检索结果-南通市图书馆

作者：董亮北京邮电大学

学位级别：硕士

随着技术进步,智能制造迅速发展为制造业的核心内容。数控机床作为制造业的“工业母机”,刀具作为关键执行部件,在工业加工过程中至关重要,刀具的磨损状态和剩余寿命直接影响加工品质和加工效率。因此,实现刀具磨损状态监测和寿命预测... 详细信息

随着技术进步,智能制造迅速发展为制造业的核心内容。数控机床作为制造业的“工业母机”,刀具作为关键执行部件,在工业加工过程中至关重要,刀具的磨损状态和剩余寿命直接影响加工品质和加工效率。因此,实现刀具磨损状态监测和寿命预测对于提高加工效率与加工质量具有重要意义。本文以铣床刀具为研究对象,分析铣刀磨损退化的机理,结合先进的深度学习理论,为铣刀磨损状态监测与寿命预测提供了新的方案。本文基于PHM2010铣刀数据集展开研究。首先,预处理刀具原始信号数据,原始数据采集频率高,导致信号数据长度长、规模大,信息冗余,所以需要降维重采样预处理。分析已有超长时序数据预处理技术的优劣,对原始时序数据等距重采样,通过专家经验法,在刀具磨损状态监测与寿命预测的具体应用场景下,确定不同的重采样频率,完成对原始数据的降维预处理。其次,探讨铣刀磨损状态监测与寿命预测算法,在已有的深度学习技术的基础上,针对于刀具磨损状态监测,提出了 CaAt-Resnet-1d算法,残差网络中引入通道注意力机制,并由一维卷积神经网络重新设计;针对于刀具寿命的预测,提出了 MAG-AE算法,采用编码-解码的模型架构,编码器包含多组卷积神经网络,解码器包括多头注意力机制和GRU循环神经网络,并且新定义一个单调性损失函数。最后,完成实验评估与分析。对预处理后的信号数据根据不同的任务重构为多组数据集;铣刀磨损状态监测评估实验中,与LSTM、Gated-Transformer等模型比较,其Accuracy评估指标达到了 89.27%,超出第二名约3%,结果证明所提模型实现了性能提升;铣刀寿命预测评估实验中,与GRU、DCNN等模型比较,其MSE与MAE达到了 65.25、9.55,分别比第二名提升约18、1,并分析预测曲线,证明了所提出模型与新定义的单调性损失函数均实现性能提升。

关键词：深度学习铣床刀具磨损状态监测剩余寿命预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于QAR的航空发动机性能发展预测研究

基于QAR的航空发动机性能发展预测研究

作者：王冉中国民航大学

学位级别：硕士

航空发动机是飞机的心脏,其健康状态对飞行安全性和维修经济性有重大影响。目前航空公司普遍依赖国外发动机制造商(OEM)的基于ACARS报文数据的发动机健康管理系统,存在使用成本高、数据分析方面拓展功能受限等问题。而基于QAR数据自主... 详细信息

航空发动机是飞机的心脏,其健康状态对飞行安全性和维修经济性有重大影响。目前航空公司普遍依赖国外发动机制造商(OEM)的基于ACARS报文数据的发动机健康管理系统,存在使用成本高、数据分析方面拓展功能受限等问题。而基于QAR数据自主开发发动机PHM技术可以一定程度解决上述问题,因此,本文基于QAR数据研究发动机的状态监控与预测算法,可用于提前预知发动机健康状态和剩余寿命。发动机基线模型是发动机性能衰退状态预测的基础,为了减少对OEM状态监控系统的依赖和充分开发QAR数据用于发动机状态监控,本文以QAR数据替代ACARS数据,结合偏差趋势图数据,采用支持向量机方法对发动机基线模型进行了挖掘,为求取发动机气路监控参数偏差值提供了基础。为了提前发现发动机未来的超限状态和预估剩余寿命,利用发动机气路监控参数偏差值建立了发动机性能衰退状态预测模型。根据预测的目的和时间跨度不同,模型包括发动机性能监控参数的短期预测和发动机剩余寿命区间长期预测。针对短期预测的现存问题,提出了基于滑动时窗策略的自适应GASVM在线预测模型,通过与传统基于SVM的时间序列预测方法对比表明改进的预测方法不仅动态适应性好且预测精度有显著提升。针对航空公司普遍采用的基于机队EGT衰退率预测发动机剩余寿命方法预测精度不高的问题,提出了基于模糊信息粒化的发动机寿命区间预测,结果表明该方法能够很好地反映剩余寿命变化的整体趋势和范围。针对发动机性能异常检测存在检测效率不高或故障数据获取困难的问题,本文基于QAR数据对发动机的故障检测进行了相关研究,提出了基于DBSCAN的无监督聚类的发动机异常检测方法,利用该方法可成功检测出异常发动机,从而解决了超限异常检测技术效率低和有监督学习检测方法异常样本少的问题。

关键词： QAR数据发动机基线时间序列预测剩余寿命预测异常检测

城轨列车轴箱轴承故障预测与健康管理关键技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

城轨列车轴箱轴承故障预测与健康管理关键技术研究

作者：钟槭畑北京交通大学

学位级别：硕士

我国城市轨道交通不断发展,其安全保障问题和降本增效问题引发了广泛关注。列车是城轨运输的载体,其安全隐患可能导致严重事故。轴箱轴承是列车走行部的关键部件,同时也是故障多发部件,为确保列车安全运行的过度检修导致其维护成本高昂... 详细信息

我国城市轨道交通不断发展,其安全保障问题和降本增效问题引发了广泛关注。列车是城轨运输的载体,其安全隐患可能导致严重事故。轴箱轴承是列车走行部的关键部件,同时也是故障多发部件,为确保列车安全运行的过度检修导致其维护成本高昂。故障预测与健康管理(Prognostics and Health Management,PHM)在保障设备与人员安全和降低维护成本方面具有重要的研究意义和价值,而基于振动信号处理的方法近些年来成为了轴承PHM技术的研究热点,其主要包括健康状态监测、故障诊断和剩余寿命(Remaining Useful Life,RUL)预测3个方面的重要内容。因此,本文以城轨列车轴箱轴承为研究对象,对基于振动信号的列车轴箱轴承健康状态监测、故障诊断和RUL预测方法进行研究,主要工作如下:(1)针对健康状态监测面临的频域特征提取和特征指标选择问题,提出基于概率分布距离和频域特征加权的健康指标构建方法。采用滤波器组对频域信号进行分解得到多个子频段特征,然后利用概率分布度量量化表征子频段统计特征,最后以单调性和趋势性为准则对子频段特征进行加权构建健康指标。利用实验数据和现场数据验证了所提指标比传统指标在单调性和趋势性方面有明显提高。(2)针对故障诊断面临的信号多源混叠和故障自主识别问题,提出基于基尼系数图(Ginigram)和循环谐波中值比的故障自主识别方法。首先采用基尼系数替代峭度与1/3二叉树滤波器组结合形成Ginigram,然后构建循环谐波中值比以量化轴承不同部件的故障特征,最后基于3sigma法则计算检测阈值实现故障自主识别。利用实验数据和现场数据验证了所提方法比现有方法在最优滤波频段选取和故障自主识别方面更有效。(3)针对3sigma法则需要历史数据计算阈值的问题,提出基于故障诱导的包络谱和移动超过阈值的极值方法。首先基于谱相干针对不同部件故障特征进行积分构建故障诱导的包络谱,然后基于故障特征的厚尾统计特征和频率相关性提出移动超过阈值的极值方法计算检测阈值,在无需任何历史数据的条件下实现故障自主识别。利用实验数据和现场数据验证了所提方法相比现有方法更准确。(4)针对RUL预测面临的退化阶段划分和最优预测模型选取问题,提出基于多阶段自适应退化模型的RUL预测方法。首先基于健康指标测量值和预测值的残差,利用统计过程控制方法划分退化阶段,然后构建具有5种基础退化模型的广义预测模型,最后根据赤池信息量准则选择最佳模型预测RUL。利用实验数据和现场数据验证了所提方法能够准确划分退化阶段且相比单一模型预测准确性更高。

关键词：城轨列车轴箱轴承故障预测与健康管理振动信号处理健康状态监测故障诊断剩余寿命预测

基于数据驱动的旋转机械故障检测及性能退化预测技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于数据驱动的旋转机械故障检测及性能退化预测技术研究

作者：吴超江苏科技大学

学位级别：硕士

轴承以及齿轮等作为旋转机械中的关键基础零件,被广泛应用在船舶、石化、电力、冶金等关键领域,其性能、寿命和可靠性对整个旋转机械系统的安全稳定运转起着决定性的作用。随着信号检测与处理技术、计算机技术的快速发展,现代设备的状... 详细信息

轴承以及齿轮等作为旋转机械中的关键基础零件,被广泛应用在船舶、石化、电力、冶金等关键领域,其性能、寿命和可靠性对整个旋转机械系统的安全稳定运转起着决定性的作用。随着信号检测与处理技术、计算机技术的快速发展,现代设备的状态监测趋向于多测点、高频采样,往往采集到海量的,同时具备多模态、涌现性等特性的原始数据。基于机器学习的故障诊断及退化预测模型对高质量标签数据具有高度依赖性,使用低质量的数据训练模型往往会出现欠拟合、过拟合等问题,导致故障诊断及性能退化预测精度大幅降低。因此,开展旋转机械早期状态监测信号预处理、高鲁棒性的故障诊断模型、非理想数据下的性能退化预测模型研究具有重要意义。本文以轴承、涡扇发动机等旋转机械关键部件为研究对象,基于无监督学习、深度学习开展数据驱动的信号预处理、故障识别和性能退化预测研究,最后在实验数据以及公开数据集上验证了提出的算法。本文的主要研究内容如下:(1)提出了旋转机械早期状态监测数据预处理方法为克服基于机器学习的诊断及退化预测模型对大量高质量标签样本数据的依赖。首先,设计了基于VALENIAN-PT500振动试验平台的轴承、齿轮故障振动信号采集实验方案;其次,提出了基于移动网格密度的聚类算法(MGBDCN),实现对故障数据的预分类;然后,基于生成对抗网络(GAN)与迁移学习网络实现对小样本故障数据集的扩充;最后,在试验台的故障信号上验证算法的有效性。(2)提出了基于嵌入式融合的收缩堆栈降噪自编码器的故障诊断方法由于故障信号包含强噪声和伴随振动信息,因此,提出了一种在噪声环境下特征识别准确性更高的嵌入式融合的收缩堆栈降噪自编码器(EF-CSDAE)。首先介绍了滚动轴承常见故障形式;其次,在常见的降噪自编码器的损失函数上加入雅各比惩罚矩阵,使获得的收缩堆栈降噪自编码器(CSDAE)具有更高的鲁棒性;最后,将原始信号嵌入深层自编码器网络,构建了EF-CSDAE故障识别模型,在JUST试验台采集的滚动轴承故障数据集以及凯斯西储大学(CWRU)数据集上对模型进行了验证。(3)提出了基于滑动窗口-长短期生成对抗网络的性能退化预测方法为了实现在非理想数据条件下的旋转机械剩余使用寿命(RUL)预测。首先,基于核主成分分析(KPCA)以及局部保持投影(LPP)算法实现性能退化指标的特征约简;其次,通过提出的滑动窗口-长短期生成对抗网络(SW-LSGAN)算法,实现了对非理想信号的RUL预测,并在C-MAPSS涡轮引擎退化数据集上进行验证。(4)开发了基于数据驱动的旋转机械健康管理系统为应对旋转机械实时运转过程中可能出现的故障,且实时掌握设备健康状况,研发了基于数据驱动的旋转机械健康管理系统。首先,介绍本文所开发系统的整体架构;其次,详细阐述了系统主要功能模块的实现及开发流程;最后,在振动试验平台验证了开发系统的实用性。

关键词：数据驱动无监督学习深度学习故障诊断剩余寿命预测

基于深度学习的采煤机关键零部件健康状态预测及评估

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的采煤机关键零部件健康状态预测及评估

作者：王焱太原理工大学

学位级别：硕士

作为综采工作面中非常重要的设备之一,其健康稳定的运行是保障煤矿正常生产的基础,因此如今针对采煤机的健康状态受到越来越多人的关注。在综采工作面工作过程中,受到恶劣环境、高强度的工作量以及维护不及时的影响,采煤机容易发生故障... 详细信息

作为综采工作面中非常重要的设备之一,其健康稳定的运行是保障煤矿正常生产的基础,因此如今针对采煤机的健康状态受到越来越多人的关注。在综采工作面工作过程中,受到恶劣环境、高强度的工作量以及维护不及时的影响,采煤机容易发生故障,这不仅影响了工作效率,对工作人员的生命安全也有威胁。实现采煤机的健康状态预测及评估不仅对工作人员的生命及生产安全有重大意义,而且可以有效的提高综采工作面的维护效率和经济效益。健康状态预测和评估是对采煤机健康管理的关键技术,通过监测采煤机运行状态数据,实现其健康状态预测和评估。现有的采煤机设备虽然可以实时采集到大量设备运行状态的数据,但是结果复杂、工作环境恶劣、各类指标体系较多、状态评估难等问题给研究带来了很大的挑战。同时一些新技术的出现,如神经网络、机器学习、深度学习等,为采煤机健康状态预测和评估带来了新的突破口。以采煤机为研究对象,使用深度学习等方法预测采煤机摇臂齿轮的剩余使用寿命,对采煤机状态数据进行预测以及综采评估采煤机的健康状态。主要研究内容如下:(1)针对滚动轴承振动信号数据,提出了基于注意力机制和时间卷积网络(Temporal Convolution Network,TCN)的轴承剩余寿命预测方法。依据振动信号的数据特性,采用注意力机制强化数据特征;利用TCN建立振动数据与剩余寿命之间对应的关系;通过迁移学习提高模型针对不同设备不同工况的泛化性。实验验证了该方法的有效性。(2)为了更好地监测采煤机的运行情况,建立了双向长短时记忆网络(long short-term memory,LSTM)预测预警模型,分析采煤机运行信息特征;通过在LSTM隐藏层中添加向前结构Bi-LSTM,实现信息双向学习;通过对数据时间序列进行模型分析,实现了对采煤机运行信息的提前预测,对数据设置健康阈值,达到预警的目的。(3)针对采煤机整体健康结构,使用多维数据综合分析对健康状态的相互影响;构建自组织映射聚类网络,科学地分析采煤机多维数据对健康状态的相互影响;分析了采煤机健康状态评估的划分原则,对采煤机健康状态进行了清晰的等级划分,通过矿井采集的数据验证了该方法的有效性。通过深度学习的方法,挖掘采煤机监测信号的深层特征,加深对数据的利用。迁移学习数据特征,增强模型泛化性,克服传统神经网络训练后模型只适用单一工况单一设备分析。多维数据综合分析设备健康状态,有效解决单一数据无法真正反映设备健康状态。为采煤机健康状态预测及评估带了新的突破,对保障煤矿生产安全和提高生产效益具有重要意义。

关键词：采煤机滚动轴承剩余寿命预测时间卷积网络健康状态评估

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

在役油气管道腐蚀失效预测及维修策略研究

在役油气管道腐蚀失效预测及维修策略研究

作者：赵梦旭西安建筑科技大学

学位级别：硕士

油气管道作为我国相关能源的区域调配关键工具,在我国工业化建设中发挥着重要作用。然而,我国油气管道运行时,由于腐蚀产生的泄漏、破裂、穿孔等事故日益频繁,导致了很多不必要群众伤亡和经济损失。为防止此类事件发生,实现应用相关技... 详细信息

油气管道作为我国相关能源的区域调配关键工具,在我国工业化建设中发挥着重要作用。然而,我国油气管道运行时,由于腐蚀产生的泄漏、破裂、穿孔等事故日益频繁,导致了很多不必要群众伤亡和经济损失。为防止此类事件发生,实现应用相关技术方法对油气管道腐蚀失效进行风险评价,制定管道检测维修的相应对策,使其能够安全可靠运行的目标,本文主要进行了以下研究:(1)根据传统灰色系统,构建了尾段残差修正GM(1,1)模型对管道使用寿命进行预测。首先,利用检测到的腐蚀数据记录,依据光滑性和准指数规律性进行数据筛选;其次,对于符合要求数据根据白化方程计算参数值,构建传统灰色系统模型;再次,进行残差修正,构建尾段残差修正的GM(1,1)模型,对管道剩余寿命进行预测;最后,对新建模型进行关联度检验,拟合预测精度有明显提高。(2)通过将灰色系统与Markov理论相结合,建立改进Grey-Markov模型预测管道腐蚀趋势。首先,对获取的检测数据记录进行整理分析,利用灰色方程对在役油气管道的腐蚀深度完成拟合;然后,根据趋势预测值进行状态划分,利用Markov理论建立滑动转移概率矩阵,将腐蚀深度预测转换为概率问题;最后,通过管道状态变化概率对管道所处状态预测,获得其腐蚀发展方向。(3)将在役油气管道的检测时间间隔与Grey-Markov理论进行结合,按照在役油气管道腐蚀趋势,对合理的检测时间进行预测。根据检测得到的实际情况,对管道腐蚀情况等级确定,制定不同的腐蚀维修策略,提出继续使用、降压留用、维修以及报废重建等维修方案,以保证管道安全运行。(4)通过实例对所建模型进行验证,确定其检验精度。对两个不同的油气管道实验段的检测分析,预测出管道的腐蚀趋势,API 5L X52管道第72次正常检测时达到极限状态,拟合相对误差从36.70%下降至3.63%;油库管道预测出接下来4a所处的管道的腐蚀深度相对值状态,将管道腐蚀深度预测精度由92.85%提高到95.04%,且第6年作为该管道下次检测时间。

关键词：油气管道剩余寿命预测灰色理论马尔可夫理论检测维修

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

数据不确定下机械设备的健康预测研究

数据不确定下机械设备的健康预测研究

作者：吴健飞上海理工大学

学位级别：硕士

随着现代化工业技术的提高,许多机械设备正变得越来越复杂。这些机械设备一旦发生故障,不仅会带来严重的经济损失,还会给人身安全造成威胁。诊断机械设备当前所处的健康状态,并预测剩余有效寿命,能够为企业维护策略的制定提供理论依据... 详细信息

随着现代化工业技术的提高,许多机械设备正变得越来越复杂。这些机械设备一旦发生故障,不仅会带来严重的经济损失,还会给人身安全造成威胁。诊断机械设备当前所处的健康状态,并预测剩余有效寿命,能够为企业维护策略的制定提供理论依据。在实际生产中,由于人为因素和噪声、扰动等环境因素导致其健康预测中的样本数据会出现不确定的情况。不确定的样本数据会降低数据挖掘的能力,导致预测结果出现偏差,而可靠的预测结果作为开展机械设备状态维护的关键,在保障企业机械设备的安全性能、制定机械设备维修的计划以及降低维修成本等方面都发挥着重要的作用。在分析了目前机械设备健康预测技术的发展并考虑样本数据不确定的基础上,本文主要做了以下三方面的研究工作:（1）针对样本数据中存在缺失数据的情况,建立分段隐半马尔可夫模型（SHSMM）架构,将SHSMM的模型表达式用参数?描述,并利用EM算法对SHSMM模型的参数进行估计。基于WGM（1,1）模型,提出灰色启发式算法填补监测样本中的缺失数据,将用灰色启发式算法填补好的完整数据样本输入到SHSMM中进行机械设备的健康预测。最后通过案例分析验证所提方法的有效性。（2）针对样本数据中存在异常数据的情况,基于（1）中提出的SHSMM模型,为了最大程度上利用样本数据信息,将样本数据中的异常值当作缺失值处理,设计了一个动态前向后向灰色填充方法。在案例分析中,采用将异常值剔除法和不处理法作为比较对象,验证了动态前向后向灰色填充方法在机械设备的健康预测结果中具有更好性能。（3）针对样本数据中存在不准确数据的情况,基于Dempster-Shafer（DS）证据理论和Markov链建立DS-MM理论框架,并对模型进行推理与学习。建立状态识别框架并用区间数表示不准确的数据,利用区间数之间的距离和相似度作为产生基本概率赋值（BPA）的证据,采用Pignistic概率转换将BPA转化为基础状态的概率分布并进行设备健康预测。最后通过一个应用案例验证所提方法的有效性。以上三个研究内容相互之间联系紧密,样本数据中存在缺失数据、异常数据和不准确数据都会影响机械设备健康预测的结果,因此本文分别考虑了这三个问题并相应地提出了有效的解决方法。

关键词：状态识别分段隐半马尔可夫模型不确定数据剩余寿命预测

基于改进SAE和Bi-LSTM的滚动轴承RUL预测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进SAE和Bi-LSTM的滚动轴承RUL预测方法研究

作者：周月哈尔滨理工大学

学位级别：硕士

滚动轴承作为旋转机械设备的重要组成部件,其运行状态的好坏往往对整台设备的性能产生直接的影响。如果能在滚动轴承失效前,准确地预测出其剩余使用寿命（RUL）,便可及时采取一定的措施对设备进行维护,从而避免造成重大的经济损失、甚... 详细信息

滚动轴承作为旋转机械设备的重要组成部件,其运行状态的好坏往往对整台设备的性能产生直接的影响。如果能在滚动轴承失效前,准确地预测出其剩余使用寿命（RUL）,便可及时采取一定的措施对设备进行维护,从而避免造成重大的经济损失、甚至人员伤亡。基于数据驱动的方法是目前进行滚动轴承RUL预测的主流方法之一。其中,特征提取和RUL预测是数据驱动方法的两个关键步骤。论文以实现滚动轴承RUL预测为目标,分别从特征提取、RUL预测两个方面逐步展开研究。特征提取方面,针对稀疏自动编码器（SAE）采用sigmoid激活函数容易造成梯度消失的问题,用一种新的Tan函数替代原有的sigmoid函数;针对SAE采用KL散度进行稀疏性约束在回归预测方面的局限性,以dropout机制替代KL散度实现网络的稀疏性。利用改进SAE对滚动轴承振动信号进行无监督深层特征自适应提取,无需人工设计标签进行有监督微调,得到具有一定趋势且能表征轴承衰退过程的深层特征。RUL预测方面,针对长短时记忆网络（LSTM）按时间顺序处理序列,仅考虑过去信息而忽略未来信息的问题,提出引入双向长短时记忆网络（Bi-LSTM）作为本文的预测模型。此外,为了得到更好的预测结果,对Bi-LSTM模型的前向传播训练过程和反向传播训练过程分别进行优化。在2个轴承数据集上的实验结果均表明,所提基于改进SAE和Bi-LSTM的滚动轴承RUL预测方法不仅可以提高模型的收敛速度而且具有较低的预测误差。

关键词：滚动轴承稀疏自动编码器深层特征提取双向长短时记忆网络剩余寿命预测

基于动静态参数检测的高速铁路接触网剩余寿命估计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于动静态参数检测的高速铁路接触网剩余寿命估计

作者：刘浅西南交通大学

学位级别：硕士

接触网是牵引供电系统中的重要组成部分,其服役性能的好坏直接对高速铁路运营安全造成影响。接触网属于户外、无备用设备,受外界干扰严重、工作环境恶劣,一旦发生故障,会严重影响高速铁路的正常运营,并可能对人民的生命财产安全造成危... 详细信息

接触网是牵引供电系统中的重要组成部分,其服役性能的好坏直接对高速铁路运营安全造成影响。接触网属于户外、无备用设备,受外界干扰严重、工作环境恶劣,一旦发生故障,会严重影响高速铁路的正常运营,并可能对人民的生命财产安全造成危害。若能准确地识别出当前接触网所处的退化阶段,对其进行剩余寿命预测,就可以有效预估接触网需要进行下一次大规模检修的时间;在发生故障之前,对接触网进行维护与维修,这对于减少甚至杜绝事故的发生具有重要意义。本文以武广高铁、清远至广州北区间中一段实际线路上的接触网为研究对象,以铁科院、现场供电工区采集的该线路上接触网动静态参数为基础,开展了基于混合高斯隐半马尔科夫模型（CHSMM）的接触网系统级退化性能识别与剩余寿命预测研究。首先对接触网系统进行退化状态划分:从动静态参数中提取能表征接触网退化过程的特征值,运用K-means算法与交叉验证算法,确定接触网退化过程中所要经历的退化阶段数,为后文的建模、分析、预测奠定基础。其次利用CHSMM的相关理论建立接触网系统级模型:针对接触网的运行情况与特征值的数据特点,对CHSMM模型中相关参数做出相应的改进,对模型训练、算法下溢、多观测值输入、参数初始化等问题进行了探讨,搭建起接触网系统级性能退化与剩余寿命模型的理论框架。然后结合接触网的特点对剩余寿命预测方法进行改进:针对接触网服役过程中会经历多次不同规模的维修及在两次数据采样之间接触网可能发生多级状态退化的特点,对基于CHSMM的剩余寿命预测算法进行了改进,使之更符合接触网实际情况。最后导入现场实测数据对模型输出结果进行验证:将现场实测数据的特征值导入模型中,对接触网进行退化状态识别与剩余寿命预测,将模型输出的剩余维修时间与现场检修报告相对比,验证了模型的准确性。

关键词：接触网动静态参数隐半马尔科夫模型服役性能退化剩余寿命预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

机场道面评价系统的设计与实现

机场道面评价系统的设计与实现

作者：高国栋北京交通大学

学位级别：硕士

机场道面评价在机场道面管理系统的建立、实施与发展中占据举足轻重的地位。随着我国机场建设的快速推进,道面成本己经成为机场道面规划、设计、施工、运营与修复中极受关注的重要课题。于是,民航部门在对有限资源进行分配决策的时候就... 详细信息

机场道面评价在机场道面管理系统的建立、实施与发展中占据举足轻重的地位。随着我国机场建设的快速推进,道面成本己经成为机场道面规划、设计、施工、运营与修复中极受关注的重要课题。于是,民航部门在对有限资源进行分配决策的时候就更加重视道面的状况评价。本论文针对机场道面的评价进行了全面详细的研究。通过对大量文献资料的查阅、对比、分析,总结了道面使用性能评价的主要方法。于此同时,本文对道面的预测与决策方面也做了一定的工作,总结了一些预测与决策的主要方法流程,并合理地将用于其它领域项目级的决策方案应用到对道面维修养护决策的制定上来,实现了道面养护决策方案制定的模型。在对项目背景知识进行大量分析总结的基础上,利用软件工程学的原理,进行项目的需求分析与设计。在掌握了项目主要功能与性能需求的基础上,认真比较分析了目前主要的两种框架技术—C/S与B/S结构,并以三层式体系结构设计为指导,严格遵循分层与层间松散耦合两个重要思想原则,选择并设计了系统的基本框架。接着利用UML统一建模语言建立了系统的各种视图,包括用例图,时序图等,来进一步描述系统的需求。在需求分析与系统框架设计之后,本文用大量篇幅进行系统的详细设计,包括系统各层次的设计与子系统的详细设计,并且利用UML视图来表达系统的各种设计结果。在系统的详细设计过程中,数据库的设计是本系统设计中的一个非常重要的环节。因为本系统不仅涉及到一些常规的关于道面的一些数据参数,最为关键的是大量复杂的检测数据与评价标准模型数据的分类保存处理问题,还有检测结果数据的相关处理问题。本文在遵循关系数据库设计理论的前提下,基于3NF的设计方法,通过仔细研究分析,最终建立了一个合理的关系数据库,用于存储道面状况信息。使用该数据库可以方便地进行数据的添加、更新、删除和访问等操作。最后,在简单介绍了系统的开发环境及相关技术之后,本文着重介绍了该评价系统主要功能的实现过程。目前,该系统正由民航相关部门测试使用。

关键词：道面管理系统机场道面使用性能道面评价剩余寿命预测方案决策