检索结果-南通市图书馆

基于改进生成对抗网络与ConvLSTM的航空发动机剩余寿命预测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电子测量与仪器学报 2023年第3期37卷 211-221页

作者：陈维兴常东润李宗帅中国民航大学电子信息与自动化学院天津300300

针对航空发动机运行周期内故障数据难以采集而造成的数据失衡等问题,提出一种基于Wasserstein距离与梯度惩罚措施的条件生成对抗网络与卷积长短时记忆网络相结合的预测模型。首先,使用WCGAN-GP模型学习预处理后的时序数据的深层分布特征... 详细信息

针对航空发动机运行周期内故障数据难以采集而造成的数据失衡等问题,提出一种基于Wasserstein距离与梯度惩罚措施的条件生成对抗网络与卷积长短时记忆网络相结合的预测模型。首先,使用WCGAN-GP模型学习预处理后的时序数据的深层分布特征;然后,利用生成器生成故障样本并与真实样本混合,作为训练集输入到基于ConvLSTM网络的预测模型中进行训练。基于C-MAPSS数据集开展验证比较,结果表明:与单一真实样本训练预测模型相比,使用混合数据时性能指标RMSE和Score平均下降了12.65%和48.95%。

关键词：航空发动机 Wasserstein距离梯度惩罚项条件式生成对抗网络剩余寿命预测

在线全文

学校读者我要写书评

暂无评论

多状态切换下随机退化设备剩余寿命预测

电光与控制 2023年第7期30卷 111-118页

作者：幸元兴张建勋满谦胡昌华杜党波裴洪火箭军工程大学西安710000 火箭军装备部驻西安地区第二军事代表室西安710000

工业设备、武器装备等大型复杂系统在全寿命周期中通常会经历贮存、待机、测试、运转、维修等多个状态,且不同状态下设备内部损耗速率各不相同,这给设备的剩余寿命预测问题带来新的挑战。鉴于此,提出了基于维纳过程建立多状态切换设备... 详细信息

工业设备、武器装备等大型复杂系统在全寿命周期中通常会经历贮存、待机、测试、运转、维修等多个状态,且不同状态下设备内部损耗速率各不相同,这给设备的剩余寿命预测问题带来新的挑战。鉴于此,提出了基于维纳过程建立多状态切换设备的退化模型,结合半马尔可夫模型和离散马尔可夫链模型,推导得到了多状态切换设备的剩余寿命,并提出了一种蒙特卡罗仿真算法进行求解。此外,采用了期望最大化算法和极大似然算法辨识所提模型参数。最后,通过仿真实验和实际案例证明了所提算法的有效性。

关键词：多状态剩余寿命预测维纳过程半马尔可夫离散马尔可夫链

在线全文

学校读者我要写书评

暂无评论

基于数据驱动的锂离子电池剩余寿命预测综述

电源学报 2023年

作者：李银王建峰莫伟权张西丽浙江省智能制造质量大数据溯源与应用重点实验室中国计量大学理学院

准确预测锂离子电池剩余使用寿命对新能源汽车的安全可靠运行至关重要。本文首先针对数据驱动方法预测锂离子电池剩余使用寿命的研究现状进行分析，归纳总结了六种常用的数据驱动方法的研究进展，然后总结归纳了锂离子电池寿命预测目前... 详细信息

准确预测锂离子电池剩余使用寿命对新能源汽车的安全可靠运行至关重要。本文首先针对数据驱动方法预测锂离子电池剩余使用寿命的研究现状进行分析，归纳总结了六种常用的数据驱动方法的研究进展，然后总结归纳了锂离子电池寿命预测目前在实际应用中存在的三个问题，同时较为全面地讨论了电池数据集的收集问题，阐述了电池数据集对数据驱动方法发展的重要性。最后对未来的发展趋势进行了展望。

关键词：锂离子电池剩余寿命预测容量再生电池数据集

基于策略梯度informer模型的滚动轴承剩余寿命预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

工程科学与技术 2024年

作者：熊佳豪李锋汤宝平汪永超罗玲中国测试技术研究院四川大学机械工程学院重庆大学机械传动国家重点实验室

典型的编码器-解码器——Transformer存在二次时间复杂度、高内存使用以及模型结构复杂等固有限制，这些造成Transformer用于滚动轴承剩余寿命 (remaining useful life， RUL)预测会表现出较低预测精度和较低计算效率的问题。为此，提... 详细信息

典型的编码器-解码器——Transformer存在二次时间复杂度、高内存使用以及模型结构复杂等固有限制，这些造成Transformer用于滚动轴承剩余寿命 (remaining useful life， RUL)预测会表现出较低预测精度和较低计算效率的问题。为此，提出了一种新型编解码器——策略梯度informer(policy gradient informer， PG-informer)模型，并首次将其应用于滚动轴承RUL预测。在PG-informer的新型编解码器体系结构——Informer中设计了概率稀疏自注意力（probabilistic sparse self-attention， PSSA）机制来替代Transformer中原有的自注意力机制，以提高非线性逼近能力并减少时间和空间复杂度；然后，PG-informer采用自注意力蒸馏(self-attention distillation， SAD)操作减少参数维度和参数量，并提高了对时间序列的预测鲁棒性；此外，PG-informer的生成式解码器只需对解码输入进行一步解码即可输出预测结果，而无需动态多步解码，提升了对时间序列的预测速度；最后，构造了策略梯度学习算法来提高对PG-informer参数的训练速度。PG-informer的以上优势使所提出的基于PG-informer模型的滚动轴承RUL预测方法可以获得较高的预测精度、较好的鲁棒性和较高的计算效率。对辛辛那提大学智能维护系统中心的1号滚动轴承的RUL预测实验结果表明所提出方法预测得到的RUL值为963 min，其RUL预测误差仅为6.50%，比基于Transformer的RUL预测方法预测精度更高、预测误差更小、鲁棒性更好；所提出方法所耗费的RUL预测时间仅为132.37 s，比基于Transformer的RUL预测方法的预测时间更短。以上实验结果验证了所提出方法的有效性。

关键词： Informer模型概率稀疏自注意力机制策略梯度滚动轴承剩余寿命预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于加速鱼群算法的锂离子电池剩余寿命预测

兵器装备工程学报 2022年第2期43卷 163-169页

作者：何星丁有军宋丽君殷春武西安建筑科技大学信息与控制工程学院西安710055 国防科技大学装备综合保障技术重点实验室长沙410073

针对极端学习机(ELM)方法在预测建模过程中因参数随机生成导致的结果不确定性,提出了一种加速鱼群算法(AAFSA)优化极端学习机的锂离子电池剩余寿命预测方法。针对基本人工鱼群算法(AFSA)存在的收敛速度慢、易陷入局部最优解,通过自适应... 详细信息

针对极端学习机(ELM)方法在预测建模过程中因参数随机生成导致的结果不确定性,提出了一种加速鱼群算法(AAFSA)优化极端学习机的锂离子电池剩余寿命预测方法。针对基本人工鱼群算法(AFSA)存在的收敛速度慢、易陷入局部最优解,通过自适应确定感知距离和移动步长加快收敛速度,并在随机移动时增加混沌扰动提高种群多样性改善AFSA的寻优性能;利用AAFSA确定最优ELM隐含层参数,建立锂离子电池剩余寿命预测模型;利用NASA锂离子电池数据集验证,剩余寿命预测相对误差低于4%。与ELM相比预测结果更加稳定可靠,相比支持向量回归(SVR)及其改进方法预测精度有明显的提高,最高可提升近50%。

关键词：极端学习机人工鱼群算法数据驱动剩余寿命预测锂离子电池

基于BA-WPHM的滚动轴承两阶段剩余寿命预测方法

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2022年第1期39卷 96-101页

作者：王英顾欣吕文元东北农业大学工程学院哈尔滨150030 哈尔滨工业大学经济与管理学院哈尔滨150001

为了提高滚动轴承剩余寿命预测的准确性,根据滚动轴承运行过程的两阶段性特点,提出了一种基于蝙蝠算法(BA)和威布尔比例风险模型(WPHM)的滚动轴承两阶段剩余寿命预测方法。首先,构建基于WPHM的剩余寿命预测模型;其次,提出了两阶段极大... 详细信息

为了提高滚动轴承剩余寿命预测的准确性,根据滚动轴承运行过程的两阶段性特点,提出了一种基于蝙蝠算法(BA)和威布尔比例风险模型(WPHM)的滚动轴承两阶段剩余寿命预测方法。首先,构建基于WPHM的剩余寿命预测模型;其次,提出了两阶段极大似然估计法,建立新的似然函数,并利用BA算法进行求解,以提高参数估计的准确性;最后,建立BA-WPHM模型对滚动轴承进行剩余寿命预测。案例分析表明,相比于Newton-Raphson算法、自组织分层猴群算法(SHMA)和独特的自适应粒子群算法(UAPSO),提出的方法参数估计的准确性更高,剩余寿命的预测精度优于支持向量回归(SVR)方法,验证了所提方法的有效性,为滚动轴承维修决策的可行性提供了依据。

关键词：滚动轴承剩余寿命预测威布尔比例风险模型两阶段极大似然估计法蝙蝠算法

基于LongTransformer的轨道交通装备及关键零部件剩余寿命预测

在线全文

学校读者我要写书评

暂无评论

制造业自动化 2022年第11期44卷 160-164页

作者：代钰赵蓉郭浩男高振杨雷东北大学软件学院沈阳110169 东北大学计算机科学与工程学院沈阳110169

最近,基于深度学习的剩余寿命预测算法在解决轨道交通装备及关键零部件寿命评估中展示了巨大的前景。然而,随着工业技术的升级,短周期的零部件状态监测数据已经不能显著反应剩余寿命的变化,剩余寿命预测对现存算法的预测能力也提出了更... 详细信息

最近,基于深度学习的剩余寿命预测算法在解决轨道交通装备及关键零部件寿命评估中展示了巨大的前景。然而,随着工业技术的升级,短周期的零部件状态监测数据已经不能显著反应剩余寿命的变化,剩余寿命预测对现存算法的预测能力也提出了更高的要求,即能够精确地捕捉输入和输出之间的长周期依赖性特征,以提高模型的准确率。为了解决这一问题,提出了基于改进Transformer的剩余寿命预测算法(LongTransformer)。在该模型中,通过使用级联层输入减半方式的自注意力网络来增强对于长周期时间序列依赖关系特征的提取,从而有效地处理较长的输入序列,提升模型的预测能力。在真实的数据集上进行的大量实验,与基线方法相比,LongTransformer的MAE值、RMSE值分别降低了31.97%~81.08%、28.66%~82.75%。

关键词： Transformer 长时间序列剩余寿命预测

在线全文

学校读者我要写书评

暂无评论

工程机械用液压马达剩余寿命预测

机床与液压 2023年第15期51卷 203-208,220页

作者：郝秀红高涛李鑫宇王树强李海滨燕山大学机械工程学院河北秦皇岛066004 燕山大学河北省重型机械流体动力传输与控制重点实验室河北秦皇岛066004

为了进行工程机械用液压马达剩余寿命预测,基于容积效率、Wiener过程以及支持向量机回归,提出一种剩余寿命预测方法。开展液压马达全寿命试验,运用非线性支持向量机回归算法处理原始数据,基于极大似然估计法和贝叶斯更新策略建立Wiener... 详细信息

为了进行工程机械用液压马达剩余寿命预测,基于容积效率、Wiener过程以及支持向量机回归,提出一种剩余寿命预测方法。开展液压马达全寿命试验,运用非线性支持向量机回归算法处理原始数据,基于极大似然估计法和贝叶斯更新策略建立Wiener过程模型,完成液压马达剩余寿命预测。结果表明:液压马达容积效率随冲击次数变化有明显下降趋势;非线性支持向量机回归在考虑退化数据随机性的基础上提高了规律性;基于Wiener过程的剩余寿命预测方法能够准确、可靠地预测液压马达的剩余服役寿命。

关键词：寿命试验剩余寿命预测支持向量机 Wiener过程极大似然估计

基于改进空间时序自编码器和信息融合的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

基于改进空间时序自编码器和信息融合的剩余寿命预测方法研究

作者：高国朕浙江大学

学位级别：硕士

由于工业设备常常运行在复杂恶劣的工况下,一旦失效宕机,会给整个工业生产过程带来巨大的危险。为了减少设备故障带来的损失并降低维护成本,本文基于设备丰富的状态监测数据,利用机器学习强大的特征提取和非线性映射能力,对设备进行退... 详细信息

由于工业设备常常运行在复杂恶劣的工况下,一旦失效宕机,会给整个工业生产过程带来巨大的危险。为了减少设备故障带来的损失并降低维护成本,本文基于设备丰富的状态监测数据,利用机器学习强大的特征提取和非线性映射能力,对设备进行退化状态评估和剩余寿命预测,从而为实现预测性维护提供有利条件。本文在特征层面和策略层面分别进行信息融合,通过特征层面的融合提取出反映设备健康状态的健康指数曲线,在此基础上通过策略层面的信息融合构建出更精确的剩余寿命预测模型,并对预测的不确定性进行量化。对于健康指数提取,本文采用基于重构的深度学习特征融合方法,将状态监测数据通过编码器映射到一维隐空间,再通过解码器进行重构,模型的隐含层变量就作为融合得到的健康指数。考虑到工业设备的状态监测数据是多维的时间序列,各维度的特征之间也存在一定的关联关系,而目前常见的基于重构的方法只是简单地将状态监测数据视作独立的样本点。为此,本文提出空间时序自编码器模型,通过一维卷积层和注意力机制自适应地提取出多维状态观测数据的全局空间特征,并将其输入到门控循环神经网络（GRU）层实现将数据的时序信息融合入模型的隐含层变量。为了减少噪声的影响,同时希望模型在对新的设备进行健康状态评估时能够增量学习当前设备的个体退化特性,本文基于设备的退化是单调的这一先验知识,提出了单调性约束正则化来改进空间时序自编码器,并使用弹性权重巩固技术使得模型具有增量学习的能力。在剩余寿命预测阶段,本质是建立健康指数与剩余寿命之间的映射关系模型。本文使用集成学习的Stacking框架串行融合多个基于机器学习的剩余寿命预测模型,以提升剩余寿命预测的准确率。同时,使用Bootstrap框架,通过有放回的随机重采样建立集成模型,估计出预测误差的方差,实现剩余寿命的区间预测。本文使用CMAPSS航空发动机和PHM2012轴承数据集进行实验验证。航空发动机由多维传感器进行监测。轴承的监测信号是振动信号,可以从中提取出多维状态观测特征。实验结果表明,本文提出的方法在健康指数提取和剩余寿命预测任务中均能取得优异的表现。

关键词：剩余寿命预测健康状态评估工业大数据深度学习信息融合集成学习