典型制导弹药故障预示预警系统的设计

设计了层次化、智能化、模块化的典型制导弹药故障预示预警系统。该系统包括数据采集层、数据传输层、故障预测层3部分,其中数据采集层用于将监测和检测的数据进行实时传输记录;数据传输层通过智能移动终端设备进行数据预处理;故障预测层依靠异常诊断推理机、故障诊断推理机、故障预测推理机以及模型知识库并利用已有失效模型和先进故障预测算法进行制导弹药系统的故障定位和预测,为实现典型制导弹药故障预测与健康管理提供了实现途径。

基于LabVIEW的风电机组状态监测与故障预示系统设计

为了提高风电机组的可靠性、高效率及风电机组的寿命,基于LabVIEW平台设计了风电机组的状态监测与故障预示系统。系统对风电机组运行实时采集的振动信号进行时域和频域分析,获取能描述风电机组的运行状态和故障严重程度的特征信息,给出将来可能发生的故障预示以及相应的维护建议,从而改善风电机组的运行效率和使用寿命。该系统对于降低风电机组的故障率以及减少因故障带来的经济损失具有重要的意义。

共晶贴片机传送系统故障预示研究

针对共晶贴片机工作中因传送系统故障所造成的管座引脚折弯或者漏贴现象,提出了基于主成分分析(PCA)与KL散度(KLD)相结合的潜在故障预测法。由于贴片机振动信号小波时频图成分复杂,故利用PCA对其降维,并引入轮廓似然率保证识别灵敏度。通过KLD对各主成分轴上潜分数分布差异进行衡量,找出共晶贴片机传动导轨出现阻滞的故障早期征兆。该方法对制定设备维护保养周期及提高芯片封装良品率具有极其重要的意义。

早期裂纹故障预示中的高精度小波有限元算法

提出了任意尺度Daubechies小波一维、二维单元构造方法以及小波有限元自适应提升算法,采用小波尺度函数作为插值函数,利用小波多分辨分析了具有变尺度逐层逼近函数的特性,获得了嵌套递进的多尺度有限元逼近空间.

基于SVM的旋转机械转子故障预示研究

支持向量机包括支持向量回归机和支持向量分类机。本文提出了一种用于旋转机械转子故障预示的方法,通过支持向量分类机(SVC)对旋转机械转子故障进行分类并建立故障分类器,利用支持向量回归机(SVR)对转子运行状态趋势进行预示,并将预示结果输入到SVC以判断预示结果的属性。对支持向量回归机进行了仿真研究。将支持向量机与神经网络算法从理论和实验研究两个方面进行了对比研究,结果表明,该方法具有较好的故障预示能力。

混合智能故障诊断与预示技术的应用进展

为了对大型复杂关键设备进行有效的状态监测和故障诊断,综合运用多种人工智能技术和现代信号处理方法的混合智能故障诊断与预示技术得到国内外学者的高度重视和广泛研究。在研究大量相关文献的基础上,概括了混合智能故障诊断与预示技术的广义内涵;综述了国内外研究现状;分析指出了当前研究中存在的关键问题;针对目前的研究现状和存在问题,最后讨论了混合智能故障诊断与预示技术的发展趋势。

基于小波有限元的裂纹故障诊断

从线弹性断裂力学的角度考虑裂纹引起的局部附加柔度,进而构造了小波有限元裂纹刚度矩阵,提出了基于小波有限元的裂纹故障诊断算法,克服了裂纹奇异性给传统有限元算法造成的困难.将系统前3阶的固有频率作为输入,绘制裂纹等效刚度与裂纹位置的3条曲线,根据曲线的交点可以预测出裂纹的位置与尺寸.用于研究该算法精度的裂纹轴数值算例表明:裂纹位置与尺寸的辨识误差均不超过2%,这为工程实践中早期微弱裂纹的故障预示与诊断提供了新的方法.

大型压缩机组设备群的故障预测与健康管理

介绍了压缩机组设备群—复杂系统的故障预示和健康状态管理技术和系统的研究。融合早期故障预示、综合故障诊断和远程专家诊断技术,研究设备群的健康状态管理技术,并研发了压缩机组设备群故障诊断和健康状态管理系统,实现主辅机故障诊断和健康状态管理一体化、监测控制信息利用共享化、生产企业和设备制造企业知识资源利用最大化,为石化生产企业和设备制造企业提供一套全生命周期的压缩机组设备群故障诊断和健康管理的系统解决方案。

机电设备故障诊断和趋势预测的支持向量机方法

分析了支持向量机(Support Vector Machine-SVM)的分类和回归算法。对近年来SVM在设备故障诊断和趋势预测方面的应用进行了回顾,给出了SVM用于设备状态趋势预测的模型和算法。采用AR(Auto Regressive)模型和SVM模型进行实验台的振动烈度的预测,表明SVM模型具有长区间预测精度高的特点。讨论了SVM在设备故障诊断和趋势预测研究的发展前景。

风电机组传动系统振动监测研究进展

振动监测是当前风电机组传动系统状态监测的主要手段。首先,分析了风电机组传动系统振动监测策略和各部件振动特征提取流程,重点介绍了边频带能量因子、阶次谱边频带能量比等振动特征趋势指标;然后,分析指出解决现役风电机组因传动系统故障导致巨大经济损失的关键是进行风电机组传动系统早期故障预示,重点介绍了泛化流形学习的风电机组传动系统早期故障预示方法;最后,从系统架构、数据采集配置及监测分析方法等方面分析了现有的风电机组传动系统振动监测系统的功能与特点,指出了基于多源信息融合的大数据预测分析与智能维护将是风电机组健康管理的重要发展趋势。

航天器AIT模型与试验有效性评估方法

在航天器的研制过程中,根据试验验证要求,需要研制各阶段AIT模型并进行大量各类试验。ESA从1999年开始研究航天器AIT模型和试验有效性评估方法,并开发了MATED应用软件,从2006年开始投入其航天器研制的应用,成效非常明显,降低了航天器AIT成本、加快了研制进度,而且确保航天器的在轨可靠性。文章对ESA的航天器AIT模型和试验有效性评估方法及其应用作跟踪研究,并就我国航天器AIT工作提出开展模型和试验有效性研究的建议。