样本不均衡条件下设备健康度评估方法

为了保障设备稳定可靠运行,减少设备故障,针对大多数设备采集样本不均衡的现状,提出了利用动态权重的支持向量数据描述(SVDD)方法对设备健康度进行评估。该方法首先利用设备正常健康数据进行SVDD单类学习;然后利用少量各种健康状态的数据样本计算SVDD模型超球面距离,结合其评估的健康度,使用二项式回归算法得到健康度拟合曲线,实现了健康度准确评估模型。在计算过程中,所有样本进行了指数变权的动态权重处理以提高准确性。最后以某型雷达发射机为例进行了测试验证。结果表明,该方法可实现设备健康状态准确评估,具有不错的实用价值。     

基于层次分析法的卷烟烘丝机健康度评估

烘丝工序是卷烟制丝生产的关键环节，其设备状态决定着生产是否能正常进行，如果设备带病运行，将会降低烟丝质量。对烘丝机的健康状态进行评估和故障定位对及时掌握设备状态，降低因延时维修造成的经济损失十分关键。提出了一种基于层次分析法的烘丝机设备健康度评估方法。该方法基于传感器采集的设备实时运行数据和统计的历史数据，构建烘丝机设备健康度指标体系，以百分数的形式表示当前设备健康状态。在烘丝机发生故障时，系统可以进行故障定位和故障等级划分，从而提高设备的维修效率。     

风洞群真空泵组集中监测与智能故障诊断系统的设计

真空是风洞群开展试验必备的动力资源;作为风洞群动力保障之一,真空泵组具有数量多、分布分散、结构复杂、集成度高、运行噪声大等特点;为满足真空泵组设备健康管理和维修决策支持的需要,设计并研制了风洞群真空泵组集中监测与智能故障诊断系统;该系统采用PLC隔离通信、数据可视化、设备状态监测及智能预警、基于故障机理和规则推理的专家系统等技术,实现了真空泵组的集中监测和故障智能诊断,解决了风洞动力设备故障预判和提前预警困难、故障定位不易准确、缺乏专家知识库等问题;经实用验证,该系统实现了风洞群真空泵组故障智能预警和故障诊断分析,提高了综合诊断监测效率,值得推广。     

基于数据驱动的风洞风机故障诊断研究

风洞风机是风洞动力系统的核心部件,是提供风洞试验条件必须的动力源。目前在国内外低速风洞设备中,主要使用大功率电机驱动风扇,其故障集中发生在电机和风扇机构上,一旦发生故障会造成大量的停机时间,严重影响试验工作。基于风机运行采集的大量数据,将故障预测与健康管理(PHM)技术应用于风洞风机故障诊断研究,重点探讨风机故障诊断系统构建的关键步骤,以期达到提前诊断风机故障的目的。数据分析使用主成分分析(PCA)法提取风机多维故障特征,选用随机森林(RF)算法诊断风机故障状态,并探讨了两种适合算法的硬件搭建方法。通过试验验证,RF算法具有很好的故障分类能力,平均分类准确率达94%、召回率95%、查准率94%,可精确区分风洞风机故障状态。     

大型暂冲式风洞自主式维修保障系统研究

2.4米×2.4米暂冲式风洞长期面临着繁重的试验任务,部分设备经常处于超负荷运行状态,故障频次、维修负担也逐年加重。为了解决风洞试修矛盾,提升风洞试验能力,本文基于故障预测与健康管理技术,针对2.4米×2.4米暂冲式风洞的运行和保障需求,结合风洞装备管理业务流程,从数据采集、数据存储、数据分析、数据应用这四个工作流程出发设计了系统软硬件架构,最终搭建了大型暂冲式风洞自主式维修保障系统。实现对故障的实时监测、诊断、预测。经过系统运行实践证明,风洞设备的故障率显著降低,试验能力和效率提升明显,初步建立了风洞的视情维修保障体系。     

基于多信号流图的亚跨超声速风洞故障诊断方法

为了在风洞系统发生故障时实现快速准确的诊断与定位,提出了基于多信号流图模型的风洞测试性建模方法;针对风洞结构复杂、解析建模困难等特点,首先通过分析系统组成与设备的功能结构对风洞进行了层次性划分,并根据实际运行中出现的故障情况得到了风洞关键设备的FMEA结果;而后以FD-12亚跨超声速风洞为研究对象建立了系统的多信号流图模型,利用故障模式与测点对应关系建立了相关性矩阵;最后采用TEAMS-RT算法对系统的测试性水平进行了分析和评估,验证结果表明该方法对于风洞系统的测试性建模与故障诊断是有效的,为风洞系统健康管理相关研究提供了参考。     

基于无标签、不均衡、初值不确定数据的设备健康评估方法

缺少先验知识和完备信息的设备健康评估一直是预测与健康管理(PHM)领域的难点问题.针对设备运行状态观测数据的无标签、不均衡、初值不确定性问题,提出一种多变量深度森林的设备健康评估方法.首先,提出一种基于相关性指标和趋势性指标的特征选择方法以去除冗余特征;然后,利用三维数据标准化和量子模糊聚类方法,动态设定设备健康状态并且解决数据初值的不确定问题;最后,采用一种多变量深度森林分类器实现设备健康状态的离线训练与在线评估.案例分析结果验证了所提出的健康评估方法的有效性和可行性.     

面向配电网终端设备的数字孪生映射方法研究

提出了一种面向配电网终端设备的数字孪生映射方法,推动电网企业数字化转型和电力系统自动化,降低成本与安全风险。方法利用虚拟数字孪生空间映射电网物理设备,实现对区域配电网多类型设备故障的实时诊断。首先,对配电网终端设备数据进行压缩转换和级联映射,提取感知终端监测信息与物理拓扑连接关系。其次,采用改进的轻量级Yolov4网络模型进行设备类型识别与分割,结合物理拓扑图进行数字孪生映射,形成设备孪生模型。最后,设计基于卷积注意力机制的状态评估模型,充分考虑区域设备关联与故障特征,实现对设备孪生模型的故障评估及物理空间设备的状态反馈。上述创新方法有望为电力行业带来更高效、安全的运行模式,推进电网智能化发展。     

基于风洞的设备健康管理与数据有效性判定平台研究

低速增压风洞是满足我国航空工业科技发展而建设的一座气动力重大基础试验设施;为了保障该设施的高效率和可靠地运行,以各机电设备、电气测控设备、机械装置为对象,根据其故障模式和故障特点选取合适的监测点,获取实时工作状态数据,再以数据为基础,进行状态监测、故障诊断、故障预测,实现预先性决策和针对性快速维修;基于OSA-CBM+体系构建的风洞健康管理系统,根据设备的运行状态,实现对试验数据的有效性进行实时判定,并实现了风洞装备由事后维修向视情维修转变;实现了装备从使用、维护、管理模式由分散式管理向集约式管理的转变;实现了装备系统故障诊断、预测及判读从人工智能向机器智能的转变。     

基于观测器的液压系统健康状态评估方法研究

为了实时评估液压系统的健康状态,提出了基于观测器的健康状态评估原理,利用解析模型、仿真模型和数据模型及其配合等方法进行液压系统标准模型的建立,联合实际液压系统的监测数据,构建液压系统的状态观测器。将实际系统的相关参数作为输入,实际监测点的输出与标准模型的输出进行特征分析与对比,在数据处理的基础上形成残差及其向量,运用数据分析方法计算系统健康度,并解析各元素及其耦合所映射的故障类型与故障程度,实现液压系统的故障定位与评估。最后,利用某型装备的起竖液压系统进行了应用举例,介绍了模型构建、故障模式与参数选择、残差构成及健康度计算的方法。所研究的状态评估方法对实时评估液压系统,及开展液压系统视情维修具有参考价值。     

自抗扰控制技术在高低温环境模拟系统中的应用

针对现有健康状态评估方法主观性较强,准确度不高等问题,提出一种基于DSmT理论和模糊综合评判的健康状态评估模型。首先,确定评估对象的评价指标体系,对采集的原始数据进行预处理;然后利用模糊综合评判理论确定广义基本信度赋值;接着采用DSmT融合规则对广义基本信度赋值合成,得到健康状态等级。对于多级的系统评估,可将融合后的结果作为新的广义基本信度赋值进行DSmT融合。实例验证表明,该状态评估模型能够准确有效地实现对系统的健康状态评估,而且能够克服高冲突证据的融合问题,具有良好的应用价值。     

异构信息融合在风电设备状态多准则评价中的应用

针对风电企业中设备维护数据分散且知识结构互异,难以综合判断设备整体状况的问题,提出了基于本体的多源异构信息融合方法以实现设备健康状态的多准则评价。该方法将各数据源的知识以扩展公共本体的形式进行建模,构建全局查询的沟通机制;再基于多源异构的设备状态数据进行多准则评价,最后得到的量化评估结果可以反映设备的整体健康状态。此方法可以融合企业中多种形式的数据,对企业已有维护系统的干扰小,数据维护成本低,能为企业制定维护计划提供决策依据。     

利用隧道激光点云提取中轴线及进行整体变形分析

针对采用传统测量手段获取隧道断面数据进行隧道变形分析,存在数据覆盖面小、效率低等问题,以三维激光扫描仪获取的隧道点云为基础,提出一种利用隧道激光点云提取中轴线及进行整体变形分析的方法。首先,根据下采样边界特征提取算法获取边界点集;其次,利用边界与中点的几何关系获取隧道水平中轴线;然后,基于水平中轴线截取横断面点云,并对横断面点云进行迭代空间圆拟合以获取隧道三维中轴线和横断面;最后,以隧道三维中轴线与半径设计值为基准,计算横断面点云的径向差值,分析隧道整体变形。实验结果表明,该方法能够有效地将隧道整体变形进行可视化表达,为隧道变形动态监测提供更为丰富的信息。     

基于CompactRIO的风洞喷管执行器位置监测系统开发

针对大型超声速风洞喷管设备,采用Compact RIO模块化仪器架构和LabVIEW开发平台,通过传感器、数据采集卡及上/下位机软件实现了对喷管执行器位置数据的采集、状态显示、分析、存储和预警等功能。利用该系统对2米超声速风洞喷管执行器进行监测分析,实验表明,该系统能实时显示喷管型面工作状态,及时判断故障产生的位置和超限情况,满足了执行器位置监测的实际需求,为操作者提供了有效的监测工具,提高了风洞喷管运行的安全性和可靠性。     

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。     

面向攻角变化的风洞流场模型预测控制器

目前已有的控制方法难以满足大飞机研制对风洞流场的精度要求.鉴于此,采用多变量模型预测控制方法设计流场控制器.为提高抵抗攻角扰动的能力,使用攻角变化量动态补偿静压的预测值.考虑风洞实验工况较多,采用多控制器融合方法解决新工况建立预测模型的问题.为保证控制器的实施,给出基于一阶惯性加滞后近似模型的控制器参数整定方法.通过实际吹风实验验证风洞预测控制器能够有效调节风洞流场,使吹风实验中流场参数的精度达到大飞机研制要求.     

煤矿多传感器混沌时序数据融合预测

针对单传感器煤矿数据预测存在的片面性问题,提出将信息融合技术与相空间重构技术相结合的多传感器煤矿数据的预测模型。对井下多种传感器,包括瓦斯浓度、风速、温度传感器,进行融合预测。以多类传感器时序数据为研究对象,首先利用信息融合的方法分别对各类传感器数据依次进行数据层融合、特征层融合;然后采用关联积分方法对两级融合之后的传感器数据分别确定相重构的时间延迟τ和嵌入维数m两个参数;最后结合多变量相空间重构技术,将各类传感器数据融合重构相空间,运用基于K-Means聚类的加权一阶局域法构建多传感器数据的预测模型。数据来源于山西省阳泉煤矿,采集了近20G数据,以瓦斯浓度、风速、温度三种传感器数据进行实验,实验结果表明：对于特征层的融合,每15分钟时间段内的数据经融合后可有效作为衡量这段时间内的特征,经过预测模型计算后,与时间段为5分钟、10分钟、20分钟相比较误差达到最小ESS=0.003,较目前的最小误差值0.05,误差大大下降,故融合预测效果较好,可以较准确地预测未来15分钟后的传感器数据,可有充足时间进一步为井下的安全评估提供决策依据。