多算法融合的机械设备故障预测方法

在实际预测机械设备故障时,传统故障预测方法由于方法相对简单、且较少保存数据,导致最终故障预测准确率过低,针对这一问题,研究一种基于深度学习多算法融合的机械设备故障预测方法。以机械设备中的传动系统为检测对象,采用西门子PLC 1200实时、持续采集相应的运行数据,保存于服务器,通过算法提取数据特征值,产生数据特征流,基于大数据的专家分析,标记正常、异常状态的数据流,采用深度学习等多算法融合的方式,完成对故障预测模型的构建。根据实际项目硬件平台,获取机械设备故障数据,采用文中设计的预测方法,根据调试阶段以及上线阶段涉及的2个实际案例,结果表明:文中设计的故障预测方法可以准确预测故障的发生。

4自由度并联机构刚体动力学模型

以一种具有空间SCARA运动(三维平动和一维转动)的四自由度并联机构为研究对象,系统研究其简化刚体动力学模型的创建方法,提高了力矩求解精度。在运动学分析的基础上,利用虚功原理,建立机构的完备刚体动力学模型,并利用ADAMS校验该模型的正确性。考虑机构各活动构件的结构和运动状态,建立机构的单变量简化刚体动力学模型,奠定了变量优化的模型基础。以机构沿标准轨迹运动时,将完备模型和简化模型计算所得的单轴驱动力矩差值的最大值的绝对值的平均值作为优化目标,分析各尺度参数对优化目标的影响规律,为简化模型的最优变量确定提供指导。以一组给定参数为例,利用单目标优化方法,求解出变量最优值,通过与现有简化方法对比,验证了所述方法的有效性。

全生命周期失效模式分析在设备维护中的应用

失效模式及影响分析为大型复杂设备的失效风险评估与维护策略制定提供了有效方法。将设备失效曲线应用于设备各功能单元失效可能性参数的评估中,进而建立RPN值与设备服役年限的函数关系,实现在设备服役期间失效风险的动态评估。将设备全生命周期FMEA方法应用于冲压生产线的风险评估,提高了FMEA方法分析的准确性与合理性。