CBM系统与设备状态监测

本文从设备维修需求与技术出发,给出了目前装备维修的主要方式及其优缺点,分析了当前基于状态的维修(CBM)研究与应用现状,提出了基于状态的维修分析决策系统框架,给出了CBM适用的条件和分析流程,探讨了预先维修、CBM与以可靠性为中心的维修(RCM)的融合。结合某设备中一齿轮箱的状态检测信息,给出了基于声音的设备状态监测案例。

装备故障诊断、预测与信息管理

随着装备(设备)维修理论和相关技术的发展,基于状态的维修(CBM)和预先维修(PaM)等维修新技术正在迅速发展,这也使得有关装备维修的观念正在发生深刻地变化。本文针对当前装备维修的主要方式,论述了包括CBM与PaM在内的以可靠性为中心的维修(RCM)分析决策过程,分析了装备维修工作确定与实施的基本流程,探讨了装备维修信息综合管理的主要内容,讨论了CBM与PaM技术中有关装备故障诊断与故障预测的若干重要问题。

武器装备基于状态的维修系统设计

为了减少武器装备的故障以及维修时间,提高武器装备的可用度和重要部件的使用寿命,采用基于状态的维修技术与方法已成为当前维修领域研究与应用的热点。从武器装备的维修需求与技术出发,分析了现行装备维修的主要方式及其优缺点,总结了当前基于状态的维修(CBM)研究与应用现状,在此基础上提出了武器装备基于案例的CBM系统框架,给出了CBM适用的条件,并对CBM系统的核心模块进行了分析,给出了CBM系统工作的流程。最后,结合某装备中一齿轮箱的状态检测信息,进行了基于声音的装备故障诊断与案例分析与决策。分析结果表明:基于案例的CBM系统简单实用,能够满足装备维修需求。

基于HMM的设备故障预测方法研究

故障预测是设备实施基于状态维修的1个重要内容,是实现真正意义上精确维修的前提和基础。隐马尔可夫模型(HMM)作为1种统计分析算法,在设备的故障诊断中获得了成功应用。但对于故障的预测,传统隐马尔可夫模型存在很多缺陷,因此研究相关的改进算法,构建了基于隐马尔可夫的故障诊断和预测框架,使设备的故障诊断和预测能够同时进行。最后通过对滚动轴承实测数据的仿真验证,表明该算法具有较高的故障识别率并且对设备的剩余寿命能进行有效的预测。

基于Morlet小波变换的滚动轴承早期故障特征提取研究

针对轴承故障初期振动信号中的特征成分极易被噪声信号淹没而不能及时检测的问题,结合Morlet小波变换降噪的基本原理,提出一种由尺度相关能量分布确定最优尺度参数的方法,从而在该尺度下对信号滤波来提取冲击特征成分。以最小Shannon熵优化Morlet小波的形状参数,实现母小波与信号故障特征的最佳匹配;以最优Morlet小波在不同变换尺度下的小波系数绘制尺度-能量谱,利用信号故障特征能量在特定尺度范围内聚集的特性,从谱图的极值点中选择滤波效果最好的尺度参数。对轴承全寿命数据的实际应用结果表明,与信号的均方根趋势相比,该方法能够提前从信号中提取微弱故障特征并检测到轴承的外圈故障,为轴承早期故障诊断提供了一种有效途径。

基于改进多分类算法和相关向量机的电力变压器故障诊断方法

针对电力变压器故障诊断问题实际特点和支持向量机方法的条件限制,提出一种基于改进多分类算法和相关向量机的智能故障诊断方法。该方法综合标准一对一和一对余多分类算法的结构特点,改进现有一对一算法的最大投票策略,提出一种全新的两层最大投票策略,并在此基础上将k类多分类问题转化为k(k-1)/2个三分类子问题,最终设计出一种一对一对余的改进多分类算法;同时在三分类子问题上,采用综合性能较支持向量机更为优异的相关向量机作为二类分类器,并基于一对一算法完成三分类,进而实现k类多分类。电力变压器故障诊断实例结果和理论分析表明,该智能故障诊断方法具有以下明显优势:可有效提升诊断正确率5%以上,可剔除绝大部分无效投票从而优化投票结果,可显著增强样本诊断可信度水平,可提高识别未知故障类型精度20%以上,并具有诊断多重故障类型性能。

武器装备故障预测建模方法选择研究

针对武器装备故障预测方法选择需要考虑的实际问题,从国际标准化组织对故障预测的定义出发,明确预测建模需要考虑的因素,在此基础上对故障预测定义作进一步扩展,突出故障预测具有的显著特征;结合装备的实际使用环境,设计故障诊断和预测流程,以及对应故障预测方法选择标准;对具体的每一种故障预测方法划分其主要类别和优缺点,总结每种预测模型在工程实际中的使用方式,为具体案例选择合适预测方法提供依据。最后根据目前故障预测应用还存在的差距,指出未来进一步研究的方向。

基于混合高斯输出贝叶斯信念网络模型的设备退化状态识别与剩余使用寿命预测方法研究

提出了基于混合高斯输出贝叶斯信念网络模型的设备退化状态识别与剩余使用寿命预测新方法,将变量消元和期望最大化算法相结合对模型进行推理,应用聚类评价指标对状态数进行优化,通过计算待识别特征向量的概率值来确定设备当前的退化状态,在退化状态识别的基础上,提出了剩余使用寿命预测方法。最后,分别应用50组轴承全寿命仿真数据和3组轴承全寿命实验数据对模型进行验证。结果表明,该模型可有效地识别设备的退化状态并对剩余使用寿命进行预测。

基于MoG-HMM的齿轮箱状态识别与剩余使用寿命预测研究

提出了基于混合高斯隐马尔可夫模型的齿轮箱状态识别与剩余使用寿命预测新方法。建立了基于聚类评价指标的状态数优化方法,通过计算待识别特征向量的概率值来识别齿轮箱当前状态。在状态识别的基础上,提出了剩余使用寿命计算方法。最后,利用齿轮箱全寿命实验数据进行验证,结果表明,该方法可以有效的识别齿轮箱状态并实现了剩余使用寿命预测,平均预测正确率为90.94%,为齿轮箱的健康管理提供了科学依据。

EMD端点效应抑制方法仿真比较与实例分析研究

基于经验模态分解的希尔伯特-黄变换分解会产生端点效应,现已提出了诸多的端点效应抑制方法。首先引入了端点效应问题,介绍了镜像延拓法、平行延拓法、极值延拓法、多项式拟合延拓法原理;提出延拓方法评价指标,采用仿真信号对四种抑制方法进行了对比分析,得出镜像延拓法是相对最优的处理方法;采用基于4种端点延拓方法改进的经验模态分解方法对凯斯西楚大学轴承故障数据依次进行处理;最终通过仿真分析与实例故障诊断均验证了镜像延拓法在解决端点效应问题方面的相对最优性。

基于信息神经网络的状态维修

基于状态的维修(CBM,condition based maintenance)是设备(武器系统)预报初始故障的主动维修的一种形式[1],是装备或设备维修的重要发展方向,也是本世纪初国内外维修领域研究的热点课题。为进一步推进CBM理论的研究与应用,这里提出一种基于信息神经网络的状态维修。在分析CBM所包括内容基础上,介绍了信息神经网络的故障诊断原理,并针对自行火炮发动机进行了CBM的案例研究。通过实验表明,基于信息神经网络的故障方法对于状态维修具有良好的效果。

桥梁两端交叉口信号协调控制的优化设计

为提高桥梁两端交叉口的通行能力,减小桥面上车辆排队长度以及排队车辆的制动和启动对桥梁使用寿命的影响,以建瓯市水西大桥以及两侧的3个交叉口为研究对象,以排队长度、平均行程速度为目标评价指标,应用Synchro仿真软件对现有的信号协调控制方案进行分析与评价,并根据高峰时段的交通量和交通管理措施,采取"分时段、分方向"的信号协调控制优化策略,建立优化的信号协调控制系统。通过对比分析优化前后信号协调控制系统的交通效益指标,可知早高峰时段水西桥东西两端桥面上的排队长度分别缩短63.64%和52.94%,自东向西的平均行程速度提高20.48%,晚高峰时段桥面上的排队长度分别缩短56.52%和9.76%,自西向东的平均行程速度提高95.65%。

基于HMM的设备剩余寿命预测框架及其实现

在设备退化状态识别中剩余寿命预测是设备实施状态维修的一个重要内容,也是实现真正意义上精确维修的前提和基础。隐马尔可夫模型作为一种统计分析算法,具有较强的模式分类能力,能够对设备退化过程进行有效识别。但是传统隐马尔可夫模型状态持续时间分布的不合理性,不能直接用于剩余寿命的预测。考虑状态识别和剩余寿命预测的连续性,应用隐马尔可夫模型的改进算法——隐半马尔可夫模型,构建设备剩余寿命的预测框架,实现了在设备退化状态识别基础上的剩余寿命预测。通过对滚动轴承实测数据的仿真试验,对框架进行了仿真验证。仿真结果表明框架能够有效识别设备退化过程和实现剩余寿命的预测。

基于状态的维修及其建模研究

基于状态的维修(Condition Based Maintenance,CBM)是设备(武器系统)预报初始故障的主动维修的一种形式,是设备维修的重要发展方向之一,也是本世纪初国内外维修领域研究的热点课题。为进一步推进CBM理论在国内的研究与应用,该文首先介绍了CBM的概念,分析了其在技术上的可行性,与定期(时)维修作比较,说明了CBM的优越性。其次,重点构造了单状态信息的CBM的模型,该模型实现了预防性维修的优化决策。最后,给出了该模型仿真软件的结构框图。该文对CBM理论的进一步研究具有十分重要的意义。

基于Morlet小波变换的信号去噪及在轴承状态监测中的应用

为在强噪声背景下利用振动信号中隐含的冲击特征成分来反映轴承性能退化趋势,提出一种基于Morlet小波变换和时域特征参数提取相结合的轴承状态监测方法。通过引入谱峭度评估Morlet小波滤波的去噪效果,再从信号滤波结果构建的组合信息中提取时域特征参数。对轴承全寿命数据的应用结果表明,特征参数的变化趋势能够监测轴承状态的劣化过程,伴随的早期故障检测可以提高轴承使用的安全性。

基于完备相容Rough决策表的备件品种确定方法

针对备件品种确定问题,分析了常用的备件品种确定方法,探讨了影响备件品种确定的主要因素,包括装备单元的关键性、易损性、经济性、可更换性和获得难度。采用了Rough决策表的属性约简与属性值约简相结合的方法,对决策表进行信息挖掘,得到了备件品种确定的简化决策规则。最后,通过案例分析验证了该方法的可行性,结果表明该方法具有可操作性强、易于实施的特点,为装备备件品种确定提供了实用的分析方法。

基于知识库的BDAR分析方法研究

该文在综述ＢＤＡＲＡ方法的基础上，提出了应用知识库与ＢＤＡＲＡ的集成的思路与实施方法、及ＩＢＤＡＲＡ知识库研制开发的关键技术．

改进EMD和HMM的齿轮故障诊断方法应用

首先针对EMD算法中端点效应问题,采用镜像延拓法进行算法改进;而后提出一种相关度选取IMF方法,对分解得到的IMF进行相关分析,选出敏感IMF;进而将有效IMF能量比作为故障特征,采用HMM分类器进行故障识别以实现齿轮的故障诊断,实验结果表明了改进EMD和HMM方法的有效性。

仿真技术在维修资源预测中的应用研究

维修资源是维修保障系统的重要组成部分,维修资源预测的是否合理将直接影响着部队的保障能力和经济效益。该文以某简单电子装备系统为例,首先对维修保障系统进行了深入分析;然后确定了用蒙特卡罗仿真方法预测维修资源的一般过程,即设定参数、明确输入信息、建立仿真模型、制定仿真流程和设计仿真程序等;最后通过理论计算与仿真结果的比较,证明了维修资源仿真预测的可行性。这为复杂装备系统维修资源的科学预测积累了经验,因此具有十分重要的现实意义。

备件品种的确定方法

确定备件品种的方法有很多种,各有特点。逻辑决断法按预定程序对备件品种逐一进行逻辑决断,以确定是否设置该类备件。价值工程法通过功能分析和评价,计算出各种备件的功能价值,选定备件品种。可靠性方法是通过对零部件的维修策略、维修方式等分析研究,确定备件品种。模糊综合评判方法应用模糊数学法综合评判,进行备件品种的决策。