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

零寿命标签下退化设备剩余寿命预测方法

电子学报 2023年第7期51卷 1939-1948页

作者：裴洪司小胜胡昌华郑建飞张建勋董青火箭军工程大学控制工程系陕西西安710025

考虑到安全性与经济性因素,同类历史设备的性能退化数据大多属于截尾型,采用深度学习训练时往往面临零寿命标签的挑战,量化剩余寿命(Remaining Useful Life,RUL)不确定性更是难上加难,并且现有深度学习模型进行RUL预测时忽略了首达与非... 详细信息

考虑到安全性与经济性因素,同类历史设备的性能退化数据大多属于截尾型,采用深度学习训练时往往面临零寿命标签的挑战,量化剩余寿命(Remaining Useful Life,RUL)不确定性更是难上加难,并且现有深度学习模型进行RUL预测时忽略了首达与非首达时间意义之间的区别.为了克服以上困难,本文提出一种零寿命标签下退化设备RUL预测方法,采用数据预处理技术生成以退化信息为标签的样本,利用贝叶斯双向长短期记忆(Bayesian Bidirectional Long Short-Term Memory,B-Bi-LSTM)模型描述设备性能退化演变规律,同时借助变分推断技术实现了性能退化的不确定性度量.进一步,从可靠性角度分析了性能退化预测分布与RUL分布间的关系,分别围绕首达与非首达两类情形推导设备RUL概率分布,通过锂电池案例对所提方法进行实例验证.实验结果表明,所提方法能够提供RUL预测的点估计与概率分布式结果,有效确保了预测结果的科学性.

关键词：剩余寿命预测零寿命标签贝叶斯双向长短期记忆模型退化设备首达时间非首达时间

基于动态加权卷积长短时记忆网络的滚动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 2022年第17期41卷 282-291页

作者：蒋全胜许伟洋朱俊俊沈晔湖徐丰羽苏州科技大学机械工程学院苏州215009 南京邮电大学自动化学院南京210003

现有数据驱动方法在滚动轴承剩余使用寿命预测中,因不能有效提取对轴承退化过程敏感的特征信息而导致预测精度不足。为此提出一种基于动态加权卷积长短时记忆网络(DW-CNN-LSTM)的滚动轴承剩余寿命预测方法。对滚动轴承振动信号进行小波... 详细信息

现有数据驱动方法在滚动轴承剩余使用寿命预测中,因不能有效提取对轴承退化过程敏感的特征信息而导致预测精度不足。为此提出一种基于动态加权卷积长短时记忆网络(DW-CNN-LSTM)的滚动轴承剩余寿命预测方法。对滚动轴承振动信号进行小波包分解,将获得的小波包系数矩阵通过可训练参数动态加权层进行动态加权,来实现对轴承退化的表征信息进行有效筛选,以增强轴承振动特征学习能力;利用卷积神经网络的自适应挖掘数据深层特征能力,从动态加权后的小波包系数矩阵中提取对轴承退化过程敏感的特征集;借助长短时记忆网络(LSTM)预测时间信息序列的优势,由双层LSTM进一步提取其高维退化特征,来提高滚动轴承剩余寿命预测精度。对XJTU-SY轴承数据和IMS轴承数据的试验结果表明,所提DW-CNN-LSTM方法相比于经典的长短时记忆网络方法,其均方根误差指标平均降低了61.08%,预测准确度平均提高了9.95%,模型训练时间平均减少了44.14%,获得了较满意的寿命预测精度和鲁棒性。

关键词：滚动轴承剩余寿命预测卷积长短时记忆网络小波包分解动态加权

基于数据驱动的铝电解槽剩余寿命预测方法研究

在线全文

学校读者我要写书评

暂无评论

稀有金属 2023年第2期47卷 273-280页

作者：尹刚向冬梅王民向禹何文曹文琦重庆大学资源与安全学院煤矿灾害动力学与控制国家重点实验室重庆400044 重庆旗能电铝有限公司重庆401420 陆军工程大学通信士官学校重庆400035 眉山市博眉启明星铝业有限公司四川眉山620010

铝电解槽的寿命直接影响着电解铝企业的经济效益,准确预测铝电解槽剩余寿命能够提前制定维修计划,减少经济损失。本文针对铝电解槽寿命分析过程中缺乏对历史生产数据应用的背景,从数据的角度出发,探究生产工艺参数对槽寿命的影响,将机... 详细信息

铝电解槽的寿命直接影响着电解铝企业的经济效益,准确预测铝电解槽剩余寿命能够提前制定维修计划,减少经济损失。本文针对铝电解槽寿命分析过程中缺乏对历史生产数据应用的背景,从数据的角度出发,探究生产工艺参数对槽寿命的影响,将机器学习引入到铝电解槽剩余寿命预测中,提出一种SVR-RFE-XGBoost模型,结合支持向量回归(SVR)与递归特征消除(RFE)算法,直接从原始数据中挖掘出关键寿命特征。同时利用极端梯度提升算法(XGBoost)对提取后的关键特征进行槽剩余寿命预测。最后利用某铝厂历史生产数据对模型进行性能验证,实验表明,该模型槽剩余寿命的平均绝对误差(MAE)、均方根误差(RMSE)和拟合优度(r^(2))别为116.0950, 207.4964和0.7463。对比分析XGBoost算法、岭回归(Ridge Regression)和SVR算法,实验结果表明,本文所构建的SVR-RFE-XGBoost的模型表现最佳,能更加准确地预测铝电解槽剩余寿命,在铝电解实际生产中具有重要的指导意义。

关键词：铝电解槽特征选择剩余寿命预测机器学习数据驱动

基于特征注意力机制的GRU-GAN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

中国科学：技术科学 2022年第1期52卷 198-212页

作者：袁烨黄虹程骋虞文武丁汉华中科技大学人工智能与自动化学院武汉430074 华中科技大学机械科学与工程学院武汉430074 华中科技大学数字制造装备与技术国家重点实验室武汉430074 东南大学数学学院南京210096 东南大学复杂工程系统测量与控制教育部重点实验室南京210096

涡扇发动机作为航空航天领域的核心设备之一,其健康状况决定了航空器能否稳定可靠地运行.涡扇发动机的剩余寿命预测是航天器设备监测与维护的重要一环.然而涡扇发动机的监测过程具有工况复杂、监测数据多样、时间跨度长等特点,针对其数... 详细信息

涡扇发动机作为航空航天领域的核心设备之一,其健康状况决定了航空器能否稳定可靠地运行.涡扇发动机的剩余寿命预测是航天器设备监测与维护的重要一环.然而涡扇发动机的监测过程具有工况复杂、监测数据多样、时间跨度长等特点,针对其数据类型多且体量大、数据冗余度较高、剩余寿命预测精度较低等问题,本文通过将生成对抗网络(Generative adversarial network,GAN)的生成能力与门控循环单元(Gate recurrent unit,GRU)的预测能力相结合,提出一种基于特征注意力机制的GAN和GRU融合模型.为了对时序关系进行建模,首先利用特征注意力机制和GRU分别提取空间和时间上的相关性,然后将经过预训练的生成器附加到GRU之后得到整体模型.具体来说,本文采用预训练的GAN网络生成模块替代传统自编码器,解决了由自编码器参数过多引起的GRU模块训练不充分的问题,提升了时空相关特性的提取能力、提高了模型的泛化性能、提升了预测精度.本文利用CMAPSS涡扇发动机数据来验证模型效果,通过与不同机器学习方法进行对比,实验结果显示,该方法在均方根误差和指数型评价指标这两个评价指标上都有较高的预测精度.

关键词：航空航天剩余寿命预测生成对抗网络注意力机制特征提取

基于假设分布的重载货车关键结构剩余寿命预测方法

在线全文

学校读者我要写书评

暂无评论

铁道学报 2022年第4期44卷 19-26页

作者：朱涛尹敏轩王超肖守讷杨冰阳光武西南交通大学牵引动力国家重点实验室四川成都610031

针对状态修中的关键结构剩余寿命问题,提出基于假设分布的剩余寿命预测方法,并以车钩为例,对该方法进行验证。基于线路测试或动力学仿真,获取车钩载荷时间历程,并编制其疲劳台架试验载荷谱;开展台架试验,获取车钩退化数据;基于假设分布... 详细信息

针对状态修中的关键结构剩余寿命问题,提出基于假设分布的剩余寿命预测方法,并以车钩为例,对该方法进行验证。基于线路测试或动力学仿真,获取车钩载荷时间历程,并编制其疲劳台架试验载荷谱;开展台架试验,获取车钩退化数据;基于假设分布对裂纹尺寸数据进行拟合优度检验,确定良好假设分布类型,得到结构累积失效概率图;基于累积失效概率图,对车钩剩余寿命进行预测。对于无可用试验数据的情况,结合断裂力学理论,给出基于有限元法的结构裂纹扩展分析流程,并以车钩为对象,预测一定裂纹尺寸下的剩余服役寿命。研究结果表明,基于假设分布的钩体剩余寿命预测均值与实际剩余寿命趋势一致,随探伤里程的增大,预测精度逐渐提高,整体来看,平均相对误差为38.35%,在工程应用可接受范围之内;基于数值仿真预测的钩体剩余服役寿命相对保守,可考虑结构不同部位多裂纹对系统可靠度的影响来提高预测精度。

关键词：重载货车车钩剩余寿命预测假设分布检验可靠性疲劳裂纹

基于时间序列数据扩增和BLSTM的滚动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

系统工程与电子技术 2022年第3期44卷 1060-1068页

作者：孙世岩张钢梁伟阁佘博田福庆海军工程大学兵器工程学院湖北武汉430033

针对滚动轴承全寿命周期监测数据不足导致剩余寿命预测精度不高的问题,提出一种基于时间序列数据扩增和双向长短时记忆(bidirectional long-short term memory, BLSTM)网络的剩余寿命预测方法。首先,采集训练用滚动轴承全寿命周期振动... 详细信息

针对滚动轴承全寿命周期监测数据不足导致剩余寿命预测精度不高的问题,提出一种基于时间序列数据扩增和双向长短时记忆(bidirectional long-short term memory, BLSTM)网络的剩余寿命预测方法。首先,采集训练用滚动轴承全寿命周期振动加速度和测试轴承振动加速度数据。其次,对采集得到的原始数据预处理后提取健康因子,将训练用数据和测试数据分别构成参考数据集和目标数据集。然后,以参考数据集为基础,利用动态时间规整算法扩增目标数据集数据。最后,使用数据扩增后的测试数据训练BLSTM网络,利用训练好的BLSTM网络预测滚动轴承性能退化趋势和剩余寿命。实验结果表明,基于动态时间规整算法的数据扩增模型能够根据已有全寿命周期数据,扩增性能退化过程相似的滚动轴承运行数据,利用扩增数据训练BLSTM网络,能够有效提高性能退化趋势预测能力,进而提高剩余寿命预测精度。

关键词：时间序列数据数据扩增动态时间规整剩余寿命预测长短时记忆网络

基于破坏性实验和自动编码器的风机皮带剩余寿命预测

在线全文

学校读者我要写书评

暂无评论

清华大学学报（自然科学版） 2022年第9期62卷 1458-1466页

作者：赵泽恒赵劲松清华大学化学工程系北京100084

智能化的风机皮带寿命预测系统有助于确保化工安全,同时减少人工劳力。该文提取振动信号的特征,输入多层自动编码器得到健康指标(HI),通过多项式拟合HI即可预测剩余寿命。为缩短数据采集周期,开展了破坏性实验,并构建了适合破坏性实验... 详细信息

智能化的风机皮带寿命预测系统有助于确保化工安全,同时减少人工劳力。该文提取振动信号的特征,输入多层自动编码器得到健康指标(HI),通过多项式拟合HI即可预测剩余寿命。为缩短数据采集周期,开展了破坏性实验,并构建了适合破坏性实验的损失函数。同时,基于多层自动编码器的结构进行了改进,将中间层的内积与激活函数运算分离计算,限定HI为[0, 1]的同时保留更多编码层信息。与传统自动编码器方法相比,中间层分离的自动编码器在实际问题中降低了预测误差,实现了3组数据后50%区段预测误差不超过1 d的良好结果,上线测试同样表现良好。

关键词：故障诊断自动编码器剩余寿命预测

在线全文

学校读者我要写书评

暂无评论

基于路图注意力网络的轴承剩余寿命预测方法

机械工程学报 2023年第12期59卷 195-201页

作者：杨超颖刘颉周凯波华中科技大学人工智能与自动化学院武汉430074 华中科技大学土木与水利工程学院武汉430074

图数据构建质量直接关系图数据驱动的轴承剩余寿命预测性能。目前传统方法通常利用不同时刻的多传感数据来构建时空图,来表征监测对象性能状态,但如何在单传感监测应用场景下构建表征轴承性能退化状态的图数据并保证其质量仍是一个开放... 详细信息

图数据构建质量直接关系图数据驱动的轴承剩余寿命预测性能。目前传统方法通常利用不同时刻的多传感数据来构建时空图,来表征监测对象性能状态,但如何在单传感监测应用场景下构建表征轴承性能退化状态的图数据并保证其质量仍是一个开放问题。面向单传感监测应用场景,提出一种基于路图注意力网络的轴承剩余寿命预测方法。首先,计算轴承全生命周期时序振动信号的时域统计特征并构造路图,其中,路图中的边用于连接相邻时刻振动信号;在此基础上,设计一种图注意力长短时记忆网络,用于挖掘路图的图特征(节点、边连接)中隐含的时序振动信号特征和时间依赖关系,从而深层次地反映轴承全寿命退化过程。在轴承全寿命公开数据集上开展验证对比试验,结果表明,该路图构造方式明确了边连接的物理意义,并提高了图数据表征性能;所提出的预测方法能有效捕获表征轴承退化状态的图特征以及时间依赖关系,为解决单传感监测应用场景下的轴承性能退化预测问题提供借鉴。

关键词：滚动轴承剩余寿命预测路图图注意力网络单传感监测应用

基于LSTM‑ES‑RVM的滚动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

振动工程学报 2023年第6期36卷 1723-1735页

作者：周圣文郭顺生杜百岗武汉理工大学机电工程学院湖北武汉430070 数字制造湖北省重点实验室湖北武汉430070

为解决滚动轴承在寿命预测时精度不高,且性能退化趋势及波动范围难以预测等问题,提出了基于LSTM‑ES‑RVM的滚动轴承剩余寿命预测方法。在无先验知识或人工经验的干扰下,利用长短期记忆(Long Short‑Term Memory,LSTM)网络直接对频率数据... 详细信息

为解决滚动轴承在寿命预测时精度不高,且性能退化趋势及波动范围难以预测等问题,提出了基于LSTM‑ES‑RVM的滚动轴承剩余寿命预测方法。在无先验知识或人工经验的干扰下,利用长短期记忆(Long Short‑Term Memory,LSTM)网络直接对频率数据进行特征提取,构建退化过程的初步健康指标(Health Indicator,HI);为了消除HI曲线的局部剧烈振荡,提出了带斜率的极端拐点(Extreme Inflection Point with a Slope,ES)模型改善其整体单调性;使用相关向量机(Relevance Vector Machine,RVM)模型对HI曲线进行趋势预测,实现了滚动轴承的剩余寿命(Remaining Useful Life,RUL)预测。实验结果表明,所提方法相较于对比方法具有较好的预测精度。

关键词：剩余寿命预测滚动轴承长短记忆神经网路健康指标带斜率的极端拐点模型