基于多智能体的设备性能退化评估系统建模

为解决设备性能退化评估与预测系统的建模问题,提出了一种基于多智能体的分层次模型。在该模型中,给出了系统的整体构架;根据设备的功能结构,划分了多个层次的性能退化评估与预测智能体,定义了各层次智能体的具体功能。该模型为系统的实施提供了指导模板。

基于性能衰减的船舶机电设备寿命预测与评估探讨

本文通过测试数据,探讨基于性能衰减的船舶机电设备寿命预测与评估。选取不同型号、规格的船舶部分典型机电设备作为研究对象,通过其性能检测和环境监测,分析设备的性能数据变化趋势,发现设备的性能衰减与影响因素的关联关系,提出一种基于性能衰减规律的船舶机电设备寿命预测与评估方法,为船舶机电设备的维护保养计划提供可靠依据。

基于多物理场耦合的输变电设备性能评估与寿命预测

随着电力系统的快速发展,输变电设备的可靠性和经济性成为电力行业关注的焦点。本文提出一种基于多物理场耦合理论的输变电设备性能评估与寿命预测方法。首先,建立考虑电磁场、热场和力学场耦合作用的输变电设备多物理场模型,通过数值模拟,分析设备在不同工作条件下的性能表现。其次,基于模拟结果,构建性能评估指标体系,并提出一套综合评估方法。最后,结合设备的实际运行数据,开发寿命预测模型,对设备的剩余寿命进行预测。研究结果表明,该方法能有效评估输变电设备的性能,并准确预测其寿命,对于提高设备的运行安全性和经济性具有重要意义。

基于性能退化的机械设备寿命预测

为解决小样本机械设备的故障预测难题,提出一种基于性能退化的机械设备寿命预测方法。考虑机械设备退化过程受工况影响,提出局部退化规律的概念,并利用指数回归进行拟合表征,从而获得所有潜在的退化规律。通过表征局部退化规律的指数函数,计算局部寿命样本,进而获得各个时刻的局部寿命观测。鉴于机械设备在寿命周期的极限工况对应的剧烈退化少、中等工况对应的中等退化多,假设局部寿命来自某正态分布,并利用参数经验贝叶斯方法实现先验分布和后验分布的估计,全局寿命预测为最新观测对应的后验分布。通过仿真案例和数控机床的精度退化案例,验证了该方法具有良好的准确性和有效性。

基于支持向量机的几何距离方法在设备性能退化评估中的应用

为了掌握设备的性能退化状态,提出了一种基于支持向量机的评估方法.基于C-SVM算法,研究了设备特征向量与支持向量机最优分类面之间的几何距离与设备性能退化程度的关系.仿真结果表明,随着设备性能退化程度的恶化,数据向量的几何距离逐渐增大,因此,该方法可以有效地对设备性能退化进行评估.

小波包熵在设备性能退化评估中的应用

开展设备性能退化评估研究,是制定主动设备维护策略、降低设备维护费用的基础。在设备性能退化过程中,信号成份会逐渐复杂化。本文提出利用小波包熵监测信号的复杂性变化,从而为设备性能退化评估提供可靠的特征向量。为了研究性能退化过程中振动信号的小波包熵的变化规律,使用裂纹转子动力学模型模拟了转子裂纹逐渐增加的过程,并使用仿真数据计算了各个状态下的小波包能量熵和小波包奇异值熵值。分析结果表明,随着转子性能退化程度的加深,小波包熵值逐渐增加,且对于性能恶化的突变较为敏感。

BP与AR模型在轴承性能退化评估和预测中的应用

为解决滚动轴承性能难以评估与预测的问题,提出BP神经网络与AR模型相结合的方法,以评估滚动轴承失效退化程度,并预测从正常运行到最终失效的性能退化趋势。基于正常运行到最终失效的全寿命数据,利用BP评估模型估计轴承的失效退化程度,网络输出的评估结果为隶属于正常概率的目标向量。分别选择BP预测模型与AR模型作为预测系统,利用得到的评估结果进行训练,训练结束后,采用BP预测模型与AR模型分别对滚动轴承进行性能退化的单步和多步预测。基于两组全寿命数据的对比分析,验证了该方法的有效性。结果表明,使用BP神经网络可实现对轴承性能退化程度的良好评估,相比BP自身预测模型,AR模型在性能预测上能得到更优的结果。

CHMM和AR模型在轴承性能退化评估与预测中的应用

经典的故障诊断技术可对系统运行状态进行实时评估,但在实际应用中更希望预知故障的发生以便对人身、经济安全做出保障。轴承作为机械设备的关键部件,其损坏会造成严重的工程事故,因此需对轴承进行故障诊断。文中引入连续隐马尔可夫模型以对数似然数作为评估指标来评估性能退化,即利用基于模型输出的对数似然率结合自回归模型对轴承进行性能退化预测。为了更好地验证方法有效性,文中使用了两组全寿命数据互为对比。结果显示,使用基于连续隐马尔可夫模型的轴承性能退化评估法对轴承性能的退化进行评估效果良好,自回归模型在寿命预测上得到了较为精准的结果。

支持向量机用于性能退化的可靠性评估

为解决性能退化轨迹建模中的小样本训练问题,研究了基于统计学习理论的支持向量机回归原理,提出了基于支持向量机回归模型的产品性能退化轨迹建模、寿命预测及可靠性评估方法。给出两种性能退化轨迹的支持向量机回归模型———单一模型和加权模型。实例分析表明,所提方法有较好的预测精度。加权支持向量机回归模型可在早期实现较高精度的寿命预测,提高性能退化的可靠性评估精度,从而可缩短试验时间,节约经费开支。

基于AR模型的Kolmogorov-Smirnov检验性能退化及预测研究

设备性能退化评估是对现有故障诊断技术的全新拓展,能更有效地实现智能主动维护提供参考,更有利于实现设备的零停机率。开展对设备的性能退化评估研究,还可以实现对设备的性能预测维护功能,大大提高设备运行的可靠性。提出了基于AR预测白噪化的Kolmogorov-Smirnov检验方法,同时实现了滚动轴承的全寿命实验。通过对轴承全寿命实验数据的分析研究,论证了该方法在设备性能退化评估及预测中的研究价值,相对于有效值等传统方法,不仅能够显著地表现前期的微弱退化状态,而且还能有条件地更早指示设备的异常状态,对于故障预测的研究具有较大的意义。

连续隐半马尔科夫模型在轴承性能退化评估中的应用

连续隐半Markov模型(Continuous hidden semi-Markov model,CHSMM)是隐Markov模型(Hidden Markov model,HMM)的一种扩展形式,可用于时间序列过程的动态建模。通过加入状态分布参数并对多组观测值进行连续化,可加强模型对新观测值的处理能力以及对状态驻留时间的建模能力。利用该方法建立了轴承性能退化的评估模型。首先,分析振动信号并提取频带能量作为退化特征;然后将正常状态下的特征样本作为模型的观测值对CHSMM进行训练;最后将待测的特征样本输入模型,得到待测样本相对于所建立正常模型的输出概率,作为轴承性能退化状态的标志。轴承疲劳寿命试验结果表明:所提的评估模型能较好地刻画轴承性能退化的过程,并能在早期对轴承的性能退化做出预警。

利用T型性能退化试验的金属化膜电容器可靠性评估

金属化膜电容器具有长寿命、高可靠性等特点,因此传统的基于大样本寿命试验数据的统计推断方法在其寿命与可靠性评估中存在困难。为了更加有效地评估金属化膜电容器的寿命与可靠性,提出了一种T型性能退化试验设计方法,该方法将性能退化试验分为若干阶段,每个阶段中参与的电容器个数依次递减,直至极少量电容器完成较长时间的性能退化试验。然后,给出了基于T型性能退化试验数据的可靠性评估方法。最后,结合激光装置能源系统的可靠性评估工作给出了一个应用实例,得到了该型电容器的寿命以及进行10000次和20000次充放电试验后电容器可靠度的点估计与区间估计。结果表明所提出的试验方法在试验样品数、试验时间和试验费用之间较好地取得了一个平衡点,更加有效地评估了金属化膜电容器的寿命与可靠性。

基于性能退化的机械设备寿命预测

现阶段,机械设备在产品生产过程中各个生产环节之间的联系越来越紧密,一些关键设备结构的功能也越来越复杂,机械设备工作环节不断的变化,机械设备的使用寿命也会逐渐想象,严重的话还会增加一些潜在故障风险。要想从根本上解决这一问题,就应该对机械设备的运行现状进行监测,找出其中的不足,并为其制定有效的解决对策,只有这样才能保证机械设备可以正常的运行下去。基于此,本文对性能退化的机械设备寿命预测进行了简单的分析。

RBF网络用于性能退化的可靠性评估

针对无法用数学式准确描述退化量与环境因子间复杂非线性关系的问题,提出了一种基于RBF网络的退化轨迹建模方法。利用RBF网络能够逼近任意非线性函数的特性,进行退化轨迹的建模,并结合失效阈值预测产品寿命。将所有估计寿命作为完全失效数据进行可靠性评估,有效地解决了失效数据少的问题。通过对疲劳裂纹增长数据的RBF网络建模分析,证明RBF网络具有很好的函数逼近能力,寿命预测结果非常理想。经验证,在更少的退化数据下,RBF网络仍能够较好地模拟退化轨迹,寿命预测精度较高。

船舶动力设备退化基线计算及预测方法

船舶动力设备在自身性能退化过程中的相当长一段时间内仍能完成规定功能,对具有重要特征参数或性能指标的船舶动力设备而言,若使用定基线进行健康状态评估会导致评估值连续较低甚至误报警问题。为了解决这一问题,以目标设备按性能退化时间序列采集的特征参数为研究对象,首先建立退化基线计算方法,利用滑动概率神经网络和性能可靠度与基线值间的转换函数获得目标设备的动态退化基线;然后建立ARMA预测模型获得预测参数,并与退化基线计算方法结合对退化基线发生动态变化的时间节点进行预测;最后利用海水泵对建立的方法可行性进行验证。结果表明,本文建立的退化基线计算方法能够获得动态基线,退化基线预测方法能够对动态基线的变化时间节点进行准确预测。

网络性能容量的评估和预测方法

网络性能容量评估和预测的主要目标是：通过测试评估应用新版本对网络设备性能、线路带宽的增长需求，提前进行网络设备扩容，或对网络带宽进行按需调整，同时评估网络环境对应用性能的影响。网络性能容量评估和预测的主要方法是对比新应用版本与上一个应用版本在相同场景下的性能容量情况，对投产应用投产后的网络系统性能容量做出预测。

基于智能监测技术的机电设备运行状态诊断与预测研究

针对目前电力设备施工过程中存在的问题,提出了一种基于智能监控的电力设备在运营状态下的故障诊断与预报方法。首先,本文对国内外的研究现状进行了综述,并对其概念、特性及工作机理进行了阐述。在此基础上,对机电设备施工进度监控的原理、指标、支持向量机算法及算法进行了深入的探讨。基于该模型,本项目基于诊断性故障的最优算法,研究并形成各种优劣势。在此基础上,通过对电力设备安装项目运作状况的详细剖析,采用了数字化驱动器与数据建模技术相结合的方法进行了实例研究。通过实例研究,证明了采用智能化测试技术的机器装备是合理、精确的。另外,人们还评价了明示的正式特点和最后的成果。论文的结尾对论文的贡献与创新性进行了总结,并对今后的研究工作进行了展望。项目研究成果将为我国机电安装项目在役状态下健康状态的监测与预警研究,提升装备工作可靠性与品质具有重要意义。

基于威布尔分布及最小二乘支持向量机的滚动轴承退化趋势预测

为有效描述滚动轴承的退化趋势,提出结合威布尔分布及最小二乘支持向量机的滚动轴承退化趋势预测新方法。用威布尔分布形状参数作为滚动轴承的性能退化指标,将该指标作为最小二乘支持向量机的输入构造退化趋势预测模型。鉴于最小二乘支持向量机模型参数对模型的推广预测能力影响较大,选粒子群算法(PSO)优化最小二乘支持向量机模型参数,并用实测滚动轴承全寿命实验数据进行检验。结果表明该方法能获得准确的预测结果。

基于随机维纳过程的结构损伤寿命预测与可靠性评估方法

提出了一种基于随机维纳过程的结构损伤寿命预测与可靠性评估方法。首先,利用随机维纳过程对产品进行性能退化建模与寿命预测模型建立;其次,利用性能退化试验数据,通过参数无偏估计方法结合最小二乘原理计算得出模型参数的估计;然后利用建立的模型对产品进行寿命预测与可靠性评估;最终以某齿轮为实例,验证了所提出的方法的适用性和有效性。

基于冲击的舰炮设备可靠性建模与评估

在一定假设条件下,建立基于冲击的舰炮设备可靠性模型,分析其可靠度函数与故障率的变化特点,提出综合使用性能退化信息与故障信息对设备可靠性模型中的相关参数进行估计的可靠性评估方法。最后,结合实例说明了该模型刻画舰炮设备可靠性规律的适应性与评估方法的有效性。