船舶冷却剂泵健康状态管理系统设计

随着船舶工业的发展,船舶设备的健康管理越来越受到重视;冷却剂泵作为船舶冷却系统的重要组成部分,其健康状况直接影响到船舶的正常运行和安全;对船舶冷却剂泵健康状态管理系统的设计进行了研究;采用了数据采集及状态参数特征提取、设备状态识别、设备健康管理、数据管理、配置管理5个关键技术模块;经测试准确、稳定地实现了船舶冷却剂泵设备状态识别;通过对该系统的设计与实现,可以有效地监控和管理船舶冷却剂泵的健康状态,提高船舶的运行效率和安全性;同时,该系统也为其他船舶设备的健康管理提供了一种可行的解决方案。

基于便携设备的螺钉状态视觉检测方法研究

生产现场中,尤其是小批量大规模设备的装配和调试过程中,螺钉需求量大,螺钉连接状态对装配质量有着重大影响,目前对于该过程的检验仍需要工人目视检验并手动记录,这一过程主观性强,自动化水平低,效率低下;针对装配过程中的螺钉状态进行检测,基于视觉检测的方式,识别螺钉的拧紧程度,提高检测准确率和效率;首先,通过对线性特征的有效匹配来对螺钉进行定位,之后,使用全局阈值和自适应阈值结合的方法对螺钉区域进行有效分割,提取螺钉区域的特征,最后对提取的拧紧螺钉和未拧紧螺钉的特征进行分类识别,识别出设备上的未拧紧螺钉,检测准确率达到93%以上,检测精度可达到2mm以内;采用便携式检测设备,方便部署,可广泛适用于小批量大规模设备的多个应用场景的装配质量检测中。

基于QAR数据的民用飞机故障预测及验证

飞机飞行过程中产生成百上千种飞行参数和数量庞大的飞行数据,但目前这些数据并没有得到充分有效的利用,飞机的维修还处在以定期维修和事后维修为主的阶段;随着航空技术的不断发展,利用飞行数据进行故障预测,转变民机维修模式向视情维修发展变得越来越有必要;首先对基于QAR数据的民用飞机故障预测技术路线进行了说明;其次介绍了适用于民机QAR数据的两种故障预测方法,包括基于曲线拟合的性能预测方法和基于时间序列的趋势预测方法;再次,详细描述了基于QAR数据的故障预测系统的实现途径;通过预测关键参数变化趋势,达到提前发现故障,以制定合理的维护计划,确保飞行安全的目的;最后采用提出的方法对波音飞机的空调、滑油系统关键参数数据进行预测,预测结果验证了方法的有效性。

基于卷积神经网络的发动机气路故障诊断方法

深度学习是一种新的基于特征表示的机器学习方法;深度学习模型包含多个隐藏层,可以通过对输入数据进行自动学习来获取隐藏的功能层中的特征信息;与传统的诊断方法相比,深度学习具备从原始信息中提取更丰富的特征的能力,因此已经成为基于机器学习的故障诊断研究的新方向,为发动机气路等复杂系统故障诊断带来了新思路;结合发动机气路试验数据的特点与深度学习的优势,提出基于卷积神经网络的故障诊断方法,包括预处理、模型训练及优化等过程,并实现了复杂系统故障诊断预测算法平台;经某发动机气路试验仿真数据实例验证,提出的方法具有较好的可行性和效果,能够充分利用深度学习的优点,更准确地识别发动机气路的健康状况。

基于卷积神经网络的发动机故障预测方法

近年来,卷积神经网络(CNN)等深度学习方法的发展为发动机故障诊断和预测带来了新的思路;CNN具有局部连接、权值共享、池化操作以及多层结构等特点,能够有效提取局部特征,降低网络的训练难度,使CNN具有很强的学习能力和特征表达能力;开展了深度卷积神经网络故障预测方法研究,实现了面向发动机气路故障预测算法架构;利用基于发动机试验仿真数据对该方法进行了验证,并与其他几种常见的基于数据驱动的预测方法进行了比较,验证结果表明文章提出的基于卷积神经网络的预测方法具有较好的可行性和效果,可作为开展发动机PHM技术研究的参考。