检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于维纳过程金属化膜电容器的剩余寿命预测

国防科技大学学报 2011年第4期33卷 146-151页

作者：王小林程志君郭波国防科技大学信息系统与管理学院湖南长沙410073

金属化膜电容器是惯性约束聚变激光装置能源系统最重要的元器件,对个体电容器的剩余寿命进行有效的预测对整个装置的可靠性水平有着重要的影响。为有效地预测个体电容器的剩余寿命,提出了融合单个电容器性能退化数据与先验性能退化数据... 详细信息

金属化膜电容器是惯性约束聚变激光装置能源系统最重要的元器件,对个体电容器的剩余寿命进行有效的预测对整个装置的可靠性水平有着重要的影响。为有效地预测个体电容器的剩余寿命,提出了融合单个电容器性能退化数据与先验性能退化数据信息的预测方法。采用Wiener过程对其性能退化过程进行建模,并根据先验退化数据信息构造参数的先验分布,由Bayes方法融合个体退化数据实现剩余寿命的实时预测,通过一个实例表明了本文的研究意义和实用价值。

关键词：金属化膜电容器维纳过程贝叶斯方法剩余寿命预测

基于全卷积变分自编码网络FCVAE的轴承剩余寿命预测方法

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2020年第19期39卷 13-18,25页

作者：张继冬邹益胜蒋雨良曾大毅西南交通大学机械工程学院成都610031

由于制造工艺、运行环境等的影响,同型号轴承的使用寿命往往存在较大的个体差异性。在轴承剩余寿命预测中,如果从信号中提取的特征的泛化能力不足,将导致模型预测结果稳定性较差。为此,提出一种基于全卷积变分自编码网络(FCVAE)的轴承... 详细信息

由于制造工艺、运行环境等的影响,同型号轴承的使用寿命往往存在较大的个体差异性。在轴承剩余寿命预测中,如果从信号中提取的特征的泛化能力不足,将导致模型预测结果稳定性较差。为此,提出一种基于全卷积变分自编码网络(FCVAE)的轴承的剩余寿命预测方法。该方法用全卷积神经网络(FCNN)改进变分自编码器(VAE),在降低网络复杂度的同时强化所提取特征的泛化能力,并利用频域信号作为模型输入,以进一步降低特征学习的难度,同时设计加权平均方法平滑预测结果。通过试验数据集对所提方法进行验证,结果表明:该方法预测结果的平均误差相比于传统支持向量回归(SVR)降低了64%,比卷积神经网络(CNN)降低45.5%,比VAE降低47.5%。

关键词：全卷积变分自编码轴承特征提取剩余寿命预测

基于复合非齐次泊松过程的不完美维修设备剩余寿命预测

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2020年第22期56卷 14-23页

作者：王泽洲陈云翔蔡忠义项华春王莉莉空军工程大学装备管理与无人机工程学院西安710051

针对现有不完美维修设备剩余寿命预测方法难以准确反映设备真实维修规律的问题,提出一种基于复合非齐次泊松过程的不完美维修设备剩余寿命预测方法。基于非线性Wiener过程构建设备随机退化模型;假设不完美维修次数存在上限值,并据此建... 详细信息

针对现有不完美维修设备剩余寿命预测方法难以准确反映设备真实维修规律的问题,提出一种基于复合非齐次泊松过程的不完美维修设备剩余寿命预测方法。基于非线性Wiener过程构建设备随机退化模型;假设不完美维修次数存在上限值,并据此建立基于复合非齐次泊松过程的不完美维修模型;然后,基于设备的随机退化模型与不完美维修模型构建综合退化模型,并采用极大似然方法估计模型参数;基于首达时间的概念,推导出不完美维修设备剩余寿命的概率密度函数。实例分析表明,所提方法能够有效提升不完美维修设备剩余寿命预测的准确性,具备工程应用前景。

关键词：剩余寿命预测不完美维修 Wiener过程复合非齐次泊松过程

大数据背景下基于特征学习的机械设备剩余寿命预测

在线全文

学校读者我要写书评

暂无评论

西南交通大学学报 2021年第4期56卷 730-735,768页

作者：郭亮李长根高宏力董勋向守兵西南交通大学机械工程学院四川成都610031

传统数据驱动剩余寿命的预测方法是通过信号处理从监测数据中手动提取特征并构建健康指标,而在大数据背景下,手动提取特征需要特定专家知识并耗费大量人力,为解决该问题,提出了一种基于特征学习的机械设备剩余寿命预测方法——自适应特... 详细信息

传统数据驱动剩余寿命的预测方法是通过信号处理从监测数据中手动提取特征并构建健康指标,而在大数据背景下,手动提取特征需要特定专家知识并耗费大量人力,为解决该问题,提出了一种基于特征学习的机械设备剩余寿命预测方法——自适应特征学习寿命预测方法(AFLRULP).该方法构建移动窗口数据矩阵解决单次采样中的数据波动问题,并建立了多层一维卷积神经网络将数据矩阵映射为机械设备的健康状态;根据失效阈值可以计算出机械设备的剩余寿命;采样轴承全寿命周期数据集合对提出的AFLRULP进行验证,并且与传统基于手动提取特征的方法进行寿命预测准确性的对比.研究结果表明:AFLRULP不需要人工提取特征,可从原始监测数据映射为机械设备的性能状态与剩余寿命,相对于现有的基于手动提取特征的寿命预测方法,提出的方法在轴承寿命预测累积相对准确率上平均提高了0.20.

关键词：工业大数据剩余寿命预测卷积神经网络轴承

基于LSTM-DBN的航空发动机剩余寿命预测

在线全文

学校读者我要写书评

暂无评论

系统工程与电子技术 2020年第7期42卷 1637-1644页

作者：李京峰陈云翔项华春蔡忠义空军工程大学装备管理与无人机工程学院陕西西安710051

针对航空发动机剩余寿命(remaining useful life,RUL)预测中多传感器监测数据维度高、规模大以及时间序列信息考虑不充分等问题,提出一种融合长短时记忆(long short-term memory,LSTM)网络和深度置信网络(deep belief network,DBN)的RU... 详细信息

针对航空发动机剩余寿命(remaining useful life,RUL)预测中多传感器监测数据维度高、规模大以及时间序列信息考虑不充分等问题,提出一种融合长短时记忆(long short-term memory,LSTM)网络和深度置信网络(deep belief network,DBN)的RUL预测方法。首先,利用LSTM分别对单一传感器进行时间序列预测。其次,将预测结果整合输入到DBN进行健康指标提取。再次,结合健康指标预测曲线和失效阈值得到RUL预测结果。最后,利用商用模块化航空推进系统仿真数据集开展实验,并与已有方法进行对比分析,验证了该方法的可行性和有效性。

关键词：长短时记忆网络深度置信网络健康指标剩余寿命预测

考虑多性能指标相关性的退化设备剩余寿命预测

在线全文

学校读者我要写书评

暂无评论

哈尔滨工程大学学报 2022年第5期43卷 620-629页

作者：郑建飞牟含笑胡昌华赵瑞星张博玮火箭军工程大学导弹工程学院陕西西安710025 火箭军装备部驻西安地区第三军事代表室陕西西安710100

针对一类监测数据呈现高维化且多个性能指标存在耦合关系的多元退化设备,本文提出了一种考虑多性能指标相关性的多元退化设备剩余寿命预测方法。采用信息熵和互信息筛选出含信息量丰富且能有效表征设备健康状态变化的性能指标;通过Copul... 详细信息

针对一类监测数据呈现高维化且多个性能指标存在耦合关系的多元退化设备,本文提出了一种考虑多性能指标相关性的多元退化设备剩余寿命预测方法。采用信息熵和互信息筛选出含信息量丰富且能有效表征设备健康状态变化的性能指标;通过Copula函数刻画不同性能指标之间的两两相依关系,并在此基础上通过条件抽样得到考虑多性能指标相关性的健康指标;将其输入到融合注意力机制的双向长短期记忆网络,通过注意力机制自动调节不同时刻隐藏状态的权重,优化预测网络,并通过航空发动机数据集验证了所提方法的有效性和实用性。

关键词：多元退化设备剩余寿命预测信息熵互信息 Copula函数健康指标注意力机制双向长短期记忆网络

基于多源信息的隐含非线性维纳退化过程剩余寿命预测

在线全文

学校读者我要写书评

暂无评论

航空学报 2023年第12期44卷 170-187页

作者：杨家鑫唐圣金李良孙晓艳祁帅司小胜火箭军工程大学导弹工程学院西安710025 火箭军工程大学作战保障学院西安710025 火箭军装备部驻郑州军代表室郑州450000

准确的剩余寿命预测对提高系统的可靠性安全性具有重要意义。在工程应用中,经常会遇到先验退化信息不完美或缺失的情况,且线性退化模型往往难以跟踪非线性退化特征。为解决这一问题,针对带测量误差的非线性退化系统,基于隐含非线性维纳... 详细信息

准确的剩余寿命预测对提高系统的可靠性安全性具有重要意义。在工程应用中,经常会遇到先验退化信息不完美或缺失的情况,且线性退化模型往往难以跟踪非线性退化特征。为解决这一问题,针对带测量误差的非线性退化系统,基于隐含非线性维纳退化过程模型,提出了一种合理融合失效寿命数据和多源信息的剩余寿命预测方法。首先,通过理论推导,得到了隐含非线性维纳退化过程的参数估计性质与退化数据之间的关系,为合理融合多源信息提供了理论依据。其次,根据参数估计的性质,分别使用现场退化数据和历史退化数据估计2种预测情况下的模型固定参数,并使用期望最大化算法将失效寿命数据信息融入退化模型中。再次,根据现场退化数据,使用Kalman滤波算法在线更新漂移参数。最后,通过仿真实验进一步验证了参数估计的性质,并通过2个实例验证了所提方法的优越性。

关键词：剩余寿命预测测量误差隐含非线性维纳过程多源信息 Kalman滤波

面向广义数学形态颗粒特征的灰色马尔科夫剩余寿命预测方法

在线全文

学校读者我要写书评

暂无评论

振动工程学报 2015年第2期28卷 316-323页

作者：李洪儒王余奎王冰许葆华李兴林军械工程学院导弹工程系河北石家庄050003 杭州轴承试验研究中心浙江杭州310022

在滚动轴承状态监测与故障预测领域中,针对滚动轴承退化特征提取这一关键问题,提出了一种基于广义数学形态颗粒的特征提取新方法,该方法以数学形态颗粒分析为理论基础,在形态运算中引入腐蚀和膨胀算子,以计算出的广义数学形态颗粒值作... 详细信息

在滚动轴承状态监测与故障预测领域中,针对滚动轴承退化特征提取这一关键问题,提出了一种基于广义数学形态颗粒的特征提取新方法,该方法以数学形态颗粒分析为理论基础,在形态运算中引入腐蚀和膨胀算子,以计算出的广义数学形态颗粒值作为特征指标,定量地反映滚动轴承的性能退化程度。分别通过仿真信号和实例信号对该方法进行了有效性验证。在此基础上,为准确拟合滚动轴承性能退化过程的整体趋势与随机波动规律,将灰色马尔科夫模型应用到滚动轴承剩余寿命预测中,从而建立一种基于广义数学形态颗粒与灰色马尔科夫模型的剩余寿命预测方法。依托杭州轴承试验研究中心进行了滚动轴承疲劳寿命强化试验,以采集得到的轴承内圈全寿命试验数据验证了方法的有效性。

关键词：故障诊断滚动轴承广义数学形态颗粒灰色马尔科夫模型剩余寿命预测

基于条件深度循环生成对抗网络和动作探索的行星轮轴承剩余寿命预测

在线全文

学校读者我要写书评

暂无评论

兵工学报 2020年第11期41卷 2170-2178页

作者：于军刘可郭帅于广滨郭振宇哈尔滨理工大学先进制造智能化技术教育部重点实验室黑龙江哈尔滨150080 矿冶过程自动控制技术国家重点实验室北京100089 哈尔滨理工大学自动化学院黑龙江哈尔滨150080 中国船舶重工集团公司第703研究所蒸汽轮机事业部黑龙江哈尔滨150078

为解决小样本和变工况下行星轮轴承剩余寿命预测准确率低的问题,提出一种基于条件深度循环生成对抗网络(C-DRGAN)和动作探索(AD)的行星轮轴承剩余寿命预测方法。将门控循环单元神经网络与条件生成对抗网络相结合,构建C-DRGAN,从非静态... 详细信息

为解决小样本和变工况下行星轮轴承剩余寿命预测准确率低的问题,提出一种基于条件深度循环生成对抗网络(C-DRGAN)和动作探索(AD)的行星轮轴承剩余寿命预测方法。将门控循环单元神经网络与条件生成对抗网络相结合,构建C-DRGAN,从非静态和非线性信号中提取故障特征,实现小样本和变工况下行星轮轴承的剩余寿命预测;采用基于AD的训练算法训练C-DRGAN,提高收敛速度,降低训练时间;根据训练后的C-DRGAN,利用多元线性回归分类器预测测试样本中行星轮轴承的剩余寿命。通过行星轮轴承加速疲劳寿命试验验证该方法的有效性。结果表明,该方法具有较强的非静态和非线性信号处理能力,并能在小样本情况下取得出色的行星轮轴承剩余寿命预测效果。

关键词：行星轮轴承剩余寿命预测门控循环单元神经网络条件生成对抗网络动作探索小样本