性能退化

摘要： 针对传统LSTM方法不能合理利用在线数据的问题,提出了参数实时更新的改进LSTM方法并建立了有效的退化趋势预测模型。首先,依据获取的历史资料离线生成LSTM预测模型;然后,在采集在线观测数据时用已有模型前向计算方式得到预测值;最后,将新增的观测数据做为前一个采样阶段时刻的真实值,将预测值与真实值之间的偏差累积到一个整体的误差中并使用误差最小化计算方法不断地修正和更新模型参数。试验结果表明,改进LSTM方法可以准确、高效地对小样本数据的轴承退化趋势进行预测,预测准确度和模型训练时间比传统的BPNN,SVR,LSTM方法更具优越性。

摘要： 铁路继电器性能优劣直接影响铁路系统的正常运行。为分析铁路继电器长期动作造成的性能退化,研究一种融合继电器机械参数和电参数的方法来综合反映继电器性能状态。利用熵权法分析继电器性能参数所含退化信息量,客观确定参数基础权重。根据性能参数退化特征,引入考虑关键参数优化差异的劣化参数凸显因子和异常趋势惩罚因子,对基础权重进行优化调整,获得自适应可变权重,确定能够综合反映继电器机电性能退化的融合参数。分析结果表明:采用自适应可变权重可以有效融合继电器机械参数和电参数;对融合参数及多维性能参数进行预测,能够确定继电器的寿命及失效机理。

摘要： 结合具体城市既有建筑实际情况分析该城市既有建筑存在的各类安全问题,分析了导致既有建筑安全性能退化的核心因素,提出了根据模型进行建筑物安全风险评估分析方法,并在此基础上提出针对既有建筑安全管理的相关建议。

摘要： 为评估在地震等强冲击载荷作用下工业货架横梁与立柱挂齿式连接梁柱节点的性能退化情况,基于低周反复加载试验,建立钢结构货架梁柱节点恢复力仿真模型,以滞回耗能能力和延性系数为指标,对梁柱节点的退化性能进行数值分析。结果表明,连接形式对节点的抗震性能影响最为明显,其次是挂片焊接位置、厚度和安装间隙。

摘要： 在对轴承损伤进行量化评估时,在特征提取算法方面易出现模态混叠、收敛速度慢的现象,同时在轴承损伤的评估指标方面,由于工况的变化也容易导致其鲁棒性差、精确度不高,而难以满足实际的需求,针对上述一系列问题,提出了一种以改进的自适应局部迭代滤波(ALIF)算法作为性能退化特性提取算法,以频带间能量JRD距离作为评估指标的轴承损伤量化评估算法。为了提高AILF算法的收敛速度和精度,首先,将具有主成分分析(PCA)特性的奇异值分解(SVD)算法作为AILF算法的前置滤波单元;然后,采用AILF将通过前置处理的信号进行自适应迭代分解;最后,以频带间能量的JRD距离作为评估指标,对轴承的损伤状态进行了量化评估实验以及加速寿命实验。研究结果表明:在量化评估轴承损伤和监测其全寿命性能退化状态方面,该评估算法具有较好的效果;在外界工况发生变化时,与其它的相关算法相比,该量化评估算法具有更好的鲁棒性和量化积聚性,能够更加灵敏地辨识轴承的早期性能退化,因此,该算法在工程实际中具有良好的应用前景。

摘要： 为准确评估细纱机性能指标的退化过程,引入敏感度、相关度、重要度三个判断标准,对细纱机的性能退化参数进行了量化评估;采用Wiener过程对细纱机性能退化过程进行建模,Weibull分布预测细纱机性能突发失效过程,Copula函数构建面向细纱机性能突发失效与退化失效的相依竞争失效模型,Gibbs算法进行模型的参数估计。实验结果表明构建的退化模型对综合退化指标的拟合程度达到了94.57%,有利于细纱机性能的可靠性评估。

摘要： 该文针对目前联合作战数据工程的建设不断推进,为共享作战数据建设成果,推进装备维修保障的能力和效率,借助近期大数据技术的发展优势,阐述实现基于数据驱动的剩余寿命预测的优势和可行性。系统总结了目前剩余寿命预测主要方法和适用条件,重点介绍了基于数据驱动的剩余寿命预测一般技术框架图和系统组成,论述了利用多源数据实现基于数据驱动的剩余寿命预测的一般过程,提出了未来装备剩余寿命预测的发展期望。

摘要： 剩余寿命(RUL)预测是当前设备健康管理技术研究的核心。在现有的剩余寿命预测方法中,半随机滤波方法具有能够充分利用历史监测信息的优势,因而得到了广泛应用。然而,在现有的基于半随机滤波的剩余寿命预测研究中,半随机滤波模型需要的初始寿命分布主要依赖数据拟合的方法获得,没有充分利用寿命数据和设备退化的先验知识。为解决该问题,提出了一种考虑设备退化先验知识的基于半随机滤波的线性随机退化设备剩余寿命预测方法。该方法依据线性随机退化设备的退化失效特点,采用逆高斯分布描述设备的寿命分布,利用半随机滤波技术预测设备的剩余寿命,其中,模型参数基于历史监测数据通过极大似然方法估计得到。最后,基于疲劳裂纹增长数据进行了验证,结果表明,所提方法能够有效提高剩余寿命预测精度。

摘要： 为解决在役状态监测系统采用常规固定阈值报警方法难以追踪旋转机械性能退化发生和发展的问题,应用振动监测原始数据和实时监测原始数据构建了数据驱动的旋转设备性能退化趋势预测模型,提出一种基于谱距离指标运行可靠性曲线l_(1)趋势滤波的旋转设备性能退化趋势预测方法。应用美国辛辛那提智能维修信息系统(IMS)中心轴承实验数据和中国某石化公司离心压缩机转子不平衡故障案例数据验证了所构建的旋转设备性能退化预测模型。结果表明,数据驱动的旋转设备性能退化预测模型只需要运行正常状态振动原始数据,无需依赖外部专家先验知识,能够准确预测和追踪旋转设备性能退化趋势的发生和发展。

摘要： 随着航空、风电等装备对齿轮传动功率密度、承载能力、寿命要求的提高,齿轮接触疲劳失效成为限制现代齿轮装备服役性能与可靠性的重要瓶颈,其中,材料的微观结构特征从根本上决定了齿轮等服役件疲劳性能的优劣。通过调研国内外相关研究现状,介绍了齿轮材料中残余奥氏体、碳化物、晶粒等主要微观结构及其对齿轮接触疲劳性能的影响。归纳了现有基于微观结构建模和微结构力学本构模型的齿轮疲劳数值模拟方法,用来描述齿轮接触疲劳中的微结构力学行为,以提升对齿轮疲劳关键特征和机理的理解。重点对齿轮存在的多种接触疲劳失效形式进行了详细阐述,分析了影响齿轮接触疲劳失效的主导因素、诱发的微观结构与力学性能变化特征以及潜在机理。为进一步理解齿轮服役过程中的微观结构演化特征与力学性能退化的关联关系以及接触疲劳失效内在机理、形成高性能齿轮抗疲劳设计制造方法提供了参考。

摘要： 针对机械装备退化过程中微弱故障特征难以提取和单一统计特征难以准确描述退化过程动态特性的问题,提出一种基于SDAE-CHSMM的轴承性能退化评估方法.该方法充分利用堆叠降噪自编码网络(SDAE)对数据进行压缩表示的特性,并结合连续隐半马尔可夫模型(CHSMM)模型较优的模式识别能力,首先通过前向无监督学习训练SDAE网络,并用少量带标签样本进行微调后提取样本的低维特征表示,然后选取正常样本的低维特征表示训练CHSMM模型,最后将待测原始信号直接输入训练好的SDAE-CHSMM模型,实现轴承的状态监测与退化评估.数据分析表明,所提基于SDAE-CHSMM的滚动轴承性能退化评估方法能够准确评估轴承的退化状态.

摘要： 针对传统可靠性分析中的高可靠性、长寿命、实验经费高、周期长等评估难题,提出了基于装备运行过程中性能参数退化过程数据的装备的可靠性评估方法,研究了小样本条件下,基于Bayes方法修正退化轨迹模型参数的单性能参数的可靠性评估.最后,利用柴油机性能退化数据进行了可靠性评估验证.该研究旨在解决基于性能退化数据的可靠性评估问题,为机械设备的可靠性评估提供了一套有效的方法.

摘要： 滚动轴承广泛应用于机械设备中,对其性能退化评估有利于更好地掌握其实际运行状态、避免事故发生.退化评估的关键在于构建合适的退化指标体系.传统的指标提取往往只对某一信号片段进行处理,忽略了信号整体之间的联系,且对退化过程本身考虑较少,构建的退化指标体系适用性不强.从轴承损伤累积的角度进行考虑,提出了一种基于逐次叠加原理的累积变换方法.首先对原始特征进行累积变换,实现挖掘数据整体信息的目的.然后,通过主成分分析对累积特征进行融合,构建退化指标体系.最后通过实验验证了所提指标体系能够全面清晰地表征轴承退化过程.

摘要： 随着设备智能化程度和可靠性要求的不断提升,设备状态监测的研究热点逐减向性能预测领域转移.其中,基于机器学习的预测算法不需要大量的专家知识和先验经验,且简便易操作,得到了许多学者的关注.然而,基于机器学习的算法大多具有一个共性的缺点:当测试数据与训练数据的采样通道、位置或测试样本发生改变后,之前所建立的模型往往不再适用,即模型对输入数据的鲁棒性差.因此,本文对基于隐马尔可夫模型的滚动轴承性能退化评估方法进行改进,提出去通道干扰算法,有效削弱通道对数据的干扰,提高基于隐马尔可夫模型的滚动轴承性能退化评估方法的鲁棒性.试验结果验证了所提出算法的有效性.

摘要： 通过开展0.18μm工艺制造的PPD CMOS图像传感器60C0γ射线电离总剂量辐照效应实验,得出了PPD CMOS图像传感器的时域、空域和光谱类参数随总剂量增大的退化规律,分析了总剂量效应诱发PPD CMOS图像传感器暗电流、随机噪声、暗信号不均匀性(DSNU)、光响应不均匀性(PRNU)、系统总增益、饱和输出、信噪比(SNR)、动态范围(DR)、量子效率(QE)、光响应度(R)等辐射敏感参数退化的实验规律,揭示了总剂量诱发PPD CMOS图像传感器性能退化的损伤机理,为开展CMOS图像传感器抗电离辐射加固和损伤评估技术研究提供了理论和实验技术支持.

摘要： 滤波连接器是一种自带滤波网络,能将耦合的高频电磁骚扰滤除,具有良好电磁兼容性能的通信连接器.本文参考国家军用标准,运用CST仿真软件,设计一款C型低通滤波连接器,从"路"和"场"的角度深度剖析滤波结构对高频信号带外抑制的机理.基于理论分析,设计并实施一系列加速应力试验,在不同腐蚀环境、高温加速的恶劣条件下,通过信号分析仪测量输出信号频谱,得到了其滤波性能随温度、腐蚀程度而变化的规律.对输出信号频谱进行多项式拟合,求出并分析不同条件下滤波连接器的系统传递函数,得到滤波连接器失效因素与滤波性能退化的关系.

摘要： 对于高可靠性、长寿命以及试验经费高,周期长的设备而言,基于性能退化的可靠性评估相比传统的基于二元失效数据(正常和故障)的可靠性理论具有更大的实际意义.本项目系统深入地研究了基于性能退化数据的可靠性评估方法,利用装备性能退化数据来识别部件性能退化过程,综合考虑了多参数性能退化数据的信息融合方法和可靠性指标趋势预估方法,提出了基于支持向量数据描述(Support Vector Data Description,SVDD)的多性能参数退化数据的信息融合方法,并利用了支持向量回归(Support Vector Regression,SVR)算法预测SVDD距离的变化趋势,建立了装备失效与性能退化之间的数学模型,融合了装备历史信息和实时数据信息,构造了基于SVDD-SVR-Bayes(贝叶斯)技术的综合性能指标分布参数的实时更新模型,最后通过实车数据实现了某型装甲车辆机械系统的可靠性预估.本项目的研究解决了极少失效下装备的实时可靠性评估问题,为装备关键系统的故障预测及健康管理提供了技术支撑.

摘要： 通常,机械设备在完全失效前要经过一系列不同的性能退化状态.如果能够在设备性能退化过程中监测到其性能退化的程度,就可以有针对性的制定设备维护计划,防止设备故障的突然发生.设备性能退化评估正是基于以上思想提出的一种主动设备维护的技术.隐马尔科夫模型(HMM)作为一种重要的模式识别和分类方法,在机械设备状态监测和故障诊断领域应用比较活跃.本课题旨在研究新型的HMM在性能退化评估与预测中的应用.提出基于频带熵的滚动轴承特征频率提取方法。当轴承存在点蚀故障时，主要的能量成分都集中在高频共振频带，并且包含了被调制到该频带内的各个特征频率成分。基于该理论，Antoni等提出了基于谱峭度的包络解调方法来解决该问题。结合信息熵和振动信号的时频分布特点，提出了一种基于频带熵(Frequency band entropy,FBE)的包络解调方法，利用轴承共振频率处频带熵较小的特点来设计自适应滤波器相关参数并求取包络谱。实验数据验证经过基于频带熵的滚动轴承特征频率提取可以有效表征轴承的故障特征。另外，滤波后的信号也可以更好的应用于轴承的故障诊断和性能退化评估。提出基于耦合隐马尔科夫模型的多通道信息融合轴承故障诊断与性能退化评估方法。耦合HMM(Coupled HMM,CHMM)是一种由两个或多个HMM链组成的，各个HMM链的状态变量相互关联的概率统计模型。CHMM不但保留了HMM的数学结构和概率推理能力，而且在此利用多通道状态间的相互依赖关系建立起了各个通道间的因果关系和影响，因此非常适合用于对多通道数据进行信息融合。提出基于SOA的故障诊断与性能退化评估系统架构。使用Web服务和WCF编程模型对该系统架构进行了验证和实现，并应用到某鼓风机的状态监测与故障诊断。

摘要： 在动态的复杂环境中,系统的故障通常由多组件退化导致,但多组件间存在的相互影响往往是被忽略的,因为组件间的相关性通常是模糊的,难以描述的.本文通过使用动态贝叶斯网络(DBN)考虑组件间的相互依赖性,通过将退化过程划分退化等级来建立相关性模型,为系统提供剩余使用寿命(RUL)估计方法.根据理论物理模型,建立了相同组件间的相互作用模型,解决了数据不足的问题.通过整合这些退化过程模型来建立RUL估计模型.RUL值是通过使用性能的故障阈值计算从检测点和预测的故障点之间的时间差获得的.

摘要： 过载继电器作为实现异步电动机保护的一类重要的低压电器产品,其保护的可靠性对于电动机的安全运行至关重要,热双金属片作为过载继电器的核心元件,在使用过程中其性能会不断退化,影响过载继电器的可靠性.本文在阐述了过载继电器保护机理的基础上,采用ANSYS软件进行仿真,分析热双系统属性等参数对过载继电器性能的影响,找出体现性能变化的关键参数.通过实验,寻求性能真实变化情况,并验证了仿真的正确性,研究了在变化过程中关键参数数值改变方法和趋势,利用ANSYS软件对双金属片上实际的温度变化和动作时间变化情况进行了仿真追踪,起到了提前预警的作用.

摘要： 交流阻抗计(200)测量燃料电池(100)对至少特定频率的交流阻抗。传感器组(300)检测燃料电池(100)的至少一个运行状态。检测单元(400)将对应于检测到的运行状态的退化参考值与从测量到的交流阻抗导出的电阻值进行比较，且基于比较结果检测燃料电池(100)内的性能退化。此布置使得能与燃料电池的运行状态的变化无关地容易检测燃料电池内的性能退化。

摘要： 交流阻抗计(200)测量燃料电池(100)对至少特定频率的交流阻抗。传感器组(300)检测燃料电池(100)的至少一个运行状态。检测单元(400)将对应于检测到的运行状态的退化参考值与从测量到的交流阻抗导出的电阻值进行比较，且基于比较结果检测燃料电池(100)内的性能退化。此布置使得能与燃料电池的运行状态的变化无关地容易检测燃料电池内的性能退化。

摘要： 本发明提供了一种基于稀疏退化建模的设备性能退化评估方法及系统，包括：以固定的时间间隔采集振动信号的方式，收集设备全寿命周期的时域振动数据；将全寿命周期过程中所采集的振动数据序列转化为平方包络谱幅值；基于平方包络谱幅值融合的全寿命周期健康指数；基于全寿命周期振动数据的平方包络谱幅值矩阵，构建一种稀疏退化凸优化模型自动确定平方包络谱幅值的权重；根据构建的稀疏退化凸优化模型求解平方包络谱幅值的权重；根据全寿命周期健康指数定义计算HI，对设备全寿命周期进行早期故障检测和单调退化评估。本发明通过采用平方包络谱幅值融合的方法，来构造全寿命健康指数，解决设备全寿命周期早期故障检测和单调退化评估的问题。

摘要： 本发明公开了一种基于机器学习的性能退化后涡轮叶尖间隙快速预估与调控方法。涡轮叶尖间隙与航空发动机性能、安全性、寿命等息息相关，需对多工况下叶尖间隙进行预估与调控。目前常用方法无法兼顾计算精度与效率，难以满足叶尖间隙工程计算需求。本发明基于航空发动机涡轮部件数值仿真获得的二维叶尖间隙数据库，采用机器学习的方法，建立了发动机使用时间、涡轮热力学边界条件与叶尖间隙之间的映射关系，构建了涡轮叶尖间隙快速预估模型，能够在毫秒级时间内获得高精度的叶尖间隙。基于此快速预估模型，针对性能退化对叶尖间隙的影响，发展了叶尖间隙快速调控方法，能够评估不同冷却策略对叶尖间隙的影响，快速恢复叶尖间隙。

摘要： 本发明属于盾构隧道耐久性试验技术领域，公开了一种用于盾构隧道管片性能退化机理研究的实验装置和方法，实验装置包括底座、盖板、土压加载组件、水箱和恒定电流仪，弧形管片凹弧朝下设于底座的滑轨上，一端与滑轨铰接，另一端滑动连接滑轨；盖板为一端开口的壳结构，盖板活动连接于底座上的支架，盖板的开口端罩设在弧形管片表面密封以形成加压仓；土压加载组件向弧形管片加载模拟土压，水箱为加压仓提供氯化钠溶液，恒定电流仪正极连接弧形管片的受力主筋，负极设于加压仓内。本发明可以在弧形管片受到土压力、高水压和离子侵蚀的环境中进行耐久性试验，便于研究盾构隧道管片性能退化机理和盾构隧道衬砌结构服役期受力性能演变规律。

摘要： 一种基于运行参数的离心风机性能退化评估方法及系统，包括以下步骤：步骤1，获取离心风机初期投入使用期间连续T天的运行数据作为性能基准数据；步骤2，获取离心风机按步骤一选取的一对关联参数近期同等连续T天的运行数据作为性能评估数据；步骤3，计算性能基准数据集以及性能评估数据集的二维离散分布矩阵；步骤4，对各矩阵区间的重叠值加权得到性能评估得分；步骤5，根据性能评估得分判断离心风机性能是否出现退化。本发明基于风机运行参数主要是性能参数，采用二维离散分布重叠分析计算性能评分，原理清晰明了且性能评分结果具备可解释性。弥补了目前离心风机性能退化分析方法缺失的问题，且解决了风机性能退化分析的技术难点。

摘要： 本申请提出了一种基于组合特征的设备性能退化状态的评估方法及系统，该方法包括：采集新能源系统中至少一个设备的评估数据；通过小波包分解WPD对评估数据进行分解，并重新构建对应的小波数据；根据每个小波数据的能量计算每个小波数据的熵，并通过经验模态分解EMD对每个小波数据的熵进行分解和转化，提取出评估数据对应的组合特征向量；将所述组合特征向量输入至训练完成的自组织映射网络SOM，计算健康评估指标；构建剩余使用寿命RUL模型，通过RUL模型根据健康评估曲线预测设备的剩余使用时间。该方法可以有效识别设备的当前的退化阶段，准确反映出设备当前的健康状态，便于提前进行预警，降低了维护成本，提高设备的安全性。

摘要： 本发明涉及滚动轴承性能评估领域，具体涉及一种基于DBN‑SVDD的滚动轴承性能退化评估方法，其特征在于，包括步骤：(1)提取特征：获取正常状态下的滚动轴承振动信号数据，对所获取的振动信号进行FFT和归一化处理，将所得到的数据作为训练样本建立DBN特征提取模型，获得特征向量；(2)建立模型：用DBN模型中DBN无监督预训练部分提取出的正常状态下的特征向量作为训练样本建立SVDD评估模型，并获得滚动轴承的性能退化指标；(3)实时评估：把将同一滚动轴承的未知振动信号输入上述训练建立完成的模型中，得到性能退化指标，描绘出滚动轴承的性能退化曲线。

摘要： 本发明提供一种基于数据驱动的压气机性能退化预测算法，包括：S1、建立压气机性能变化评估模型；S11、采集电厂数据；S12、将压气机的效率和流动能力作为压气机性能变化评估的指标；S13、建立压气机的热力学模型；S14、通过所述热力学模型对压气机关键部件的效率和流动能力进行计算，得到理论上的效率和流动能力；S21、建立深度神经网络；S22、引入循环循环神经网络和长短期记忆网络对深度神经网络进行优化，得到性能退化预测神经网络。本发明通过分析和处理压气机运行产生的大量数据，挖掘大数据与性能变化之间的隐藏关系来建立更为准确的压气机性能分析模型，可使得仿真试验更加接近真实机组的实际运行，模型具有更强的工程实用价值。

摘要： 本发明提出了一种滚动轴承性能退化特征提取方法及系统，分别基于不同Q因子的可调小波变换，对滚动轴承振动信号进行分解，得到不同Q因子下各频带的小波变换系数；计算每个Q因子的Shannon熵，确定Shannon熵最小的为最优Q因子；根据最优Q因子下各频带的小波变换系数，采用分裂增广拉格朗日搜索算法，确定最优Q因子的最优小波变换系数；根据最优Q因子的最优小波变换系数计算滚动轴承振动信号的稀疏表示结果；按照排列熵算法，计算所述稀疏表示结果对应的排列熵值；根据所述排列熵值，确定能够反映滚动轴承性能状态变化的排列熵曲线。