基于改进粒子滤波算法的医用超声设备寿命预测研究

目的设计基于改进粒子滤波算法的医用超声设备寿命预测方法,解决传统医用超声设备寿命预测过程中不能对设备退化过程进行精准分析,从而导致预测模型参数不能实时更新、预测精准度下降的难题。方法首先将医用超声设备的整个生命周期划分为正常退化状态和非完美维护退化状态,分析设备退化过程,并依据医用超声设备的退化过程建立寿命预测模型;然后利用极大似然理论计算模型中的退化参数,并根据实际退化数据随机更新模型参数,获取更符合设备实际退化过程的寿命预测模型;最后利用改进粒子滤波算法求解该模型,获取医用超声设备寿命预测结果。结果利用本文提出方法建立的模型决定系数在0.80以上且更接近于1,具有较高的医用超声设备寿命预测准确度,均值为88.5%。结论改进粒子滤波算法在医用超声设备寿命预测中具有较高的准确性和可靠性,可以有效识别设备故障发生的早期迹象,提前采取维修或更换措施,避免可能出现的设备损坏和停机。

农药降解的灰色预测模型的改进

针对常规灰色预测模型之ＧＭ（１，１）模型存在的不足，提出改进，并以实例表征改进ＧＭ（１，１）模型较常规模型更能提高精度、符合农药降解研究之要求。

基于改进相似模型的采煤机轴承剩余寿命预测方法

采煤机轴承退化过程并非简单的线性或指数关系,应分为不同阶段进行分析。而目前的采煤机轴承剩余使用寿命(RUL)预测方法未充分考虑该因素。针对该问题,提出了一种基于改进相似模型的采煤机轴承剩余寿命预测方法。采用通用的相似模型描述设备退化过程,在此基础上通过对均方根聚类分析,将轴承退化过程划分为平稳运行阶段、初始退化阶段和加速退化阶段,借助传统相似模型思路分段计算采煤机轴承的健康状态并拟合得到退化曲线样本库,通过对离线样本库数据和在线采煤机实时数据进行数据预处理和相似性分析,最终得到采煤机轴承RUL。实验结果表明:基于改进相似模型的采煤机轴承RUL预测方法的误差绝对值均值较卷积门控循环单元(ConvGRU)、空间卷积长短时记忆神经网络(ConvLSTM)、卷积神经网络(CNN)、自组织映射神经网络(SOM)、循环神经网络(RNN)、传统相似模型分别降低了30.49%,7.54%,16.98%,24.74%,17.96%,9.49%,可以较好地预测轴承RUL。现场试验结果表明:对采煤机轴承连续监测87 d,轴承健康状态从0.997逐渐下降到0.972,与现场采煤机轴承实际使用情况基本吻合,验证了该方法的有效性。

考虑强度退化的非线性累积损伤模型分析

工程结构在服役过程中,累积损伤和强度退化同时发生,并相互影响。传统的累积损伤模型大多忽略了强度退化对损伤累积的影响。为建立考虑强度退化的Corten-Dolan累积损伤模型,通过分析强度退化模型推导出强度退化系数,将Corten-Dolan模型中的指数参数d定义为与强度退化系数有关的指数函数。通过试验数据和与文献结果对比验证了改进Corten-Dolan模型的有效性。研究表明:改进的Corten-Dolan模型可以很好地预测疲劳寿命,预测精度比传统Corten-Dolan模型更高。

农药残留预测模型的可靠性分析

基于最小二乘估计理论,提出了农药残留预测模型的可靠性分析问题。依据矩阵的条件数理论,提供了检验预测模型可靠性的方法,运用数据变换的手段,建立了对不可靠预测模型改良的方法。最后以氰戊菊脂在甘蓝上的残留动态预测为例,对农药残留预测模型的可靠性问题进行了实际分析。结果表明:①对农药残留预测模型的可靠性进行分析和检验可避免不可靠预测模型给农药残留预测带来的危害;②对农药残留预测模型建立的可靠性检验方法和改良方法解决了农药残留预测模型的可靠性分析问题。