基于设备状态振动特征的比例故障率模型可靠性评估

基于概率统计的传统可靠性评估方法一般依赖于失效寿命数据。但失效寿命数据需要通过寿命试验和加速寿命试验获取,对于大量的实时工作设备采用这种方法是不适宜的。这种情况下,基于设备状态的性能退化数据能够提供可靠性评估的重要信息。在集成失效数据可靠性建模技术和基于设备状态的振动信号特征提取的基础上,提出设备状态振动特征的比例故障率模型可靠性评估的新方法。该方法可以把底层信息(如设备运行状态特征的方均根、峭度)与高层信息(如可靠性统计学)之间建立联系,适合设备运行可靠性参数的估计,并能够提供有效的可靠性评估,为设备以可靠性为中心的基于状态的预防维修提供技术支持。通过在铁路机车轮对轴承上的应用实例说明该方法的合理性和有效性。     

基于主动监测机制的装备可靠性评价新思路

提出了将主动监测机制应用于主动式可靠性管理的新思路.该方法的核心思想是既利用装备运行和大修的故障历史记录数据,也选择合适的动态状态监测信号,通过比例故障率模型将设备运行状态监测信息与可靠性统计学之间联系起来,以实现单个装备基于运行状态特征和性能退化信号的可靠性评价,对于提高装备可靠运行起到重要的监测作用.     

基于GMM的流体旋转设备运行可靠性在线评价方法

针对流体旋转设备运行工况多变且难以区分,导致运行可靠性评价准确率低的问题,提出了一种基于高斯混合模型（GMM）的流体旋转设备运行可靠性在线性评价方法。首先,根据设备历史运行数据,基于快速搜索和发现密度峰值的聚类算法（DPC）,进行工况划分,构建不同工况条件下的基于GMM的运行可靠性基准模型;其次,使用XGBoost算法对设备实时运行状态进行工况识别,约减冗余指标,构建设备运行可靠性的评价指标体系;然后,计算度量评价指标与对应工况下基准模型指标的偏离程度,以马氏距离作为度量标准,进一步计算得到设备运行可靠性评价指数;最后,以矿用离心机设备为例,进行了多工况下的运行可靠性实例分析和模型验证。研究结果表明,该方法能够在线实时反应设备当前的运行可靠性水平,当离心机设备运行可靠性低于0.857时,认为设备进入劣化状态,且评价准确率达到98%以上。     

矿渣粉磨健康状态识别模型及系统设计

提出一种基于数据挖掘的装备健康状态识别模型,实现对矿渣粉磨系统的运行健康预测。首先,利用一种多算法综合的特征筛选方法对工况数据进行挖掘分析,确定影响设备运行健康状态的评估指标参数;其次,以健康运行状态评估指标为对象,开展系统运行工况状态聚类挖掘,分析历史样本运行数据中的健康工况模式分布,以此为依据定义工况的运行状态类别,建立健康工况模式库;然后,将实时运行数据与健康工况模式库比对,利用自回归积分滑动平均算法(auto-regressive integrated moving average,简称ARIMA)训练预测评估模型,对健康评估指标参数的变化趋势进行预测,获取系统健康状态评估结果;最后,基于上述模型开发了矿渣粉磨健康状态识别系统软件,并应用于某生产现场,验证了该模型及系统的有效性和实用性。     

基于多域空间状态特征的高端装备运行可靠性评价

机械设备运行可靠性对设备状态监测及故障诊断具有重要意义。传统可靠性评估方法依赖于大量故障样本,运用在单台设备可靠性评估上的实际意义有限。本文提出一种基于设备状态特征空间的运行可靠性评价方法。采集设备运行过程中的振动信号,获取时频域信息特征;采用小波包分解提取能量分布特征,构建高维特征空间。应用流形学习优化算法进行降维,获得其低维敏感特征空间,计算当前状态与正常状态的特征子空间的夹角,建立其映射关系,表征设备的当前运行可靠性。将该方法应用于不同状态下的转子实验台和滚动轴承实验台振动数据,实验结果表明:该方法对设备进行运行可靠性评价合理有效,具有很好的工程应用价值。     

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。     

Logistic回归模型在机床刀具可靠性评估中的应用

刀具系统作为数控装备的一个重要部件,其可靠性必然会影响到整个装备系统的加工效率和稳定性。为有效地识别刀具磨损状态,降低生产成本,保证加工质量,提出一种基于Logistic回归模型的可靠性评估方法。通过试验在线测取车刀加工过程中的振动信号和刀具磨损数据,利用小波包分解、时域统计和相关分析,提取刀具磨损的特征频带和显著能量、时域特征指标,结合刀具状态信息,建立Logistic可靠性评估模型,准确地估计出实际使用刀具的可靠度指标和失效时间,对于变化的失效阈值,评估模型同样有效。该方法将设备运行状态信息引入到性能评估和可靠性分析当中,更能反映设备的时间动态特性,且不需要对设备失效过程和分布函数作过多假设。     

基于贝叶斯概率评估的设备可靠性分析方法研究

可靠性模型的建立对设备可靠性评估分析具有重要意义。复杂系统的设备故障数据体量大,故障分析过程复杂且工作量大,可靠性随机模型难以确定。为提升评估效率,快速确定可靠性模型,采用Bayes概率评估方法对设备的故障时间进行了模型检验,利用蒙特卡罗抽样,以及概率分布表达不确定性的贝叶斯推断框架的优势,构建了随机模型校验方法。依托Open BUGS软件工具,主要通过计算各模型的贝叶斯P值和贝叶斯信息准则（BIC）来检验出最佳的随机模型、求解模型并快速计算该设备的实时可靠度。通过应用实例分析了某系列设备延续性设备的随机模型特性,归类了延续性设备的随机模型和寿命分布参数取值范围,在后续的系列设备可靠性分析中可优先采用该随机模型,提高设备可靠性分析的效率和准确性。     

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。     

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HDP-CHMM的机械设备性能退化评估

针对传统隐马尔可夫模型(hidden Markov model,简称HMM)状态数必须预先设定的不足,提出了一种基于分层狄利克雷过程-连续隐马尔可夫模型(hierarchical Dirichlet process-continuous hidden Markov model,简称HDP-CHMM)的机械设备性能退化评估方法。该方法利用分层狄利克雷模型的分层聚类原理,在狄利克雷过程(Dirichlet process,简称DP)模型的基础上进行扩展,利用多组关联数据实现了模型结构根据观测数据的自适应变化和动态调整,获得设备运行过程中的最优退化状态数,并结合连续隐马尔可夫模型(continuous hidden Markov model,简称CHMM)良好的分析和建模能力,获得设备退化状态转移路径,实现机械设备运行过程中的退化状态识别和性能评估。利用滚动轴承全寿命数据的多组特征值进行了应用研究,并与基于K-S检验算法的机械设备零部件性能退化评估方法进行了比较。结果表明,HDP-CHMM模型可以对轴承实际运行状态转移过程进行建模,有效识别轴承运行中的不同退化状态,为基于状态的设备维修提供了理论指导。     

基于相对特征的滚动轴承实时健康评估方法研究

旋转机械设备的性能退化状态缺乏量化的评价准则,针对这一问题,构建了一种基于相对特征的滚动轴承实时健康评估模型。首先,基于单调性原则筛选出了相对整流平均值与相对有效值,并将其作为健康指数,再采用模糊C均值聚类方法,构建了一种由数据驱动的滚动轴承实时健康状态评估模型,以及健康状态评价准则的知识库;然后,利用最近邻原则与设计的逻辑判断修正算法,来对待测轴承的健康状态进行实时判别;最后,以辛辛那提大学智能维修系统(IMS)中心第二组轴承实验数据为模型训练数据,选择中国某石化公司加氢裂化装置P3409A离心泵轴承"运转到坏"的振动数据作为待测数据,对构建的健康状态评估模型进行了验证。研究结果表明:该模型能够有效地表征旋转机械设备的实时性能退化状态,实现对其在线实时评估,且仅需要待评定设备正常数据,不依赖外部专家先验知识,因而该模型具有良好的泛化性。     

机械设备运行可靠性评估的发展与思考

针对某台具体的机械设备进行运行可靠性评估是个性问题,基于大样本条件并依赖概率统计数据得到的平均可靠性难以满足个体设备的运行可靠性评估需求。归纳传统可靠性理论应用于机械设备运行可靠性评估时面临的问题,回顾相应的改进方法。阐述以动态建模与故障机理分析、信号处理与故障特征提取为理论基础的机械设备运行可靠性的技术内涵,赋予运行可靠性新的含义,定义运行可靠度。提出基于机械设备状态信息的运行可靠性评估方法,通过建立设备运行状态信息与可靠性之间的映射模型,实现运行可靠度的计算。参考国际标准ISO3945,将评价回转机械运行状态的绝对振动量转换为量纲一的可靠度指标;对轴瓦松动维修前后两种状态下的汽轮发电机组、连续运行退化至失效状态下的滚动轴承分别进行运行可靠性评估,取得了良好效果。引出机械设备运行可靠性评估有待解决的问题,为后续研究提供参考。     

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。     

基于状态信息的航空发动机运行可靠性评估

航空发动机是飞机的"心脏",其运行可靠性评估对保障飞行安全具有重要意义。受不同运行状况的影响,航空发动机退化程度和失效时间具有较大的离散性。针对单台航空发动机运行可靠性评估难以运用基于大样本统计的传统可靠性方法的问题,提出基于状态信息的航空发动机运行可靠性评估方法。该方法利用核主成分分析建立状态子空间,描述航空发动机状态性能的变化;计算正常状态与当前状态子空间基矢量的主夹角,利用映射函数将主夹角转化为运行可靠度。采用美国国家航空航天局提供的航空发动机全寿命仿真数据和某维修厂现场实测数据对所提出的方法进行验证,结果表明该方法能够合理地评估单台航空发动机的运行可靠性,为小样本条件下航空发动机运行可靠性评估提供有效手段。     

基于物联网的铁路信号设备智能检测与故障诊断系统设计

针对铁路信号设备中的故障检测和诊断效率低下,以及传统方法在处理复杂故障时存在局限性,设计一种基于物联网技术的铁路信号设备智能检测与故障诊断系统。该系统旨在提高铁路信号设备故障检测的准确性和效率,进而确保铁路运输系统的安全和可靠性。该系统利用物联网技术进行实时数据收集,同时结合机器学习算法对信号设备的运行数据进行深入分析,以实现高效的故障诊断。该系统可以快速准确地识别出故障模式,并提供有效的维护建议。在系统测试中,该方法展现出了高准确率和快速响应能力,显著提高了故障诊断的效率,为铁路运输安全管理提供了一种新的技术支持,对于提高铁路运输的安全性和可靠性具有重要意义。     

考虑多失效模式的复杂系统运行可靠性评估

为准确评估复杂系统的运行可靠性,针对复杂系统的失效规律和特点,提出考虑多失效模式的运行可靠性评估方法。采用贝叶斯线性模型融合状态监测信息,评估退化水平,建立基于Gamma随机过程的退化失效可靠性评估模型;针对突发失效样本量小的特点,采用贝叶斯方法,建立基于Weibull分布的突发失效可靠性评估模型。以退化失效可靠性评估和突发失效可靠性评估为基础,应用贝叶斯模型平均技术建立复杂系统的运行可靠性评估模型,定量分析退化失效和突发失效对复杂系统运行可靠性的影响,并采用马尔科夫链-蒙特卡洛方法求解模型。以某型航空发动机为例,说明了该方法的应用过程,验证了该方法的有效性。     

基于HMM的机械设备运行状态评估与故障预测研究综述

随着对机电设备安全性和可靠性要求的不断提高,准确获取趋势性故障发展历程的退化特征信息并建立有效的故障预测模型是提高设备运行可靠性的关键。隐马尔可夫模型(Hidden Markov Model,HMM)具有描述隐藏状态和观测状态的双随机过程属性,与设备的退化过程在某种程度上是相似的,因此成为故障预测模型的研究热点。综述国内外基于隐马尔可夫模型的退化评估与预测方法,重点论述基于隐马尔可夫模型及其改进方法隐半马尔可夫模型(Hidden semi-Markov Model,HSMM)的机械设备故障预测方法,分析比较各种方法的优缺点,并总结展望基于隐马尔可夫模型故障预测方法的发展趋势。     

基于数据融合的加工中心功能铣头贝叶斯可靠性评估

针对加工中心功能铣头可靠性评估中小样本和高成本的特点,提出融合性能退化试验数据与现场故障数据的贝叶斯可靠性评估方法。该方法通过基于故障机理的性能退化试验设计和数据分析,导出功能铣头的寿命模型、积累先验信息并外推伪寿命数据;应用贝叶斯方法构建融合试验信息和现场故障数据的评估模型,并最终实现对功能铣头可靠性的评估。以某加工中心的功能铣头为示例进行方法描述,并与基于性能退化试验数据分析和基于现场数据统计的评估方法进行对比,结果表明,该方法具有更高的评估精度,具有一定的工程应用价值。     

基于多传感器信息融合和多粒度级联森林模型的液压泵健康状态评估

液压泵健康状态评估对工程设备的运行状态监测有极其重要的意义,现有基于振动信号分析的方法数据来源单一、可靠性低,为此,提出了一种基于多传感器信息融合和多粒度级联森林模型的液压泵健康状态评估方法。通过试验系统采集了不同工作时间下液压泵的压力、温度、流量等信号,分别提取信号的时域特征组成初步特征。使用多个分类器获取初步特征的类别概率向量,将其与随机森林模型选出来的重要特征进行拼接形成最终特征,并使用多粒度级联森林模型进行健康状态评估。试验结果表明,所提方法在仅有5%训练比例的情况下分类精确率仍可达99.5%,可以有效提高液压泵健康状态评估的准确度。