNet的网络化运动控制器研究

在分析运动控制网络的研究现状基础上。重点对MEI公司的高性能运动控制网络SynqNet的特性进行研究分析。然后提出了一种基于SynqNet运动控制网络的网络化运动控制系统设计方案。希望能为国内CNC及各种制造加工设备行业提供一个降低系统复杂度和节约成本的有效解决方案。     

基于电化学阻抗法的油液在线监测传感器应用特性研究

大型机械装备润滑系统油况的在线监测是润滑故障诊断的关键技术之一,难点在于准确监测水分异常和润滑油老化失效临界点。根据油液老化过程缓慢且复杂、各种因素导致润滑油阻抗值变化的特性,研究基于电化学阻抗谱技术的油况传感器;通过连续在线监测不同润滑油状态下传感器的体相阻抗、界面阻抗和高频阻抗的变化趋势,发现体相阻抗、界面阻抗和高频阻抗的数据趋势可以用来判断油的状况,具体表现为润滑油状态影响传感器体相阻抗数值和界面阻抗数值,添加剂状态影响界面阻抗数值;油液使用时间越长,老化程度越高,体相阻抗值越高;污染物和分解产物影响高频阻抗数值。介绍油液状态传感器的实现原理,通过实验和工程论证油液状态传感器监测水分和润滑油老化失效临界点的可行性。结果表明,在特定应用场景下,电化学阻抗谱油液传感器能区分不同油液状态,能准确监测润滑系统水分异常和老化失效临界点,为设备润滑安全运维策略提供依据。     

基于Rough集的制造装备维修需求识别决策的研究

在制造装备的维修决策中维修需求的正确识别决定了维修资源配置的合理性.在制造装备的功能部件层面上,将基于Rough集的连续值多属性决策模型运用到维修需求识别中.以关键部件单元的具有连续值特征的运行状态信息作为维修决策的条件属性,以维修级别的确认决策作为系统的决策属性,实现装备制造系统的维修需求识别知识的表示、挖掘和决策知识的应用.该方法能较好地解决维修决策知识的获取及知识应用的问题.最后给出了某数控机床关键减速箱维修需求识别的实例,验证了该方法的可行性和有效性.     

综合健康管理技术在制造业中的应用研究

随着技术的进步,制造业设备的智能化程度越来越高,复杂程度越来越高,可靠性、可维护性越来越低,单一的依赖经验的维护知识积累已经无法满足或者跟上设备复杂程度的提高,设备的安全、稳定、可靠、保质运行成为新的瓶颈。针对这种情况,本文提出将复杂系统综合健康管理思想应用于制造业中,阐述了在制造业中综合健康管理系统的体系结构和关键技术,最后对该领域的研究和应用前景进行了总结。