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。

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。

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。

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。

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。

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。

军用装备液压系统性能衰退预测技术研究综述

液压系统在军用装备中应用广泛,也对军用装备的可靠性起着重要影响。随着人工智能技术的发展,液压系统性能衰退预测技术得到了有效的促进。阐述液压系统性能衰退预测技术,介绍该技术常用的方法,并介绍其优缺点和代表的研究和应用。针对液压系统性能衰退预测技术在军用装备中的应用,列举了代表性的研究成果。对该研究方向面临的问题和不足进行了叙述,最后展望了该技术未来的发展方向。

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。

一种雷达综合健康评估方法

健康评估是雷达用户快速掌握装备状态、制定作战任务的重要依据,评估结论的完整性和准确度对雷达装备的效能发挥具有重要意义。传统的雷达健康评估往往只对具体分系统或功能进行评估,缺少对雷达整机情况的描述。基于雷达设备状态和性能退化的综合健康评估方法,提出了4种适用不同情况的健康值计算模型,降低了在工程中的应用门槛。同时为了提高准确度,以Logistic函数的形式引入了时间因子,解决了性能参数的非实时性问题。以某测控领域雷达数据为样本,对雷达整机的综合健康评估方法进行了工程化应用,平均正确率达97.75%,既解决了健康评估的完整性问题,又保证了较高的准确度。

长贮装备性能退化评估刍议

针对长贮装备服役退化后的可靠性和继续服役能力再认定问题(简称性能退化评估),总结归纳长贮装备的"状态退化性"、"环境突变性"、"使用一次性"、"后果要害性"等基本特点,分析长贮装备的退化行为与功能行为,提出描述其行为特性的退化行为方程和功能行为方程,基于确信可靠性理论和裕量可靠原则,给出功能行为能力和继续服役能力的基本测度,形成性能退化评估的理论基础,在此基础上建立进行性能退化评估的总体框架,包括健康状态与功能状态信息获取、裕量与不确定性量化、继续服役能力与功能行为能力的确信可靠性评估等。讨论性能退化评估涉及的退化行为机理、多场环境模拟、多不确定性量化等科学技术问题,分析性能退化评估理论与技术体系及其研究进展、发展趋势。