[设备健康管理]基于CPS方法与脆弱性评估的制造系统健康状态智能诊断

现有的制造系统健康管理技术很少应用信息物理系统(CPS)，也很少有学者从脆弱性的角度探究制造系统的“病因”。根据制造系统的结构特征和健康管理技术原理，提出在其关键设备上嵌入基于CPS与脆弱性分析的健康管理模块，以实现系统健康状态与影响因素的在线动态分析。重点研究基于脆弱性的系统健康状态判断方法、基于数据驱动的制造系统性能异常判断和亚健康状态下设备异常因素的识别。基于嵌入式CPS的制造系统设备健康状态诊断与分析可以根据设备服役过程中的脆弱性状况判断设备的健康状态，基于数据驱动的设备异常因素判断方法可以监测设备服役过程中的性能参数变化情况，及时判断造成设备异常的关键因素。通过柔性制造系统仿真实验，证明了所提方法可实时判断系统的健康状态，有效识别导致设备亚健康状态的性能参数。     

基于CPS方法与脆弱性评估的制造系统健康状态智能诊断

现有的制造系统健康管理技术很少应用信息物理系统(CPS),也很少有学者从脆弱性的角度探究制造系统的"病因"。根据制造系统的结构特征和健康管理技术原理,提出在其关键设备上嵌入基于CPS与脆弱性分析的健康管理模块,以实现系统健康状态与影响因素的在线动态分析。重点研究基于脆弱性的系统健康状态判断方法、基于数据驱动的制造系统性能异常判断和亚健康状态下设备异常因素的识别。基于嵌入式CPS的制造系统设备健康状态诊断与分析可以根据设备服役过程中的脆弱性状况判断设备的健康状态,基于数据驱动的设备异常因素判断方法可以监测设备服役过程中的性能参数变化情况,及时判断造成设备异常的关键因素。通过柔性制造系统仿真实验,证明了所提方法可实时判断系统的健康状态,有效识别导致设备亚健康状态的性能参数。     

控制阀检测与健康管理技术研究

一般来说,阀门维修观念主要依赖传统的规则、以往的运行经验对设备进行运行维护。一旦发现故障,就使工厂停车,立即对设备进行维修以恢复其原来的状态。通过阀门故障诊断智能决策技术,可以有效地获取、传递和处理诊断信息,有效分析控制阀的潜在故障。通过阀门检测与健康管理技术,模拟人类专家对被诊断阀门的运行状态和故障作出智能判断和决策,可以保证控制阀安全可靠运行,降低阀门维护成本,减少企业工业生产的风险。     

天然气净化厂运转设备振动监测系统设计及应用

天然气净化厂中,运转设备是所有设备中故障数量最多、诊断难度最大的设备种类。运转设备的安全平稳运行直接影响气田的正常运行。针对天然气净化厂运转设备特点,提出一种新的振动在线监测及诊断系统设计方案。该系统在实现设备振动、转速等参数的实时监测和数据趋势分析、波形分析、频谱分析等功能的基础上,通过建立基于规则的专家知识模型和基于历史故障的识别模型,实现设备故障的自动诊断。实际应用表明,该系统可实时、准确监测运转设备的运行状态,故障诊断准确、及时,满足天然气净化厂运转设备状态监测与实时诊断的要求。     

基于多元状态估计的电厂设备状态评估和故障预警研究

针对电厂生产环境复杂，设备故障频发且不易及时发现的特点，为了提高机组运行效率和设备健康度，提出了一种基于多元状态估计的电厂设备状态评估和故障预警方法。首先，分析设备状态监测所需的监测参数，根据参数采集历史运行数据，筛选健康运行状态数据，筛选典型运行状态数据构建记忆矩阵；然后，搭建状态评估和故障预警模型，利用健康运行状态数据对模型进行训练得到成熟模型，利用成熟模型即可对设备实时运行状态进行健康度评估和故障预警。本文以某燃气发电厂燃气轮机为对象开展研究论证，结果表明，该方法能准确地评估设备运行状态，提早发现设备故障，有效实现设备故障早期预警。     

基于故障案例学习的设备健康评价方法研究

从设备状态监测数据中分析、提取故障特征信息,准确、快速地识别设备健康状态,对于开展预测性维修,确保设备运行可靠性、安全性非常重要。以离心压缩机为研究对象,以正常状态的振动监测原始数据为参考数据,构建了正常状态原始信号和实时监测信号的相关性健康指数模型、相干性健康指数模型、谱距离健康指数模型,在针对健康指数模型开展大量故障案例学习、健康度分布统计分析基础上,制定了设备健康评级准则,形成数据驱动的机械设备健康评价方法,揭示了离心压缩机健康度表征与运行状态的映射关系。应用轴承试验数据和离心压缩机转子不平衡故障案例数据,分别验证构建的设备健康指数模型和健康评级准则的准确性、适用性。结果表明,构建的健康指数模型能较好地表征设备运行状态,与有效值和峰-峰值固定阈值报警方法相比,构建的机械设备健康评级准则对于指导预测性维修更有实践意义。     

全生命周期健康监测诊断系统研究

随着先进的仪器测量、大数据、人工智能等科学技术的发展,基于全生命周期的设备健康监测诊断对现代企业智能制造将起着越来越重要的作用。应力波传感器连续检测设备运动部件间的摩擦、冲击的电子信号,数据采集箱对信号进行处理、能量计算和幅值分析。借助于应力波能量趋势、应力波振幅直方图、应力波频谱等分析工具,系统对设备状态进行实时监测、预测故障的发生和其变化趋势,大幅度提高了设备运行和维修效率。基于人工神经网络的改进算法,对设备故障进行智能化的准确预测和定量分析,并提供设备健康诊断报告。试验表明,系统具有较强的鲁棒性和自适应能力,能更早地预测到故障的发生,更准确地判定故障的部位和类型,降低了维修成本,提高了运行效率,提高了生产安全性。     

矿用提升机实时远程监测及预知性维护系统的研究

作为煤矿生产的关键大型设备,提升机的正常运转关系着安全作业和高效生产的大局。目前提升机的维修维护还主要采用故障后的维修和周期性的维护,对于故障早期的一些征兆及未来的发展趋势,难以实现有效的判断。本文结合煤矿生产的实际情况,提出了一种基于远程状态监测的提升机预知性维护系统。通过实时状态监测、远程数据传输、故障模拟和智能诊断技术,能够实现对设备健康状态的科学评价,提供更为有效的维护维修建议。     

基于不同故障特征的设备维修策略与实施分析

本课题运用科学理论，导入精益工具，借鉴先进经验，通过对制丝真空回潮设备故障进行现状梳理、问题分析和优化改进研究，探索构建符合管理实际和预防性维护维修发展需要的设备维修策略管理方法，解决日常设备维护临时性维修频繁、维修不足、维修过剩、盲目维修等导致的显性与隐性设备故障，实现对设备劣化预警、报警、并实时诊断锁定修复点，构建精准实用的设备健康状态诊断方案。     

本体驱动的机械设备诊断维护知识建模

为了提高机械故障诊断的准确性与可靠性,引入了诊断维护知识的语义表示方法。通过对设备结构信息、维护经验知识以及诊断行为过程进行建模,建立了本体驱动的故障诊断推理模型。提出了设备运行状态与故障征兆之间的本体映射算法,并根据征兆空间到故障案例空间的映射关系进行实例匹配,完成了静态维护知识与动态诊断过程的统一,从而实现自动化、智能化的故障诊断与维护决策。将所建立的本体驱动的故障诊断推理模型应用于某转子故障诊断,得到了准确、实时的诊断结果。     

集成多传感器信息融合算法的啃轨故障诊断系统设计

提出一种集成多传感器信息融合算法的起重机啃轨故障智能诊断系统,不同原因造成的啃轨有规律可循,利用多传感器数据融合、故障诊断逻辑运算等算法,得出可能导致啃轨的原因。这一系统提高了啃轨定位和诊断的精度、速度,便于维护人员掌握设备运行状态,及时发现并处理设备故障,提高设备自动运行的可靠性和设备寿命,还能节省能源,降低成本,适用于恶劣环境,这种方法广泛适用于各种存在车轮啃轨现象的轨道式起重机、桥式起重机和有轨机车等。     

基于模糊支持矢量数据描述的早期故障智能监测诊断

为了解决机电设备早期故障难以正确识别及故障发展状态不易准确监测的问题,提出了一种基于模糊支持矢量数据描述(FSVDD)的早期故障智能监测诊断新方法。该方法只需要一类目标样本作为学习样本就可以建立起单值分类器,同时在核函数中引入非目标样本的模糊隶属度,从而把非目标样本与目标样本分等级地区分开来。将这种方法应用在机电设备状态监测和故障诊断中,只需要将正常运行时的数据信号作为目标样本,就可以实现对设备早期故障的准确识别,同时判断故障的严重程度。在轴承运行状态监测中的测试结果表明,该方法不仅能快速识别轴承的早期故障,而且可以对故障的严重程度做出准确的判断。     

Intelligent Predictive Decision Support System for Condition-Based Maintenance

The high costs in maintaining today’s complex and sophisticated equipment make it necessary to enhance modern maintenance management systems. Conventional condition-based maintenance (CBM) reduces the uncertainty of maintenance according to the needs indicated by the equipment condition. The intelligent predictive decision support system (IPDSS) for condition-based maintenance (CBM) supplements the conventional CBM approach by adding the capability of intelligent condition-based fault diagnosis and the power of predicting the trend of equipment deterioration. An IPDSS model, based on the recurrent neural network (RNN) approach, was developed and tested and run for the critical equipment of a power plant. The results showed that the IPDSS model provided reliable fault diagnosis and strong predictive power for the trend of equipment deterioration. These valuable results could be used as input to an integrated maintenance management system to pre-plan and pre-schedule maintenance work, to reduce inventory costs for spare parts, to cut down unplanned forced outage and to minimise the risk of catastrophic failure.     

EMD-AR和GRNN算法下的航空液压泵多模态故障诊断分析

针对新一代飞机高综合化、高复杂度和高耦合性导致的传统推理故障诊断策略难以满足现代维修保障需求的问题,开展基于广义回归神经网络(Generalized Regression Neural Network,GRNN)的飞机液压泵智能化故障诊断研究。构建经验模态分解(Empirical Mode Decomposition,EMD)与自回归(Autoregressive,AR)相融合的深度特征提取方法,提升原始信号的隐层故障特征筛选能力;再将增强后的隐层特征与GRNN相结合进行神经网络训练,提升智能诊断模型的识别精度。实验结果表明,EMD-AR-GRNN智能诊断模型能快速、准确地诊断出液压泵各故障模态,对保障设备的安全运行,提升系统可靠性具有重要的意义。     

数控设备远程运行与故障诊断系统体系结构设计

以柔性制造系统中数控设备为制造单元并作为控制对象,以实现CAD/CAM/CAPP智能化、集成化地制造.通过分析网络化环境下数控设备远程运行与故障诊断系统的特点,提出该系统的体系结构,使用BP神经网络进行数控设备的故障诊断,阐述了基于BP神经网络和专家系统混合的神经网络故障诊断专家系统的基本原理,并分析了基于EJB的数控...     

基于弹性核凸包张量机的机械设备热成像故障诊断方法#br#

针对机械设备热成像故障诊断中图像样本向量化维数灾难和结构信息破坏的问题,提出了基于弹性核凸包张量机的机械设备热成像故障诊断方法。首先定义样本特征张量空间的弹性核凸包,然后求解弹性核凸包间的最优超平面来构建弹性核凸包张量机模型,最后以机械设备不同故障状态下的热成像图像为输入,实现机械设备的故障诊断。实验结果表明：该方法可以准确、稳定地对机械设备进行故障诊断。     

设备磨损智能评价技术在石化大机组的应用

为提高石化转动设备磨损故障诊断自动化及智能化程度,探讨基于石化转动设备磨损监测信息挖掘技术的磨损智能分析与评价技术在乙烯压缩机运维中的应用。通过磨损智能分析与评价技术对机组运行状态的全面监测与评价,结果表明,磨损智能分析与评价技术能够准确反映设备磨损及润滑状态的劣化趋势,对机组的油品在线置换升级、机组运行工况调整、油品净化等主动性维护提供了及时准确的技术支持,保障了设备的长周期稳定运行。     

基于PHM技术的测井设备智能管理体系的应用研究

测井设备的智能管理体系具有有效的预警和健康管理机制,能准确地预测故障并进行维修保养提醒.它是一种能够模拟人的自治性神经系统指挥身体运动的智能体系.PHM技术（故障预测与健康管理）已成功地应用多个领域,论文讨论PHM技术应用于测井设备智能维修体系的方法与可行性,详细阐述了评估测井设备健康状态的方法.     

先进制造系统智能安全检测监控与维护的研究

以先进制造系统 (FMS)的供电系统为主要研究对象 ,对先进制造系统运行环境的智能安全检测监控与维护进行了探索研究 ;同时根据先进制造系统的基本特点 ,设计了先进制造系统供电网实时监控系统及电力设备的故障诊断专家系统 ;该系统不仅能够对确定的故障现象进行诊断 ,而且对模糊的、非确定的故障也能诊断 ;利用层次分类组织模型的思想 ,采用故障树分析的方法 ,建立了电力设备故障诊断知识库 ;通过计算机仿真验证了该系统的可用性。