检索结果-南通市图书馆

基于性能退化的智能脱扣器电源模块健康状态预测

在线全文

学校读者我要写书评

暂无评论

仪器仪表学报 2023年第8期44卷 209-217页

作者：李奎赵伟焯戴逸华王尧王阳河北工业大学河北省电磁场与电器可靠性重点实验室天津300401 河北工业大学省部共建电工装备可靠性与智能化国家重点实验室天津300401 北京蓝普锋科技有限公司北京100096

一般情况下电子产品在失效前性能已经发生退化,而传统的寿命预测方法没有利用退化信息。以智能脱扣器电源模块为研究对象,分析MOSFET开关周期和电路薄弱环节储能电容退化之间的关联关系,提出将MOSFET开关周期作为电源模块性能退化的特征... 详细信息

一般情况下电子产品在失效前性能已经发生退化,而传统的寿命预测方法没有利用退化信息。以智能脱扣器电源模块为研究对象,分析MOSFET开关周期和电路薄弱环节储能电容退化之间的关联关系,提出将MOSFET开关周期作为电源模块性能退化的特征量,建立以MOSFET开关周期为特征参量的智能脱扣器电源模块性能退化模型;将电源模块划分为健康、注意和危险3种健康状态,确定健康状态转移图和转移时间的计算方法,建立其健康状态评估模型;对电源模块进行温度应力下的加速退化实验,验证性能退化模型和健康状态评估模型,并预测电源模块在40℃工作环境下由健康状态转移至注意状态的平均转移时间为3906天,转移至危险状态的平均转移时间为9296天。

关键词：电源模块性能退化加速实验 Wiener过程健康状态预测

机电系统健康状态预测和维修决策的双向优化方法

在线全文

学校读者我要写书评

暂无评论

仪器仪表学报 2023年第1期44卷 131-142页

作者：梁思远周金浛高占宝于劲松宋悦张健北京航空航天大学自动化科学与电气工程学院北京100191 北京信息科技大学经济管理学院北京100192 绿色发展大数据决策北京市重点实验室北京100192

在以机电系统为代表的复杂装备健康管理的应用场景中,健康状态预测与维修决策操作依赖于装备的健康状态演化进程,二者在所依赖的知识上具有明显的耦合性,对应的二元知识也因此具有双向融合的价值。本文从健康状态评估与维修排故二元知... 详细信息

在以机电系统为代表的复杂装备健康管理的应用场景中,健康状态预测与维修决策操作依赖于装备的健康状态演化进程,二者在所依赖的知识上具有明显的耦合性,对应的二元知识也因此具有双向融合的价值。本文从健康状态评估与维修排故二元知识的双向融合出发,提出一种面向机电系统的健康状态预测和维修决策双向优化方法,即定期利用该阶段累积的有限运行记录,在该阶段的健康状态预测和即时维修决策模型上做出优化。最后,本文基于实际机电系统中天线调平系统的仿真实验对本文所提的双向优化方法进行了验证,健康状态预测误差稳定降低到0.002%,维修决策收益稳定提升到93.57,验证了本文提出的健康状态预测与维修决策协同方法的有效性。

关键词：复杂系统健康管理健康状态预测维修决策双向优化

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

梯次利用锂电池健康状态预测

电工技术学报 2018年第9期33卷 2121-2129页

作者：孙冬许爽郑州轻工业学院郑州450002 上海大学机电工程与自动化学院上海200072 郑州工程技术学院郑州450044

从电动汽车中退役的锂电池在功能元件有效的情况下可进行梯次利用,针对退役锂电池处于离线状态且单体电池之间存在性能差异等问题,以锂电池欧姆内阻为研究对象,设计适用于梯次利用锂电池性能测试工况。基于锂电池一阶RC等效电路模型,研... 详细信息

从电动汽车中退役的锂电池在功能元件有效的情况下可进行梯次利用,针对退役锂电池处于离线状态且单体电池之间存在性能差异等问题,以锂电池欧姆内阻为研究对象,设计适用于梯次利用锂电池性能测试工况。基于锂电池一阶RC等效电路模型,研究基于增量式自回归模型(IARX)的健康特征数据提取方法,以此构建均值内阻、最小内阻和内阻-荷电状态(SOC)三种健康因子,建立健康寿命模型,提出基于多模型数据融合技术的锂电池健康状态(SOH)预测方法。实验和仿真结果表明:所建健康寿命模型适用于预测同种类退役锂电池SOH,验证了模型的有效性;基于多模型数据融合技术有利于提高锂电池SOH预测精度,验证了此方法的可行性。

关键词：梯次利用锂电池健康状态预测健康因子健康模型多模型数据融合技术

在线全文

学校读者我要写书评

暂无评论

基于经验模态分解的锂离子电池健康状态预测

机械工程学报 2024年第14期60卷 272-281页

作者：刘征宇张政郭乐凯孟辉刘项合肥工业大学机械工程学院合肥230009 合肥工业大学智能制造技术研究院合肥230009

电池健康状态(State of health, SOH)预测是确保电子系统运行可靠性和安全性的关键因素。为了准确地预测锂离子电池SOH的整体退化趋势和局部容量再生现象,提出一种将经验模态分解(Empiricalmodedecomposition,EMD)与门控循环单元(Gated ... 详细信息

电池健康状态(State of health, SOH)预测是确保电子系统运行可靠性和安全性的关键因素。为了准确地预测锂离子电池SOH的整体退化趋势和局部容量再生现象,提出一种将经验模态分解(Empiricalmodedecomposition,EMD)与门控循环单元(Gated recurrent unit, GRU)和差分自回归移动平均模型(Autoregressive integrated moving average model, ARIMA)相融合的锂离子电池SOH预测方法。首先,利用EMD将电池原始SOH序列进行多尺度分解,并通过计算分解子序列的连续均方误差找到高低频分界点;然后,GRU用于预测具有强烈数据波动的高频子序列,ARIMA用于预测剩余的低频子序列和残差;最后,将每个子序列的预测结果进行叠加以获得最终预测结果。试验结果表明,与其他文献中预测方法相比,基于经验模态分解的融合模型具有更高的预测精度,可以更好地捕捉电池SOH整体退化趋势和局部容量再生特性。

关键词：锂离子电池经验模态分解健康状态预测容量再生融合模型

变温度下IHF-IGPR框架的锂离子电池健康状态预测方法

在线全文

学校读者我要写书评

暂无评论

电工技术学报 2021年第17期36卷 3705-3720页

作者：韩乔妮姜帆程泽天津大学电气自动化与信息工程学院天津300072

通过研究锂离子电池的容量退化与充放电过程中电流、电压、温度等参数的变化趋势的关系,提出一种不同温度条件下基于锂离子电池间接健康特征(IHF)和改进高斯过程回归(IGPR)模型的电池健康状态(SOH)预测方法。针对变温度预测时IHF提取问... 详细信息

通过研究锂离子电池的容量退化与充放电过程中电流、电压、温度等参数的变化趋势的关系,提出一种不同温度条件下基于锂离子电池间接健康特征(IHF)和改进高斯过程回归(IGPR)模型的电池健康状态(SOH)预测方法。针对变温度预测时IHF提取问题,在充放电阶段自适应地提取电压、时间曲线中的健康特征(HF),采用随机数法获取最优的区间。针对容量再生问题,以有理二次协为核函数建立SOH预测的高斯过程回归(GPR)模型,并引用共轭梯度算法优化GPR模型。最后,以方均根误差(RMSE)和平均绝对百分比误差(MAPE)两项评价指标对所提出的框架在电池数据集上设计了单电池、多电池实验进行验证。结果表明:基于常温下等充电时间电压差(CVD-ETS)与高(低)温下等压降放电时间(DTD-EVS)的IGPR方法可以预测锂离子电池容量退化的非线性趋势,所提方法具有小样本性以及较高的预测精度与广泛的适用性。

关键词：间接健康特征改进高斯过程回归容量退化锂离子电池健康状态预测

基于Copula函数的热轧支持辊健康状态预测模型

在线全文

学校读者我要写书评

暂无评论

工程科学学报 2020年第6期42卷 787-795页

作者：李天伦何安瑞邵健付文鹏强毅谢向群北京科技大学工程技术研究院北京100083 上海梅山钢铁股份有限公司热轧厂南京210039 机械科学研究总院北京100044

热轧支持辊的健康状态在带钢板形质量和轧制稳定性控制中起着关键作用,非线性、强耦合、少样本等特点使得热轧支持辊健康状态的预测复杂,目前各大钢厂仍以定期维护和事后维修为主.本文提出了一种支持辊虚拟健康指数的构建方法以及基于Co... 详细信息

热轧支持辊的健康状态在带钢板形质量和轧制稳定性控制中起着关键作用,非线性、强耦合、少样本等特点使得热轧支持辊健康状态的预测复杂,目前各大钢厂仍以定期维护和事后维修为主.本文提出了一种支持辊虚拟健康指数的构建方法以及基于Copula函数的复杂工况健康状态预测模型.首先结合支持辊弯窜辊数据表征支持辊健康状态,再使用Kmeans聚类方法对支持辊工况进行划分,将各工况下过程数据分别构建Copula预测模型,最后根据实际轧制计划的排布顺序融合各工况模型的预测结果.提出的基于Copula函数的预测模型在某钢厂1780热连轧产线得到应用,结果表明,该模型能够准确有效的按照轧制计划实现支持辊的健康状态预测,以更科学的策略指导支持辊更换维护.

关键词：支持辊健康状态预测 Copula函数数据驱动板形

基于无监督聚类与LSTM网络的航天器健康状态预测方法

在线全文

学校读者我要写书评

暂无评论

空间控制技术与应用 2023年第4期49卷 96-105页

作者：梁寒玉刘成瑞徐赫屿刘文静王淑一北京控制工程研究所北京100094 空间智能控制技术国防全国重点实验室北京100094

健康状态预测是从系统层面保证航天器在轨安全稳定运行的关键技术.针对机电类关键部件存在性能退化过程的特点,提出一种基于无监督聚类与长短时记忆(LSTM)网络的航天器健康状态预测方法.该方法首先提取航天器单部件多维参数的高维时域特... 详细信息

健康状态预测是从系统层面保证航天器在轨安全稳定运行的关键技术.针对机电类关键部件存在性能退化过程的特点,提出一种基于无监督聚类与长短时记忆(LSTM)网络的航天器健康状态预测方法.该方法首先提取航天器单部件多维参数的高维时域特征,通过PCA方法将高维特征融合为反映部件运行状态的健康因子,再结合无监督聚类算法识别出故障的不同演化阶段,最后采用LSTM网络分别对各退化阶段构建其健康状态演化预测模型,实现对航天器部件健康状态预测.本文以控制系统关键部件控制力矩陀螺(CMG)为例对上述算法进行试验验证,验证了方法的有效性.

关键词：航天器健康因子无监督聚类 LSTM网络健康状态预测

在线全文

学校读者我要写书评

暂无评论

水中兵器锂原电池健康状态预测技术探究

电源技术 2024年第4期48卷 737-742页

作者：董理王小二蒋培周奇郑郭彭海军工程大学兵器工程学院湖北武汉430033 武汉船舶职业技术学院机械学院湖北武汉430050

锂原电池作为高效、清洁能源,在水中兵器装备中广泛应用,但是在长期贮存和使用过程中,暴露出了一些故障及安全隐患,因此对电池进行健康状态预测及对故障进行机理研究极为重要。针对锂原电池的故障及应用需求,梳理分析现有研究基础以及... 详细信息

锂原电池作为高效、清洁能源,在水中兵器装备中广泛应用,但是在长期贮存和使用过程中,暴露出了一些故障及安全隐患,因此对电池进行健康状态预测及对故障进行机理研究极为重要。针对锂原电池的故障及应用需求,梳理分析现有研究基础以及困难等,借鉴锂离子电池的成熟技术,探究性地对锂原电池故障模式、故障机理进行了分析,提出了状态预测技术的研究思路和方法,为水中兵器锂原电池健康状态预测技术体系的构建和研究提供了参考。

关键词：锂原电池健康状态预测故障机理

在线全文

学校读者我要写书评

暂无评论

典型工业设备健康状态预测方法研究及应用

典型工业设备健康状态预测方法研究及应用

作者：陈宇豪重庆大学

学位级别：硕士

设备安全稳定运行关系到经济建设发展、人民生命财产安全和社会稳定,确保设备健康运转、有效预防事故发生已经引起越来越高的重视,数据驱动的人工智能和机器学习也正在为起重机械等典型工业设备的健康状态预测中提供技术支持。有关典型... 详细信息

设备安全稳定运行关系到经济建设发展、人民生命财产安全和社会稳定,确保设备健康运转、有效预防事故发生已经引起越来越高的重视,数据驱动的人工智能和机器学习也正在为起重机械等典型工业设备的健康状态预测中提供技术支持。有关典型工业设备监测数据的预测任务在实际应用中面临极大的挑战性,首先是设备监测数据类型的多样性,其中包括温度、应变、振动、声音、转速、电信号等,不明显特征监测类别会影响状态预测的准确度。此外,状态预测重点在于防患未然,需要结合现有技术实现多时间步长的数据预测、保证输出时间跨度以提供足够响应故障的应对时间。最后,典型工业设备的监测数据通过时间顺序组织,而时序的双向输入对数据预测都具有参考意义。本文针对以上问题,建立改进的深度学习神经网络模型,并提出一种多类型工业设备适用的预测方法,对设备的健康状态进行预测,保障设备稳定安全运行。本文研究的预测方法应用于参与研发的国家重点研发计划项目中。本文研究的主要工作内容如下:(1)构建了结合卷积神经网络(Convolutional Neural Networks,CNN)的基于编码解码器模式双向长短时记忆网络(Bidirectional Long Short-Term Memory with Encoder-Decoder,ED-BLSTM)的算法模型。该模型通过特定数据预处理结合卷积神经网络实现了特征提取、减少了主模型的输入、去除了不明显特征,为后续模型预测提供了简单有效的信息传递;在此基础上,目标模型通过使用基于编码解码器模式的长短时循环神经网络来处理多时间步长的输入输出,实现了预测未来某一时间段的监测数据,并以此进行健康状态的分析和判断;最后,加入双向长短时循环神经网络模型来处理具有顺逆序相关性的监测数据集,达到了更佳的预测效果。(2)根据上述算法模型提出了典型工业设备多类型适用的预测方法。该方法有效利用设备环境提供的工况数据,构建信息传递的内循环,保证了方法预测准确性的持续优化。本文使用中国特种设备检测研究院提供的起重机械监测数据进行对比实验,其中对比设置有基于动态周期因子计算的预测方法、基于线性回归的预测模型以及各类其他深度神经网络。对比实验表明目标算法模型在收敛后的验证损失小于其他模型,在实际预测过程中的结果偏差小于其他模型,整体预测性能有可观提升。(3)在国家重点研发计划课题任务“典型工业设备和产品检测监测云服务平台”的研发中将预测方法应用到健康状态预测功能模块,实现了基于方法的健康预测,并应用到多类型设备产品中。项目结题、平台上线后,该功能得到了设备监管、制造及使用人员的正面反馈,表明研究内容对典型工业设备健康状态预测的技术发展有积极意义。

关键词：典型工业设备健康状态预测卷积神经网络双向长短时记忆网络