基于非齐次泊松过程的数控系统可靠性建模

为了定量分析数控系统全寿命周期可靠性水平,建立基于非齐次泊松过程的系统可靠性评估模型,推导了早期故障期拐点与损耗故障期拐点的计算公式,并采用最小二乘法估计模型参数。以两台数控系统的运行故障数据为例,经计算其早期故障期约为8个月,运行约33个月后开始进入损耗故障期。使用Laplace趋势检验方法验证了系统故障过程符合浴盆曲线趋势。     

考虑不完美维修的随机退化设备剩余寿命自适应预测方法

在现有考虑不完美维修的随机退化设备剩余寿命预测研究中,通常仅考虑维修活动对退化状态或退化速率的单一影响,仅有考虑二者双重影响的研究,忽略了退化设备的个体差异性。鉴于此,提出一种基于多阶段扩散过程的自适应剩余寿命预测方法,同时考虑不完美维修活动对设备退化状态和退化速率的影响,并利用随机游走模型描述退化速率随观测数据的更新过程以表征设备的个体差异性。基于历史退化数据,利用极大似然估计法得到退化模型参数的初值;基于状态观测数据,利用卡尔曼滤波算法和期望最大化算法自适应的更新模型参数。利用卷积算子和蒙特卡洛方法推导得到了首达时间意义下设备剩余寿命的概率密度函数。最后,通过仿真算例和陀螺仪的实例研究验证了所提方法的有效性和优越性。     

考虑非完美维修的实时剩余寿命预测及维修决策模型

准确的剩余寿命预测是对设备进行预防性维护维修决策的关键。利用随机滤波理论,基于当前时刻及之前的历史状态监测信息,由已知的设备初始寿命分布函数建立非完美维修策略下的实时剩余寿命分布函数预测模型。同时考虑非完美维修效果与时间相关性,提出一种以平均剩余寿命为阈值的非完美预防性维护及更换的维修策略,建立了以系统的预防性维护及预防性更换阈值为优化变量和最小化平均维护维修费用为目标函数的优化模型。采用微粒群算法进行优化求解,得到系统最佳的预防性维护及预防性更换阈值,并使系统长期运行平均费用率最低。以初始寿命符合威布尔分布的疲劳裂纹为例,验证了该实时剩余寿命分布预测方法及非完美维护维修策略的可行性。     

基于非齐次泊松过程的拖拉机发动机使用可靠性

进行发动机故障跟踪试验,得到发动机现场使用的故障数据。基于随机过程的理论,用非齐次泊松过程建立发动机故障过程数学模型,包括模型的假设检验,并给出故障过程模型的参数估计。研究发动机的故障间隔时间和故障强度函数之间的数学表达式,定义故障过程改善和故障过程劣化的概念,导出故障过程改善和故障过程劣化与故障强度函数之间的关系,得到发动机使用初期的故障强度曲线,给出发动机平均故障间隔时间的估计值。研究结果能为提高发动机可靠性、维修性和维修策略提供参考依据,同时对研究机械系统之间故障的相关性奠定理论基础。     

基于非齐次泊松过程和统计仿真的故障样本模拟生成

由于测试性虚拟试验具有成本低、效率高、风险小、故障注入受限少等优点,故障样本量几乎不受限制,可有效弥补测试性实物试验的不足,但同时也对故障样本生成提出新的要求。为此提出一种适用于测试性虚拟试验的基于非齐次泊松过程和统计仿真的故障样本模拟生成方法。分析指出可修系统的故障发生过程是随机过程,并用非齐次泊松过程及其参数化模型对其进行数学描述。给出故障样本模拟生成流程,建立故障事件发生间隔时间的概率分布函数,通过随机数生成和逆变换法,实现故障样本的模拟生成,仿真获得故障发生次数及其相继发生时间。以某型地平仪为案例进行试验和应用研究。试验结果表明,采用所提方法进行故障样本模拟生成是有效的,能科学指导可修系统测试性虚拟试验中的故障注入。     

基于两阶段Gamma过程的机械产品剩余寿命预测研究

在进行机械产品寿命预测时,传统的两状态可靠性评估存在较大的估计误差,针对这一问题,在计及冲击载荷条件下,提出了一种基于两阶段Gamma过程模型的三态机械产品的寿命预测方法.首先,在对产品连续退化轨迹研究的基础上,采用两阶段Gam-ma过程描述了产品的连续退化过程;同时,基于复合泊松过程描述了外部随机冲击造成的离散退化;...     

基于Gamma退化过程的剩余寿命预测及维修决策优化模型研究北大核心

通过研究产品故障发生的机理,建立了基于Gamma退化过程的状态空间模型,运用EM-PF参数估计方法对模型中的参数进行求解,确定模型的具体形式,进而得出产品剩余寿命的分布函数和概率密度函数。该剩余寿命预测方法将退化状态与故障阈值联系起来,从而降低了剩余寿命预测的误差,以轴承磨损量特征进行建模,完善了状态信息与剩余寿命之间的相互关系。利用剩余寿命的概率密度函数建立了以费用最小为目标的维修决策模型,确定最优的维修更换时间并实现维修决策的优化。最后用轴承寿命试验所得到的数据对模型进行了验证,实例结果证明该模型是可行有效的。     

基于Wiener过程的万能式断路器附件剩余寿命预测*

万能式断路器作为一个复杂的机械系统,其操作附件的剩余寿命预测对于维护断路器的可靠性至关重要。为准确掌握操作附件剩余寿命情况,提出了一种基于Wiener过程的万能式断路器操作附件剩余机械寿命预测方法。首先,通过对操作附件动作过程中线圈电流波形的分析选取了动作时间作为性能退化特征量;其次,考虑到断路器操作附件性能退化过程具有线性非单调的特点,采用Wiener过程建立了操作附件的性能退化模型,并利用极大似然估计法对退化模型参数进行估计;然后,基于首达时间的概念建立了剩余寿命预测模型,推导出剩余寿命概率密度函数解析式。最后对安装于万能式断路器上的分励脱扣器和释能电磁铁两种操作附件进行全寿命试验及其剩余寿命预测,预测结果验证了所提方法的有效性。     

基于泊松随机过程的风力发电机叶片疲劳寿命估算

疲劳寿命决定了正常工况下工程结构服役期限的长度,对其进行准确预测对于零部件疲劳强度设计至关重要。由于机械零部件在工作期间经常会受到随机变幅载荷的作用,载荷间相互作用效应现象十分显著,导致单次循环载荷对材料所造成的疲劳损伤量发生变化,若忽略该效应会影响疲劳寿命估算的准确性。针对当前研究中的疲劳损伤累积法则无法考虑该效应的问题,提出一种将非齐次泊松随机过程函数与伴随损伤理论相结合来估算零部件疲劳寿命的方法,解决了由于载荷间相互作用效应所带来的载荷作用顺序的问题,并以随机加载试验为例验证了该方法的准确性。将其应用于风力发电机叶片的疲劳寿命估算过程中,结果表明该方法可靠、有效,为风力机叶片的疲劳可靠性设计提供了新的路径。     

自适应多核组合相关向量机预测方法及其在机械设备剩余寿命预测中的应用

针对支持向量机(Support vector machine,SVM)的惩罚系数难以确定、核函数必须满足Mercer定理等问题,相关向量机(Relevance vector machine,RVM)应运而生以解决上述问题,并在趋势预测等领域得到一定的应用。核函数是决定RVM预测精度的关键因素之一,目前的研究通常是人为选择单一核函数,因此增加了对参数的依赖性并降低了RVM预测的鲁棒性。为了解决以上问题,提出一种新的自适应多核组合RVM预测方法。该方法首先选择多个核函数,利用粒子滤波产生核函数权重,建立多核组合RVM集,然后经过不断地迭代预测、权值更新和重采样,自适应获取最优多核组合RVM,从而自适应融合多个核函数的特性,克服基于单一核函数RVM的局限,提高预测精度和鲁棒性。利用仿真对提出方法进行了验证,并将其应用于机械设备的剩余寿命预测,取得了比基于单一核函数RVM更好的预测效果。     

基于DAE-HTPF的新能源汽车电池剩余寿命预测

针对反映锂电池寿命的趋势性特征自学习与电池剩余寿命预测问题,提出了基于降噪自编码器（denoising auto-encoder,DAE）与混合趋势粒子滤波（hybrid trend particle filter,HTPF）的电池剩余寿命预测方法。利用电池使用前期的信号特征训练DAE,然后将使用中后期的电池信号特征输入DAE中,并提取重构误差。另外,利用HTPF方法对电池生命周期内的信号特征进行分析,建立自适应状态方程。分析结果表明,该方法能有效地对锂电池的性能退化趋势性特征进行自提取,从而有效地减少人为因素的干扰,同时相比于传统粒子滤波（particle filter,PF）,HTPF对电池剩余寿命预测精度更高。      

基于性能退化预测的数控机床预防维修方法

为解决数控机床传统维修方法存在的欠维护或过维护弊端,提出了一种基于系统性能退化预测的预防维修方法,利用统计过程控制技术分析产品质量数据,实现机床工作状态的预测。建立了关键零部件的Wiener退化模型来预测寿命分布,从而可结合剩余寿命和收益确定最优预防维修策略。以某汽车活塞生产线上的数控机床异常数据为例,验证了所提方法的有效性。     

地铁车辆电动塞拉门的剩余寿命预测

针对地铁车辆客室电动塞拉门传动装置润滑不良的问题,提出了基于自组织映射（SOM）神经网络、隐马尔可夫链（HMC）模型和蒙特卡罗（MC）仿真的剩余使用寿命预测方法。该方法首先对采集到的电机电流信号进行特征提取;然后利用SOM对提取出的多维特征数据进行融合与编码,将所得结果作为HMC的输入向量,训练得到全部寿命下劣化状态转移矩阵;最后利用MC方法实现对其劣化过程的剩余使用寿命预测。故障模拟实验结果表明,该方法可以在考虑润滑不良故障模式下,有效预测得到电动塞拉门丝杆的剩余使用寿命。     

基于K-S检验和动态灰色模型的机械设备剩余寿命预测方法

提出了一种基于K-S检验和动态灰色模型的机械设备剩余寿命预测方法。提出以Kolmogorov-Smirnov检验为基础的K-S距离作为描述机械设备退化状态的性能指标,通过退化指标序列动态训练灰色模型、更新模型参数,预测退化指标的变化趋势并确定到达设定失效阈值时的预测步数,以此计算机械设备的剩余使用寿命。最后通过轴承全寿命样本数据对其验证,并与传统的二次曲线拟合预测法和静态灰色模型预测法进行比较,结果表明所提出的方法更能有效地预测轴承的剩余寿命,具有较高的预测精度。     

基于人工神经网络的机械密封寿命预测

运用ANN对机械密封进行寿命预测的方法建立了寿命预测系统的基本模型,提出了以增大磨损载荷(pcv)为手段的寿命加速试验方法,并给出了将加速试验的泄漏率q、端面温度Tf和剩余寿命t转化为工况条件的q’、Tf′和t′的理论方法。用若干组q′、Tf′和t′值训练具有2个输入单元、一个隐含层(3个单元)及1个输出单元的BP网络,再用其它几组值来检验网络可靠性。结果表明该网络具有较高精度,使用BP网络预测机械密封剩余寿命可行、高效。     

基于CK-GPR的多应力环境智能电表剩余寿命预测

针对智能电表科学定期更换需求,建立一种基于智能电表基本误差数据的剩余寿命(RUL)预测方法.首先采用Person相关系数筛选对智能电表基本误差数据影响较大的环境应力作为模型输入;然后采用高斯核、Matern32核及周期核匹配多应力环境下智能电表基本误差趋势;利用贝叶斯方法和蒙特卡洛马尔科夫链(MCMC)求解模型.实验结...