健康状态评估

摘要： 传统导弹武器装备健康状态评估方法严重依赖设计人员与产品专家的经验与水平,效率低、准确度差。针对导弹的控制系统,提出基于径向基函数(RBF)网络观测器和自组织(SOM)网络的健康状态评估方法。利用基于RBF网络的自适应故障观测器计算输出信号的残差以及不同工作状态下的自适应判别阈值,通过比较残差和阈值实现故障检测;利用基于SOM网络的健康状态评估模型对残差进行聚类分析,通过距离度量实现健康状态评估;通过某型导弹的控制系统案例验证所提方法。结果表明:该方法能够准确地对10个不同的故障模式和10组不同的健康状态进行检测和评估,为维修保障和后勤管理提供有效的技术支撑。

摘要： 为了降低无接触网城轨车辆故障维修成本,提高其运行保障能力,提出一种无接触网城轨车辆牵引传动系统健康状态评估方法。通过邻域粗糙集对无接触网城轨车辆牵引传动系统性能指标进行约简,删除冗余指标,获取指标重要度;结合指标重要度确定元件的判断矩阵并改进层次分析法;提出一种混合逻辑结构模型及计算方法,并与传统层次分析法进行对比。试验结果表明:所提方法能更加准确地评估无接触网城轨车辆牵引传动系统的健康状态,实现无接触网城轨车辆智能运维。

摘要： 柴油发动机在运行过程中,其气门间隙会随其性能状态退化发生改变,为了解决传统的健康状态评估方法健康指标确定困难、权重人为经验依赖性大的问题,提出一种基于深度学习的柴油机气门健康状态评估方法。首先通过小波包分解算法对柴油机缸盖振动信号进行分解,对分解得到的节点信号分别提取常见的14个时域特征和小波包分解信号能量比向量,构建多维综合健康评估指标向量。然后基于一维卷积神经网络(one-dimensional convolutional neural network,1DCNN)构建健康状态评估模型,将得到的健康评估指标向量输入模型中进行训练与健康状态评估。通过柴油机实验台开展气门退化模拟实验验证了该方法的有效性,与传统方法相比解决了健康指标的筛选问题以及人为主观经验带来的影响,并具有更好的健康状态评估效果。

摘要： 考虑到海况对舰船安全航行和任务执行有着重大影响,提出了一种基于多智能体技术的装备健康状态仿真评估方法。在分析舰船装备航行任务的基础上,建立了“任务-装备-维保-环境”装备健康状态模型,针对海洋环境因素对装备性能、维保能力的影响,制定了环境智能体的内部规则和通信机制,可实现不同海况条件下舰船装备的健康状态评估。以某舰船动力系统为例,分别在0级、5级和7级海况下对其巡航任务下的健康状态进行分析与评估,仿真结果表明:相比0级海况,动力系统在5级和7级海况下健康度和任务成功率均有所降低,量化评估结果与专家定性评估结果趋势一致。

摘要： 现阶段随着配电网中分布式电源、储能、电动汽车的逐渐增加,配电网的运行工况变得越来越复杂多变。为了准确地判断配电网实时运行状况及健康状态,及时地发现配电网运行中的缺陷问题并制定合理的安全管控措施,提出一种计及网络结构的配电网健康状态评估方法。首先,基于配电设备运行的电气量和非电气量参数进行配电设备健康指数计算,利用成功流法对同一网络中的配电设备健康指数进行等价简化,评估配电设备层的健康状态。然后,从可靠性、安全性、经济性和环保性四个维度实时监测配电网的运行数据建立指标体系,采用模糊层次分析法和证据理论相结合的方法对运行指标进行分析计算,得到网络结构层的健康指数和健康状态。结合配电设备层健康状态和网络结构层健康状态进行综合评估,从而得到配电网的健康指数,判断配电网所处的健康状态。最后,以某10 kV配电网为例进行算例分析,证明所提出的评估方法的有效性和实用性。

摘要： 针对空调机组健康状态评估中指标信息利用不充分的问题,提出了一种考虑证据相关性的健康状态评估方法。首先,构建了JDFX型空调机组健康状态评估指标体系。其次,依据证据推理理论,给出了考虑证据相关的证据推理规则,构建了JDFX型空调机组健康状态评估模型,以获取空调机组的综合健康水平。最后,通过算例对6套JDFX型空调机组的健康状态进行了评估,给出了健康水平的排序结果。结果表明,相比于传统的层次分析法,所提方法能够更有效地利用健康指标信息和专家知识对空调机组进行健康状态评估,结果更合理可信。

摘要： 工业机器人谐波减速器工况循环往复,仅依靠单一传感器难以刻画其运行状态全貌且会导致健康状态评估结果不确定性高。为此,提出了多传感器信息深度融合的谐波减速器健康状态评估方法。首先对谐波减速器振动信号进行连续小波变换,构造出时频图以描述其运行状态特征;再运用基于小波变换的图像融合方法将多个传感器的时频信息进行融合以全面刻画谐波减速器运行状态。最后利用卷积神经网络对融合后的时频图像进行自动学习获得能准确表征谐波减速器健康状态的深度特征,并通过在卷积神经网络最后添加全连接层实现健康状态评估。通过对不同健康状态以及不同工作节拍下谐波减速器进行健康状态评估试验,证明了所提方法的可行性与有效性,并具有较好的泛化能力和稳健性。

摘要： 轨道交通的日益发展使得人们对车载系统的安全性和可靠性的要求变得越来越高,本文以制动系统为切入点,对列车系统的安全性及可靠性进行优化。根据其组成和故障处理情况,对海量的车载传感器数据和故障数据进行筛选,确定了本文主要分析和处理的明确范围。我们提出了一种用于制动系统故障预测的神经网络模型,在外部排序算法完成对大量数据的处理后,该模型可以根据这些过去的传感器数据预测未来的故障状态。一开始它的效果不是很好,但经过数据增强后,模型的性能得到了显著的改善。该模型基于全连接网络和长短期记忆(long-short-term memory,LSTM)网络,该模型效果优于支持向量回归(support vector regression,SVR),尤其在召回率方面。

摘要： 当前油田用泵存在故障状态与故障判断模糊性大、状态评估指标片面、现场维修指导性不强等问题,针对这些问题,提出了一种基于模糊层次分析法的分析模型方法,并将其用于油田用泵的健康状态评估。首先,将9标度与失效模式影响和关键性分析中的严酷度一一对应,进行了两两比较,建立了判断矩阵,计算了权重向量,并通过一致性检验建立了权重矩阵;其次,根据监测数据计算出劣化度,将其代入隶属度函数中,生成了模糊判断矩阵;并在此基础上利用权重矩阵和劣化度模糊判断矩阵,进行了矩阵相乘运算,得到了健康状态评价矩阵,并按照最大隶属度原则实时评估了设备健康状态;最后,采用该健康状态评估模型,对油田注水系统中使用的柱塞泵进行了健康状态评估实验,以验证该模型的有效性。研究结果表明:该健康状态评估模型在工程中具有良好的实用性和可行性,能很好地实时反映出设备在运行过程中的故障状态,可使设备的维护总成本降低5%~10%,计划维修时间节约20%~50%;该评估模型可为柱塞泵现场维检修提供有效的指导和帮助。

摘要： 针对目前风电机组健康状态无法准确评估的问题,提出一种基于多参数融合和组合赋权的风电机组健康状态评估方法.根据故障频次与时长构建风电机组健康状态评估指标体系,通过将灰色关联分析法的参数层指标客观权重与层次分析法的参数层主观权重对应结合,再与上层指标权重综合,归一化得到组合指标权重,应用高斯函数确定指标对各状态等级的隶属度,采用参数-部件-系统逐层对风电机组开展健康状态评估,选取新疆某风电机组SCADA数据进行验证.结果表明:该方法可在故障发生前得出状态劣化的趋势,对机组早期的故障发出报警,从而达到整机状态预警的目的.

摘要： 动量轮是长寿命卫星姿控系统的关键机电部件,其可靠性是影响卫星寿命的重要因素.为实时有效的掌握其健康状态,本文提出了一种基于神经网络—贝叶斯网络融合的在轨健康状态评估方法.该方法将动量轮的健康状态分为健康、良好、故障3个等级,首先基于动量轮设计数据(关键特性、FMEA)利用贝叶斯网络建立网络拓扑结构;接着利用神经网络对地面测试/试验数据进行训练,学习动量轮关键特性参数与其相关故障模式之间的关联关系,利用已知故障数据及专家经验给出动量轮各层故障模式之间的传递关系;最后基于在轨遥测数据,利用贝叶斯网络对模型进行自动推理,实现动量轮实时在轨健康状态评估.该方法能够为动量轮在轨任务规划、故障处理维护等提供决策支持,具有一定的工程应用意义.

摘要： 针对推进系统健康状态评估中设备权重确定难题,提出了模糊理论与变权理论相结合的权重确定方法.利用模糊理论确定各设备的初始权重,并结合各设备的实际健康状态,采用变权理论对权重值进行适当调整,更加合理地反映系统的运行状况.仿真计算分析表明,所提方法更加合理地反映了系统的实际状态,在工程应用上是科学有效的.

摘要： 健康状态评估(Health-states Evaluation,HSE)是预测与健康管理(Prognostics and Health Management,PHM)系统的核心内容.通过考虑测试输出不可靠属性,本文使用贝叶斯方法建立了系统不可靠测试情况下的HSE推理模型.采用拉格朗日松弛-自适应遗传算法(Lagriange Relaxation and Adaptive Genetic Algorithms,LR-AGA)把HSE问题分解为两层优化问题.在顶层,使用拉格朗日乘子松弛HSE问题的约束,并自适应更新拉格朗日乘子;在底层,使用自适应遗传算法解决每个子问题.同时,为了评估该方法的有效性,构建了HSE的测试性性能参数.最后以某直升机地平仪系统为例,验证了本文所提技术的有效性及可行性.结果表明,本文构建的HSE模型正确描述了系统中健康状态与不可靠测试输出的关联关系,基于LRAGA的模型求解方法收敛速度快,能很好的逼近最优解.HSE的结果能有效触发PHM系统的维修决策机制,对于提高系统可用度,降低系统维修费用,避免由于突发失效造成的灾难性事故具有重要意义.

摘要： 针对液压泵故障检测手段的不完善性、信号获取装置的不稳定性等原因造成的诊断信息不完备性，本文提出一种基于灰靶理论的液压系统健康状态方法。该方法首先利用小波包消噪和Hilbert变换对信号进行预处理，然后提取液压泵故障信号特征，对不同严重程度的液压泵复合故障进行分析，确定信号幅值域特征作为特征向量，最后通过建立标准故障模式，利用靶心度计算确定故障等级。通过实验研究表明，采用灰靶理论对液压泵进行故障程度分级是有效可行的。

摘要： 本发明公开了一种硬壳电池的电池健康状态的评估装置及评估方法，该评估装置，硬壳电池包括硬质壳体和设于硬质壳体内的电芯，测试装置包括：盖板，盖板扣合于硬质壳体的顶部，盖板上设有正极连接柱、负极连接柱和参比电极连接柱，正极连接柱用于与电芯的正极连接，负极连接柱用于与电芯的负极连接，参比电极连接柱与参比电极连接；参比电极，设于电芯内，连接于参比电极连接柱，且与正极和负极电绝缘。本发明在硬壳电池中增加参比电极，制备成三电极，利用三电极检测硬壳电池中正负极的电位，获得不同阶段的正负极的SOC‑OCV曲线，比较不同阶段的SOC‑OCV曲线，判断正负极的衰减程度，从而综合评估硬壳电池的SOH状态。

摘要： 在动作状态评估系统10中，特征推断部142将被检测者的多个关节位置作为多个身体特征点来推断。动作分析部144根据在图像上所推断的规定的关节间的距离与基准长度的比，求出表示被检测者的动作状态的值。基准存储部132将被检测者的身高作为基准长度来存储。动作分析部144基于根据多个身体特征点来决定的相当于被检测者的身高的图像上的距离与身高的比，根据多个身体特征点的图像上的特征点距离来求出表示被检测者的动作状态的值作为用于评估被检测者的动作的值。评估处理部146根据表示动作状态的值对被检测者的动作进行评估。

摘要： 本发明提供了一种强噪声与非周期状态监测的健康状态与可靠性评估方法，针对系统间的异质性问题，通过将一个模型参数松弛为一个Gamma分布的随机变量来描述系统间的异质性，针对监测时刻非周期和噪声环境下退化模型非单调的问题，联合量测方程，提出了一种Gamma状态空间模型以跟踪系统的真实退化路径并估计其剩余使用寿命，构建了一个无迹粒子滤波平滑方法以从有噪声量测值中估计真实退化状态，并采用一种随机期望最大化的方法以估计模型参数。本发明有效的解决了系统之间差异性的问题，实现了对系统真实退化路径的跟踪，从有噪声量测值中估计真实退化状态，实现了对模型参数的估计。

摘要： 一种井场设备健康状态的评估方法、评估装置及存储介质。该井场设备健康状态的评估方法包括：获取待检测设备的待检测部件在至少一个维度的运行参数，至少一个维度包括运行数据维度、环境数据维度和维护数据维度；基于各个维度的运行参数分别获得待检测部件在各个维度的健康状态的评估值，运行数据维度的运行参数包括运行数据，环境数据维度的运行参数包括环境数据，维护数据维度的运行参数包括维护数据；基于待检测部件在各个维度的健康状态的评估值获得待检测部件的健康状态的综合评估值。该评估方法可以实时监测重要部件的运行参数，并根据该运行参数对部件的健康状态进行评估。

摘要： 本发明为一种基于接地线电流分布状态的XLPE电缆健康状态评估方法，本发明中，首先搭建电缆接地线电流测试平台对配电网中运行的XLPE电缆进行接地线电流测试，采集接地线电流信号，然后计算接地线电流的分布比例系数和分布状态系数，最后通过接地线电流分布状态系数对XLPE电缆的健康状态进行评估，为确保配电网中的电缆能够安全运行提供了保障。本发明的有益效果在于，可对采集到的接地线上的电流信号进行快速处理，提高了检测的有效性，同时根据相关判断依据，可及时有效地对XLPE电缆的健康状态进行有效评估，为现场人员开展电缆的维护工作提供了可靠的帮助。

摘要： 本发明公开了一种基于多维状态参数的中低压设备健康状态评估方法，该方法通过获取中低压设备的监测数据中指定的多维状态参数，并采用皮尔逊相关系数法，计算所述多维状态参数中每两个状态参数之间的相关系数；基于模糊层次分析以及根据状态参数之间的相关系数，得到隶属度函数矩阵；根据所述隶属度函数矩阵和相应的权重系数，得到每个子健康状态的评估结果；将每个子健康状态的评估结果作为子证据，以最大概率对应子健康状态作为最终评估结果，采用D‑S证据理论对各个子证据进行融合，得到中低压设备的最终评估结果。因此，本发明通过结合模糊层次分析与D‑S证据理论，能够准确、客观的评估中低压设备健康状态。

摘要： 本发明公开了一种基于多维度SCADA数据评估风电机组健康状态评估方法，针对传统方法对于风电机组健康状态评估所用参数较为单一，导致评估不全面的问题，提取表征机组退化信息的多个特征参数。该方法通过经验Copula函数计算SCADA系统中参数间的互信息，互信息的大小可反映出此参数影响风机性能的程度。将互信息数值大的参数作为健康评估的对象，相比传统方法将风功率曲线作为评估的对象，本发明对于风电机组健康状态的评估更全面、准确。在模型中引入根据风速区间划分工况的方法。并将此方法与核主成分分析结合建立基于自适应KPCA的风电机组健康状态评估模型。本发明诊断结果表明该模型对风电机组健康评估结果优于传统方法的评估结果。

摘要： 本发明公开了一种基于多维状态参数的中低压设备健康状态评估方法，该方法通过获取中低压设备的监测数据中指定的多维状态参数，并采用皮尔逊相关系数法，计算所述多维状态参数中每两个状态参数之间的相关系数；基于模糊层次分析以及根据状态参数之间的相关系数，得到隶属度函数矩阵；根据所述隶属度函数矩阵和相应的权重系数，得到每个子健康状态的评估结果；将每个子健康状态的评估结果作为子证据，以最大概率对应子健康状态作为最终评估结果，采用D‑S证据理论对各个子证据进行融合，得到中低压设备的最终评估结果。因此，本发明通过结合模糊层次分析与D‑S证据理论，能够准确、客观的评估中低压设备健康状态。

摘要： 本发明为一种基于接地线电流分布状态的XLPE电缆健康状态评估方法，本发明中，首先搭建电缆接地线电流测试平台对配电网中运行的XLPE电缆进行接地线电流测试，采集接地线电流信号，然后计算接地线电流的分布比例系数和分布状态系数，最后通过接地线电流分布状态系数对XLPE电缆的健康状态进行评估，为确保配电网中的电缆能够安全运行提供了保障。本发明的有益效果在于，可对采集到的接地线上的电流信号进行快速处理，提高了检测的有效性，同时根据相关判断依据，可及时有效地对XLPE电缆的健康状态进行有效评估，为现场人员开展电缆的维护工作提供了可靠的帮助。

摘要： 本申请提供了一种卫星健康状态评估方法，包括：梳理并建立评估指标体系，将卫星的层级划分为整星级、分系统级、子系统级和部件级；明确各个层级的待评估对象的集合；选择多个待评估的部件级参数，利用单项评估算法根据部件级参数得到单项评估分值，将该单项评估分值作为单项评价指标，根据隶属度函数得到模糊向量，以生成评判矩阵；采用组合赋权法确立每个待评估对象的评价指标的权重值，生成权重值向量；根据单项评价指标和权重值向量，基于树图遍历进行模糊综合评价，以最大归依度准则，得到各层级的待评估对象的健康等级。