基于BP神经网络的刀具寿命预测模型

分析了影响刀具寿命的主要因素,根据影响因素与刀具寿命之间的高度非线性关系,结合人工神经网络模型,建立了刀具寿命预测的BP神经网络模型,并利用模型进行了验证运算。结果表明:模型的预测值与刀具寿命的期望值非常接近,证明该建模方法是可靠有效的。     

基于域对抗门控网络的变工况刀具磨损精确预测方法

刀具磨损的精确预测对保证零件加工质量、提高生产效率和降低制造成本具有重要作用。在实际加工过程中,切削参数、刀具几何参数、刀具材料等工况复杂多变,工况信息和刀具磨损量对监测信号的耦合作用为刀具磨损的精确预测带来了很大挑战。针对以上问题,提出了一种基于域对抗门控网络（DAGNN）的变工况刀具磨损精确预测方法。引入工况分类网络并利用无磨损量标签样本,通过域对抗和门控过滤机制自适应地从不同工况的原始监测信号中提取表征刀具磨损且对工况变化不敏感的关键信号特征。对信号特征提取网络和刀具磨损预测网络进行迭代优化,从而实现变工况刀具磨损的精确预测。实验结果表明：相比已有的方法,本文方法能够利用少量带磨损量标签的目标工况样本实现刀具材料和刀具直径变化情况下的刀具磨损量精确预测,预测精度大幅提高。     

基于半随机滤波-期望最大化算法的剩余寿命在线预测

剩余寿命(RL)预测是设备预测维护的关键环节。准确在线预测能够为维护策略的实时安排提供更加精确的技术支持,有效避免失效的发生。工程实际中,反映设备退化过程的性能指标往往不能直接监测,为解决隐含退化过程的剩余寿命在线预测问题,提出一种基于半随机滤波-期望最大化(EM)算法的预测方法。首先以剩余寿命为隐含状态,构建状态空间模型描述直接监测数据与设备剩余寿命间的随机关系。为实现单个设备剩余寿命的在线预测,依据到当前时刻为止的监测数据,采用扩展卡尔曼滤波(EKF)与期望最大化算法相互协作的方法实时估计与更新模型未知参数和剩余寿命分布。最后,将该方法用于惯性测量组合(IMU)剩余寿命在线预测问题,实验结果表明该方法能够提高预测的准确性并减少预测的不确定性。     

动态模糊RBF神经网络焊接接头力学性能预测建模

建立动态模糊径向基神经网络RBF( Radial Basis Function,RBF)焊接接头力学性能预测模型,克服静态RBF和模糊神经网络( Fuzzy Neural Network,FNN)在结构辨识、动态样本训练及学习算法的不足。该模型的结构参数不再提前预设,在训练过程中动态自适应调整,适用动态样本数据学习,学习算法引入分级学习和模糊规则修剪策略,加速训练并使模型结构更加紧凑。利用三种厚度、不同工艺TC4钛合金TIG焊接试验数据对该模型进行仿真。结果表明：模型具有较高的预测精度,适用于预测焊接接头力学性能,为焊接过程在线控制开辟了新的途径。     

钛合金TC4高速切削刀具磨损的有限元仿真

借助有限元方法对切削钛合金时硬质合金刀具的磨损进行了仿真.首先,根据钛合金切削时刀具磨损机理,建立了能够综合反映粘结磨损、扩散磨损及磨粒磨损的磨损率模型;通过增大传热系数、平滑节点磨损值等方法,解决了刀具磨损过程中切削温度场的仿真、内部网格的调整及刀具表面轮廓的光滑处理等一系列问题,结合磨损子程序建立了预测刀具磨损的有限元模型.然后,通过切削实验对有限元模型的有效性进行了验证,结果表明:所建立的有限元模型能够较准确的预测刀具前刀面磨损及其磨损形貌.最后,对高速切削钛合金条件下的刀具耐用度进行了预测,预测结果表明:随着速度的增加,刀具会快速磨损,切削速度为300 m/min时刀具寿命仅为130 m/min时的1/3.因此,切削速度的选择要综合考虑切削效率与刀具寿命这两个因素.     

融合多传感器数据的发动机剩余寿命预测方法

针对基于单一传感器数据的剩余寿命预测方法存在数据利用率低和预测精度不高的问题,论文提出了一种融合多传感器数据的发动机剩余寿命预测方法。首先将多个传感器数据融合成一个复合健康指标来表征发动机的退化性能,采用线性维纳过程对复合健康指标进行退化建模,通过极大似然估计方法确定模型参数,进而得到发动机的预测寿命。为了确定融合系数,提出了一种利用真实寿命与预测寿命的预测均方误差最小化的方法。融合系数确定后,基于训练发动机历史寿命数据,确定出模型参数的离线估计值;然后利用Bayesian公式,同时结合发动机的实时监测数据与参数的先验分布对模型参数进行实时更新,接着在首达时间的意义下推导出剩余寿命的概率分布,进而实现了发动机的剩余寿命在线预测。最后,选择商用模块化航空推进系统仿真数据集进行数值仿真实验,结果表明：相较于基于单一传感器的方法,论文所提方法能够提高剩余寿命预测的准确性,其剩余寿命预测的相对均方误差降低了2%左右。     

基于主轴电流小波变换的刀具磨损状态监测

为消除机器人自动制孔系统中由于刀具磨损引起的孔径误差,提出一种基于主轴电流离散小波变换的刀具磨损状态在线监测以及寿命预测方法。首先根据主轴电流信号的波动规律,综合小波信号的正则性、相似性及曲线误差光滑性等要求,选用3阶多贝西小波基对主轴电流信号进行离散分解。结合刀具磨损规律,选取电流信号的3阶低频分解量作为刀具磨损状态监测的最有效特征,将电流信号的1阶高频分解量进行离散傅里叶变换,得到高频分量的频域特性,为电磁兼容设计提供依据;最后利用最小二乘法拟合刀具磨损量与主轴电流特征值的线性关系,通过监测主轴电流特征值,实现对刀具后刀面磨损量的在线监测以及刀具寿命预测。     

CFRP切削过程中的监测控制研究进展

CFRP加工过程的实时监测和控制是提升零件最终加工质量的重要手段.本文从加工过程物理仿真、数学模型及智能模型三方面总结了 CFRP切削加工预测方法研究现状.同时,基于切削过程状态信息获取、特征信息提取以及监测模型构建等方面概述了刀具磨损和加工质量在线监测方法研究进展.在此基础上,探讨了关于在CFRP切削过程中切削力和振...     

基于新型权重解析法的永磁电机预测转矩控制

在永磁同步电机有限集预测转矩控制中,多控制目标的最优协同调控依赖于权重因子的配置。由于目前缺乏理论指导,权重因子的设计通常采用额定值法或试凑法,无法实现多工况下永磁同步电机电磁转矩和定子磁链幅值的协同控制。针对此问题,提出了基于新型解析权重因子配置的永磁同步电机模型预测转矩控制。基于仿真法研究了代价函数中权重因子对电驱系统控制性能的影响规律,详细阐述了解析权重因子的推导过程及其数学表达式。考虑到解析权重及预测模型均依赖于电机参数,本文方法融合了在线电机参数辨识技术。与传统预测转矩控制相比,本文方法具有更好的动态、稳态及鲁棒性能。     

基于滤波模型的航空制导弹药剩余寿命分布

如何更好地利用技术检测数据来预测航空制导弹药剩余寿命,这是弹药质量控制研究中的一个重要方向。利用动态主成分分析法提取了航空制导弹药状态检测参数主成分,解决了弹药检测参数冗余、相互关联的问题,为剩余寿命分布研究奠定了基础。基于滤波模型和威布尔分布以及正态分布,建立了航空制导弹药剩余寿命分布模型。通过实例,就能很好地将弹药剩余寿命分布与弹药故障联系起来,并动态掌握其剩余寿命分布情况。     

基于Wiener过程的航空燃油泵寿命预测

基于数据驱动的寿命预测是目前故障预测与健康管理(PHM)技术寿命预测环节的主流方法。通过对燃油泵出口压力数据进行分析,建立了基于随机效应维纳(Wiener)过程状态退化模型,采用贝叶斯(Bayes)方法对模型进行在线更新,应用最大期望(EM)算法实现模型的超参数估计,得到燃油泵剩余寿命在线预测信息。结果显示,其预测均值路径与实际退化情况基本吻合,寿命预测区间控制在40.62~20.57h,在接近寿命阈值阶段其预测不确定率保持在10%左右。本文所采用的分析方法与仿真得出的结果对于基于PHM技术下的维修保障活动具有一定的指导意义。     

多源传感监测线性退化设备数模联动的剩余寿命预测方法

随着先进传感与监测技术的快速发展,实时获取随机退化设备的多源传感监测数据已成为现实,如何有效融合多源传感监测数据以实现随机退化设备剩余寿命的精准预测成为剩余寿命预测领域的研究前沿。针对多源传感监测的线性随机退化设备,提出了一种考虑随机失效阈值的数模联动剩余寿命预测新方法。该方法在离线训练过程中,基于多源传感历史数据提取的复合健康指标及据此线性随机退化建模预测的寿命,构建综合寿命预测值与设备实际寿命的均方误差及寿命预测方差的优化目标函数,形成复合健康指标提取与随机退化建模的反馈闭环,对多源传感器融合系数和复合健康指标对应的随机失效阈值分布参数进行优化调整,以实现复合健康指标提取与随机退化建模的自动匹配,即数模联动。在线预测时,根据提出的数模联动方法,融合实际运行设备的多源传感监测数据以获取复合健康指标,然后采用随机模型对其演变过程进行建模。同时,为使模型实时反映设备当前状况,提出了一种退化模型参数的贝叶斯更新方法,在此基础上基于首达时间得到了考虑设备失效阈值随机性的剩余寿命概率分布。最后,基于航空发动机的多源传感监测数据,验证了所提方法在改善复合健康指标特性和提高剩余寿命预测准确性方面的...     

基于非线性Wiener过程的航空发动机性能衰减建模与剩余寿命预测

针对航空发动机在性能衰减过程中普遍存在的非线性和三源不确定性问题,提出了一种基于非线性Wiener过程的航空发动机性能衰减建模与剩余寿命（RUL）预测方法。首先,为解决目前大多数剩余寿命预测方法中潜在假设的局限性,即当前时刻估计的漂移系数与上一时刻漂移系数的后验估计完全相等,在状态空间模型的框架下建立了一类新的同时考虑非线性和三源不确定性的性能衰减模型,并在首达时间下推导出剩余寿命的分布。然后,针对新研发航空发动机缺乏历史数据和先验信息的问题,提出了一种基于Kalman滤波和条件期望最大化（ECM）算法的参数估计方法,使得估计的模型参数不依赖于历史数据量。同时能够在获得一个新的性能衰减数据后,实现对模型参数的自适应估计和在线更新,进而实时地更新航空发动机的剩余寿命分布。实验结果表明,本文方法可以有效地提高剩余寿命预测的准确性,能为航空发动机的维修决策提供可靠的依据。     

基于LASSO变量选择的航空发动机相似性剩余寿命预测

由于航空发动机监测变量众多,传统方法直接选取性能退化趋势明显的变量进行寿命预测,所以提出一种基于LASSO(least absolute shrinkage and selection operator)的变量选取方法,结合相似性寿命预测方法有效提高了预测精度。基于K-means聚类区分不同工况,对航空发动机多个监测变量根据聚类结果进行变量转换。基于LASSO方法选取最优传感器变量。基于相似性方法进行航空发动机剩余寿命预测。将基于LASSO的变量选取方法与传统的根据退化趋势大小进行选择的方法进行剩余使用寿命预测的结果进行了对比研究。结果表明：基于LASSO选取变量的相似性寿命预测误差的标准差在3种运行周期下分别减少了约1.84、3.46、4.23。     

航迹跟踪的DMC方法设计研究

动态矩阵控制（DMC）是模型预测控制（model predictive control）的一种典型算法,通过模型预测、在线滚动优化和反馈校正来对被控系统实施优化控制,能有效处理系统输入输出约束和抑制随机干扰。论文在碟形飞行器控制模型基础上,设计了基于DMC方法的飞行器航迹跟踪控制系统。通过选取多组参数进行仿真研究,明确了DMC方法三个主要参数在系统中的作用,并获得了较好的航迹跟踪控制效果。     

多重应力下滚动轴承剩余寿命预测

为了实现多重应力下滚动轴承的剩余寿命预测,有效利用不用应力下的退化数据,提出了一种基于加速模型和贝叶斯（Bayesian）理论的滚动轴承剩余寿命预测方法。通过拟合优度检验和威布尔（Weibull）概率图检验法对滚动轴承试验中的数据进行有效性分析。利用switching Kalman filters(SKF)判断滚动轴承各时刻的退化状态。当滚动轴承进入加速退化时,用指数模型拟合轴承退化过程,利用广义线性对数模型表示退化模型参数与应力的关系,根据修正后的轴承实时退化数据利用贝叶斯算法更新模型参数,得到滚动轴承剩余寿命的概率密度函数,从而实现滚动轴承剩余寿命预测。采用XJTU-SY轴承数据集进行验证,预测结果的均方根误差在20 min以内,证明该方法能够有效预测滚动轴承的剩余寿命。     

基于Bayes理论的涡轮盘结构概率疲劳寿命预测

基于确定性寿命预测模型结果呈现出的误差与不确定性来源分析,应用Bayes理论探讨了涡轮盘结构的概率疲劳寿命预测方法.通过应用Bayes因子作为模型选择策略,确定出最优模型,然后对概率寿命预测模型使用Bayes推理得出该模型中参数所服从的概率密度函数,最后利用参数概率密度函数,结合蒙特卡洛仿真方法,获得预测寿命的概率密度函数.     

基于加速退化试验和粒子滤波的电子设备故障预测方法

针对导弹电子设备故障预测问题,提出了一种基于综合环境加速退化试验(ADT)和粒子滤波的故障预测新方法。首先,不同于传统的ADT方案,仅以单个样本为试验对象,采用步进加速的思想,将性能退化理论拓展为加速性能退化理论(APDT),建立基于电子设备寿命退化速度的加速寿命退化模型。其次,为克服环境应力等测试不确定性因素对预测精度的影响,定义了电子设备退化度的概念,将寿命预测的不确定性问题转化为设备退化度最优估计问题,利用改进粒子滤波算法求解出电子产品动态退化的最优估计值,进而实现设备的全寿命评估。最后,实例说明该方法可行、有效,并大大提高了试验的效费比。     

基于导波原位检测的复合材料疲劳表征与寿命预测研究

随着复合材料在先进飞行器结构中占比的逐渐增加,复合材料在服役过程中力学性能的变化对飞行器整体的安全至关重要。为了实现基于导波原位检测的飞行器复合材料整体部件疲劳评估和寿命预测,首先,从宏观和细观的角度研究复合材料疲劳损伤演化规律;在此基础上,通过分析导波波场信息,探究导波相速度、模态能量比等特征在表征复合材料疲劳方面的潜力;其次,从复合材料损伤机理出发,建立导波相速度与疲劳损伤累积的演化模型;然后,构建深度学习框架,以数据驱动的方式从导波波场中提取疲劳演化特征;最后,提 出基于贝叶斯模型平均方法的疲劳演化模型,对复合材料剩余疲劳寿命进行预测。结果表明：通过提取和分析导波特征信息,可以准确地对复合材料疲劳状态进行表征,结合贝叶斯模型平均方法和置信区间准则,实现了在试件疲劳破坏之前的剩余寿命预测。     

固体火箭发动机装药贮存寿命预测方法

针对固体火箭发动机装药贮存寿命预估的难题,开展了固体火箭发动机贮存可靠性、装药老化性能、药柱结构完整性分析等几个方面的研究,建立了GM-RBF网络模型、基于修正Ar-rhenius的交变温度预测模型、基于加速老化和结构完整性分析的装药贮存寿命预估模型,从不同角度来对装药贮存寿命进行组合预测.在此基础上,设计和开发了预测系统,通过实验数据和仿真分析,得到实例的装药贮存寿命区间为10.5～13.2y.研究表明:这种组合预测的方法避免了单一算法的局限性,提高了预测精度.