基于PCA多模型融合的滚动轴承性能退化指标构建

单模型构建的滚动轴承性能健康指标仅能从本身的“单角度”来描述滚动轴承的性能退化状态,具有一定的局限性。为解决这个问题,提出一种基于主成分分析(principal component analysis,PCA)多模型融合的滚动轴承健康指标构建方法。该方法分别采用支持向量数据描述(support vector data description,SVDD)模型、自联想核回归(auto-associative kernel regression,AAKA)模型和高斯混合模型(gaussian mixture module,GMM)构建相应单模型的健康指标,再将3个单模型的健康指标经主成分分析(PCA)融合,并选取第一主成分作为能够包含“多角度”性能退化信息的健康指标(SAG-HI)。试验结果表明,相比于各单模型的健康指标,SAG-HI与滚动轴承保持可靠度的灰置信水平达到98.38%,其相关性、单调性和鲁棒性也均表现为最优,且通过包络谱分析验证了其能够准确且及时监测到早期故障发生时刻。

基于图像的风电叶片前缘雨蚀退化指标构建

针对风电叶片前缘加速雨蚀实验中试样质量损失指标实际应用场景单一的问题,提出了一种基于图像的雨蚀退化指标构建方法。采用标准化欧氏距离对图像灰度共生矩阵(Gray Level Co-Occurrence Matrix,GLCM)的多特征参数进行融合,构建退化指标(Degradation Indicator,DI),并利用度量指标进行评估与筛选。以实验采集的140幅图像为例,将试样以不同侵蚀时长和不同半径区域为标签,分别构建了单一特征的DI和多特征融合的DI。结果表明,所构建的DI能直观地表示试样侵蚀的严重程度,对雨蚀阶段的区分准确率达95%;多特征融合能弥补单一特征的检测局限,使DI的适用性提高了5.5%。该DI构建方法验证了以图像为信号进行雨蚀检测的可行性。

基于性能退化指标的轴承剩余寿命预测及其应用

为确保系统可用性和降低维修成本,提出基于性能退化指标的轴承剩余使用寿命(remaining useful life,RUL)预测模型预测轴承的RUL。通过局部均值分解(local mean decomposition,LMD)将轴承原始振动数据分解为若干积性函数(PF)分量,并根据峰度准则选取有效的PF分量重构原始信号;提取重构原始信号的时域退化特征量,利用基于人工神经网络(artificial neural network,ANN)训练的注意力机制模型选择高质量特征;引入K_均值聚类算法与分段拟合获得健康的退化指标(health degradation indicator,HI),利用灰色回归模型(grey regression model,GM)评估轴承退化可信度范围,并建立基于HI的粒子群优化最小二乘支持向量机模型(particle swarm optimization least squares support vector machine,PSO_LSSVM)预测轴承RUL。实验结果表明,该方法在预测可靠性上取得良好的效果。

一种基于CNN的滚动轴承退化指标构建方法

针对传统滚动轴承退化指标构建方法高度依赖于人工筛选特征的问题,提出基于卷积神经网络的端到端的滚动轴承性能退化指标构建方法。该方法在Softmax的输出端设置两个节点,分别代表正常和失效状态,以正常状态归一化的幅值谱为训练样本,以待评估数据在正常节点输出概率为基础,构建了滚动轴承性能退化指标。通过在不同实验数据集中的应用,以及与其他指标的对比,验证了该方法的有效性和优越性。

改进一维深度卷积神经网络的轴承性能退化指标构建方法

为更好构建能够表征轴承退化过程的性能退化指标,提出一种改进一维深度卷积神经网络轴承性能退化指标的构建方法。首先,构建一维深度卷积神经网络,利用其对原始时域信号自适应提取特征优势,以深度挖掘全寿命时域信号的退化特征;其次,设计一种组合损失函数,在均方误差函数上引入退化特征相邻点正负微分累积值,使得网络在训练过程中退化特征相邻点正微分值不断增大,负微分值不断减小,以提高性能退化指标单调性;最后,通过全连接层将高维特征转化为低维特征,实现性能退化指标构建。通过在公开和实测的数据集上进行实验,验证了所提方法的有效性和可行性。

中国南方侵蚀土壤退化指标体系研究

介绍了国内外土壤退化的评估方法和建立侵蚀土壤退化指标的原则 ;根据侵蚀土壤的发展过程和属性变化特点 ,提出了侵蚀土壤退化指标体系 ;系统全面地论述了侵蚀土壤物理退化、化学退化和生物退化的具体内容和定量指标。为土壤退化从定性研究走向定量化研究提供了有益的方法 。

基于EEMD和PCA滚动轴承性能退化指标的提取方法

针对滚动轴承传统上侧重某一时间点的故障类型诊断问题,提出一种注重评估全寿命周期中性能退化趋势的指标提取方法。利用EEMD分解初始信号得到诸多IMF分量,采用相关系数准则提取相关程度高的IMF分量作为有效信息进行重构,实现信号的降噪处理。对降噪信号分别建立时域、频域和时频域共37个性能退化指标,剔除敏感度太弱和信息过于嘈杂等不适合表征滚动轴承退化趋势指标后,利用PCA法进行加权融合剩余的多域性能退化指标,最终得到能全面表征性能退化趋势指标。对Cincinnati大学采集的全寿命周期振动信号进行实验分析,结果表明,基于EEMD和PCA加权融合多域的性能退化指标比单一指标的纯净度更高,敏感度由单一指标的600点提升到490点,为滚动轴承剩余寿命预测奠定了基础。

草地退化指标及恢复措施

草地退化是世界各国普遍面临的重要问题,退化后的草地的恢复与重建成为当前各国重视的焦点和草原学研究的热点之一。综述了退化草地形成的原因及其退化草地的诊断与生物环境指标,讨论了退化草地的特点及其恢复的方法。

滚动轴承退化指标选取方法研究

针对滚动轴承退化过程指标选取问题,提出了一种基于噪声辅助的多维EMD(Noise-Assisted Multivariate EMD)和主成分分析(PCA)相结合来提取退化指标的方法。该方法首先利用NA-MEMD对同源双通道信号和噪声辅助通道信号进行分解得到一系列多元IMF分量,然后采用相关系数准则选取敏感分量重构信号,其次计算出轴承退化过程中重构信号的退化指标序列,再根据序列的单调性和鲁棒性,选择优良指标进行PCA融合,最后把第一主成分作为反映滚动轴承退化过程的最终指标。对PRONOSITS平台提供的全寿命周期的数据进行分析,结果表明,在滚动轴承的退化过程中,较单一指标,基于NA-MEMD和PCA融合的指标能够比较完整的表征滚动轴承的退化过程。

基于改进局部保持投影的转盘轴承退化指标研究

针对转盘轴承复杂的损伤退化机理,引入流形学习算法深入挖掘高维状态检测数据中低维的流形结构,提出了一种以马氏距离为基础的局部保持投影算法,避免了不同物理监测信号度量的差异性并能够很好地处理高维强相关退化特征。与此同时,采用多物理信号的多邻域特征描述转盘轴承退化趋势,并借助基于人工智能的数据驱动算法建立转盘轴承健康评估模型,最终通过全寿命加速疲劳试验验证该方法的有效性。

基于PEDCC性能退化指标及MCRNN的滚动轴承寿命状态识别方法

针对滚动轴承退化性能难以评估、寿命状态难以识别的问题,提出一种基于相空间欧式距离相关性(phase Euclidean distance cross-correlation,PEDCC)指标和多通道卷积长短时记忆网络(multichannel convolutional neural long short term memory network,MCRNN)的状态识别方法。首先将正常轴承样本信号进行相空间重构,计算样本内重构后相邻数据之间的欧式距离,并将样本内的所有欧氏距离构成距离向量;然后利用互相关函数计算其余样本距离向量与正常样本距离向量之间的相关性,并将其作为轴承退化指标;最后利用所建立的PEDCC退化指标对轴承状态进行划分,将其输入到MCRNN网络中进行退化状态识别。其中MCRNN网络在不同通道中分别采取了不同卷积核,不同激活函数,以便于提取轴承振动信号的多尺度特征。通过轴承全寿命数据集对所提退化指标及网络模型的实用性进行验证,试验证明所提出的方法能更精确的实现轴承的退化状态识别。

一种新的滚动轴承性能退化指标S-时间熵的提取方法

S变换兼具了小波变换和快速傅立叶变换各自的优势,具有良好的时频聚集性。归一化信息熵能够定量地度量信号分布的复杂程度。滚动轴承振动信号经S变换后,利用归一化信息熵定量地度量每个时刻下频率分布均匀程度,提出一种S-时间熵特征指标来反映滚动轴承的退化过程。针对滚动轴承内圈、轴承外圈、轴承滚动体的3种故障,分别对其3种不同损伤程度的数学模型进行仿真数据分析,提取各自S-时间熵指标进行对比,验证该方法的可行性。通过对滚动轴承加速疲劳寿命周期内的数据进行分析,与工程中常用的时域指标有效值进行对比,结果表明该方法的有效性。

一种基于RBM的滚动轴承退化指标构建方法

针对现有滚动轴承性能退化指标构建方法高度依赖先验知识,实际应用情境单一,提出了一种基于受限玻尔兹曼机(restricted Boltzmann machine,RBM)的滚动轴承退化指标构建方法。将滚动轴承正常状态下的振动信号处理为归一化幅值谱,以此作为建立RBM模型的训练样本,其中RBM模型结构特点是将其输出层单元数设为1,以训练完成后模型的输出作为退化指标构建的基础。通过不同情境下的滚动轴承全寿命周期试验数据验证了该方法的有效性。与最近相关文献相比,该退化指标在构建过程中避免了人工选择退化特征,能够清晰描述出轴承退化过程,且对早期微弱故障检测具有一定的敏感性。

S-GLCM熵:一种新的滚动轴承性能退化指标提取方法

S变换兼具了小波变换和快速傅里叶变换各自的优势,具有良好的时频聚集性。灰度共生矩阵能够通过研究灰度的空间相关特性来描述图像纹理。归一化信息熵能够定量的度量信号分布的复杂程度。经S变换取其模后得到S时频谱图,通过灰度共生矩阵对滚动轴承全寿命周期内不同状态进行特征提取并对其进行复杂度度量,提出了一种S-GLCM熵特征指标来反映滚动轴承的退化过程。通过对滚动轴承内圈、轴承外圈、轴承滚动体三种故障分别进行3种不同损伤程度数学模型仿真数据分析,提取各自S-GLCM指标进行对比,验证了该方法的可行性。通过对滚动轴承加速疲劳寿命周期内的数据进行分析,与工程中常用的时域指标有效值进行对比,结果表明了该方法的有效性。

考虑指标退化的风电机组定检周期优化调整方法

为了系统化地评价风机退化情况,提升风电机组的运维效率,提出了一种考虑指标退化的风电机组定检周期优化调整方法。首先,提出了一个风电机组有功功率的退化评价指标体系,该评价指标体系用于表示风电机组的退化趋势,并预测风电机组的剩余使用寿命。其次,提出并讨论了一种基于该评价指标体系的剩余使用寿命预测方法。此外,设计了一个采用LSTM的多元预测模型,根据风电机组SCADA系统的历史运行数据,预测其有功功率。最后,通过实例验证了该方法对风电机组剩余使用寿命预测的可行性和有效性,可以初步对严重故障和预定检查时间进行预测。

多退化指标条件下卫星动量轮可靠性建模与评估

卫星动量轮具有小样本、高成本、故障机理复杂等特点。此类产品的性能退化过程受润滑剂余量、电流、温度等众多因素共同影响,各影响因素之间会彼此相互作用,单独提取某一个性能指标的退化过程作为评估动量轮的寿命及可靠性的模型都是不全面的。为了更加准确地评估卫星动量轮的可靠性,建立了基于Copula函数的多退化指标动量轮可靠性评估模型。首先通过历史退化数据建立单个退化指标基于Wiener过程的模型;其次基于Bayes方法和Gibbs抽样,利用Open BUGS软件对Wiener过程模型进行参数估计。在考虑退化指标相关时,用最大似然估计方法对Copula函数的模型参数进行估计;最后通过AIC/BIC准则选取最为合适的Copula函数,完成了动量轮基于Copula函数的多退化指标的可靠性建模与评估,为卫星动量轮的寿命预测与可靠性评估提供了理论基础和技术支撑。

山西高原草地退化及其防治对策

草地退化是我国北方地区突出的资源与环境问题 ,在论述草地退化概念、动因、退化指标及等级的基础上 。

不同退化程度草甸草原土壤理化性质与地上生物量的关系

针对草原生态系统日益恶化的趋势,对呼伦贝尔不同退化程度草甸草原土壤的理化性质与地上生物量的关系进行了初步探讨。结果表明：土壤含水量、土壤磷、土壤速效氮、土壤有机质、地上生物量随着退化程度的增加显著下降,土壤钾、土壤容重（10～20cm）随着退化程度的增加而显著提高。土壤铵态氮和土壤容重（0～10cm）没有规律性变化,且土壤含水量、土壤容重、土壤有机物、铵态氮、速效氮、钾在不同退化程度之间都具有不同显著性差异。

高寒草甸退化草地分级标准研究现状

主要综述了草地退化的评估指标、分级标准及其存在的问题,并对"黑土型"退化草地的分类及分级提出了建议:首先,在退化草地分级标准的制定中,应对各特征参数进行聚类分析和主成分分析法,从中选出主要指标及其量化范围,再以此制定退化草地分级标准;其次,依据地形条件以及工程治理的需要,将"黑土型"退化草地先划分为三种类型,即滩地、缓坡地和陡坡地,然后再通过聚类分析和主成分分析法确定分级标准。

低丘红壤退化类型对杨树生长的影响

为探讨四纪红土红壤退化特性及其对杨树生长的影响,通过田间试验进行了研究:未退化较轻度退化、中度退化的四纪红土红壤的田间持水量高21.62%,48.08%;贮水库容总贮量高27.96%,84.15%.其土壤营养总贮量损失率分别为0,33.6%和79.6%。红壤上3 a杨树生长高度分别为7.65、4.9和2.65 m。不同退化类型,其土壤物理、化学、生物指标差异极显著,对杨树生长影响很大。杨树能在未退化红壤上生长。