针对复杂工业过程数据的动态性、非线性和多阶段性等特征,提出基于时空近邻标准化和KNN规则(Time-Space Nearest Neighborhood Standardization and K Nearest Neighbor Rule,TSNS-KNN)的复杂多阶段过程故障检测方法。首先使用训练样本...针对复杂工业过程数据的动态性、非线性和多阶段性等特征,提出基于时空近邻标准化和KNN规则(Time-Space Nearest Neighborhood Standardization and K Nearest Neighbor Rule,TSNS-KNN)的复杂多阶段过程故障检测方法。首先使用训练样本在时间和空间域上的两层嵌套近邻集的统计信息对样本预处理,然后将标准样本的累积近邻距离作为检测统计量进行故障检测。TSNS-KNN在排除非线性干扰的同时,消除了前后时刻样本间的动态相关性,将多阶段数据转换为单阶段数据,从而实现对复杂多阶段过程的检测。将该方法运用于数值实验和青霉素发酵过程,并与其他方法进行比较,对比结果进一步验证了TSNS-KNN方法的优越性。展开更多
为探究机车车轮退化过程中呈现的两阶段特征问题,提出一种基于两阶段维纳过程的车轮剩余寿命预测方法。利用两阶段维纳过程模型建立车轮轮缘退化模型,通过随机化漂移系数表征车轮退化过程中存在的个体差异;利用期望最大化(expectation m...为探究机车车轮退化过程中呈现的两阶段特征问题,提出一种基于两阶段维纳过程的车轮剩余寿命预测方法。利用两阶段维纳过程模型建立车轮轮缘退化模型,通过随机化漂移系数表征车轮退化过程中存在的个体差异;利用期望最大化(expectation maximum,EM)算法及贝叶斯理论实现了退化模型参数的离线估计与在线更新;通过Schwarz信息准则(Schwarz information criterion,SIC)判断并找到车轮退化过程中存在的变点;最后通过某机车车轮实测轮缘退化数据进行了实例验证。结果表明:与单阶段退化模型相比,考虑存在变点的两阶段退化模型更符合现场实际且在车轮80%寿命分位点处预测精度提升了9.42%。剩余寿命预测结果可以为车轮镟修周期的优化提供一定的理论依据。展开更多
文摘针对复杂工业过程数据的动态性、非线性和多阶段性等特征,提出基于时空近邻标准化和KNN规则(Time-Space Nearest Neighborhood Standardization and K Nearest Neighbor Rule,TSNS-KNN)的复杂多阶段过程故障检测方法。首先使用训练样本在时间和空间域上的两层嵌套近邻集的统计信息对样本预处理,然后将标准样本的累积近邻距离作为检测统计量进行故障检测。TSNS-KNN在排除非线性干扰的同时,消除了前后时刻样本间的动态相关性,将多阶段数据转换为单阶段数据,从而实现对复杂多阶段过程的检测。将该方法运用于数值实验和青霉素发酵过程,并与其他方法进行比较,对比结果进一步验证了TSNS-KNN方法的优越性。
文摘为探究机车车轮退化过程中呈现的两阶段特征问题,提出一种基于两阶段维纳过程的车轮剩余寿命预测方法。利用两阶段维纳过程模型建立车轮轮缘退化模型,通过随机化漂移系数表征车轮退化过程中存在的个体差异;利用期望最大化(expectation maximum,EM)算法及贝叶斯理论实现了退化模型参数的离线估计与在线更新;通过Schwarz信息准则(Schwarz information criterion,SIC)判断并找到车轮退化过程中存在的变点;最后通过某机车车轮实测轮缘退化数据进行了实例验证。结果表明:与单阶段退化模型相比,考虑存在变点的两阶段退化模型更符合现场实际且在车轮80%寿命分位点处预测精度提升了9.42%。剩余寿命预测结果可以为车轮镟修周期的优化提供一定的理论依据。
文摘对液力耦合器(liquid coupling device,LCD)的两阶段退化过程进行可靠性建模及评估。液力耦合器退化过程中呈现出明显的两阶段特性,即LCD在退化过程中存在某一时刻,在该时刻前后,LCD分别服从不同的退化过程。传统做法只基于第二阶段进行可靠性分析,丢失了第一阶段的信息。鉴于此,建立两阶段维纳退化过程模型,并推导出该模型下的可靠度函数;同时,基于Schwarz信息准则(Schwarz information criterion,SIC),获得模型变点的估计。最后,运用所建模型对LCD实例进行可靠性评估,并与传统做法进行对比分析。结果表明该模型对LCD退化过程拟合效果良好,且给出更为可信的评估结果。