检索结果-南通市图书馆

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于便携设备的螺钉状态视觉检测方法研究

计算机测量与控制 2020年第1期28卷 130-134页

作者：姜金岭孙洁白伟光北京航天测控技术有限公司北京100041 北京市高速交通工具智能诊断与健康管理重点实验室北京100041 装备全寿命周期状态监测与健康管理技术与应用国家地方联合工程研究中心北京100041

生产现场中,尤其是小批量大规模设备的装配和调试过程中,螺钉需求量大,螺钉连接状态对装配质量有着重大影响,目前对于该过程的检验仍需要工人目视检验并手动记录,这一过程主观性强,自动化水平低,效率低下;针对装配过程中的螺钉状态进行... 详细信息

生产现场中,尤其是小批量大规模设备的装配和调试过程中,螺钉需求量大,螺钉连接状态对装配质量有着重大影响,目前对于该过程的检验仍需要工人目视检验并手动记录,这一过程主观性强,自动化水平低,效率低下;针对装配过程中的螺钉状态进行检测,基于视觉检测的方式,识别螺钉的拧紧程度,提高检测准确率和效率;首先,通过对线性特征的有效匹配来对螺钉进行定位,之后,使用全局阈值和自适应阈值结合的方法对螺钉区域进行有效分割,提取螺钉区域的特征,最后对提取的拧紧螺钉和未拧紧螺钉的特征进行分类识别,识别出设备上的未拧紧螺钉,检测准确率达到93%以上,检测精度可达到2mm以内;采用便携式检测设备,方便部署,可广泛适用于小批量大规模设备的多个应用场景的装配质量检测中。

关键词：线特征检测特征匹配仿射变换图像分割

在线全文

学校读者我要写书评

暂无评论

基于卷积神经网络的发动机故障预测方法

计算机测量与控制 2019年第10期27卷 74-78页

作者：元尼东珠杨浩房红征青海民族大学计算机学院西宁810007 北京航天测控技术有限公司北京100041 北京市高速交通工具智能诊断与健康管理重点实验室北京100041 装备全寿命周期状态监测与健康管理技术与应用国家地方联合工程研究中心北京100041

近年来,卷积神经网络(CNN)等深度学习方法的发展为发动机故障诊断和预测带来了新的思路;CNN具有局部连接、权值共享、池化操作以及多层结构等特点,能够有效提取局部特征,降低网络的训练难度,使CNN具有很强的学习能力和特征表达能力;开... 详细信息

近年来,卷积神经网络(CNN)等深度学习方法的发展为发动机故障诊断和预测带来了新的思路;CNN具有局部连接、权值共享、池化操作以及多层结构等特点,能够有效提取局部特征,降低网络的训练难度,使CNN具有很强的学习能力和特征表达能力;开展了深度卷积神经网络故障预测方法研究,实现了面向发动机气路故障预测算法架构;利用基于发动机试验仿真数据对该方法进行了验证,并与其他几种常见的基于数据驱动的预测方法进行了比较,验证结果表明文章提出的基于卷积神经网络的预测方法具有较好的可行性和效果,可作为开展发动机PHM技术研究的参考。

关键词：故障预测深度学习卷积神经网络(CNN) 发动机

在线全文

学校读者我要写书评

暂无评论

基于QAR数据的民用飞机故障预测及验证

计算机测量与控制 2019年第10期27卷 31-35页

作者：巴塔西李蕊熊毅房红征上海飞机客户服务有限公司上海200241 北京航天测控技术有限公司北京100041 北京市高速交通工具智能诊断与健康管理重点实验室北京100041 装备全寿命周期状态监测与健康管理技术与应用国家地方联合工程研究中心北京100041

飞机飞行过程中产生成百上千种飞行参数和数量庞大的飞行数据,但目前这些数据并没有得到充分有效的利用,飞机的维修还处在以定期维修和事后维修为主的阶段;随着航空技术的不断发展,利用飞行数据进行故障预测,转变民机维修模式向视情维... 详细信息

飞机飞行过程中产生成百上千种飞行参数和数量庞大的飞行数据,但目前这些数据并没有得到充分有效的利用,飞机的维修还处在以定期维修和事后维修为主的阶段;随着航空技术的不断发展,利用飞行数据进行故障预测,转变民机维修模式向视情维修发展变得越来越有必要;首先对基于QAR数据的民用飞机故障预测技术路线进行了说明;其次介绍了适用于民机QAR数据的两种故障预测方法,包括基于曲线拟合的性能预测方法和基于时间序列的趋势预测方法;再次,详细描述了基于QAR数据的故障预测系统的实现途径;通过预测关键参数变化趋势,达到提前发现故障,以制定合理的维护计划,确保飞行安全的目的;最后采用提出的方法对波音飞机的空调、滑油系统关键参数数据进行预测,预测结果验证了方法的有效性。

关键词：故障预测及验证 QAR数据民用飞机

在线全文

学校读者我要写书评

暂无评论

基于卷积神经网络的发动机气路故障诊断方法

计算机测量与控制 2019年第12期27卷 14-19页

作者：元尼东珠罗亚锋房红征杨浩青海民族大学计算机学院西宁810007 火箭军装备部驻北京地区第八军事代表室北京100192 北京航天测控技术有限公司北京100041 北京市高速交通工具智能诊断与健康管理重点实验室北京100041 装备全寿命周期状态监测与健康管理技术与应用国家地方联合工程研究中心北京100041

深度学习是一种新的基于特征表示的机器学习方法;深度学习模型包含多个隐藏层,可以通过对输入数据进行自动学习来获取隐藏的功能层中的特征信息;与传统的诊断方法相比,深度学习具备从原始信息中提取更丰富的特征的能力,因此已经成为基... 详细信息

深度学习是一种新的基于特征表示的机器学习方法;深度学习模型包含多个隐藏层,可以通过对输入数据进行自动学习来获取隐藏的功能层中的特征信息;与传统的诊断方法相比,深度学习具备从原始信息中提取更丰富的特征的能力,因此已经成为基于机器学习的故障诊断研究的新方向,为发动机气路等复杂系统故障诊断带来了新思路;结合发动机气路试验数据的特点与深度学习的优势,提出基于卷积神经网络的故障诊断方法,包括预处理、模型训练及优化等过程,并实现了复杂系统故障诊断预测算法平台;经某发动机气路试验仿真数据实例验证,提出的方法具有较好的可行性和效果,能够充分利用深度学习的优点,更准确地识别发动机气路的健康状况。

关键词：无故障诊断深度学习卷积神经网络(CNN) 深度神经网络(DNN) 发动机气路

煤矿设备全寿命周期健康管理与智能维护研究综述

在线全文

学校读者我要写书评

暂无评论

煤炭学报 2024年

作者：曹现刚段雍王国法赵江滨任怀伟赵福媛杨鑫张鑫媛樊红卫薛旭升李曼西安科技大学机械工程学院陕西省矿山机电装备智能检测与控制重点实验室中国煤炭科工集团有限公司

近年来，随着煤矿智能化技术快速发展，煤矿设备全寿命周期健康管理与智能维护技术作为实现煤矿设备运行健康状态智能感知、智能识别和维护决策，保障煤矿设备高效可靠运行的重要手段，相关研究受到了广泛关注。然而，目前煤矿仍然以事... 详细信息

近年来，随着煤矿智能化技术快速发展，煤矿设备全寿命周期健康管理与智能维护技术作为实现煤矿设备运行健康状态智能感知、智能识别和维护决策，保障煤矿设备高效可靠运行的重要手段，相关研究受到了广泛关注。然而，目前煤矿仍然以事后维修、预防维修等方式为主，难以满足煤矿设备的高可靠性需求。基于此，综述了煤矿设备全寿命周期健康管理与智能维护的研究进展以推动其在煤矿的应用，阐释了煤矿设备全寿命周期的健康管理与智能维护内涵，给出了煤矿设备健康管理与智能维护总框架。从煤矿设备大数据管理方法、健康状态评估方法、剩余使用寿命预测方法、智能维护决策方法4方面分析了煤矿设备健康管理与智能维护方法研究现状。在煤矿设备大数据管理方面，总结了煤矿设备多源信息感知、大数据清洗、大数据集成及存储方法的最新研究成果，深入分析对比了相关方法的应用情况，指出了现阶段煤矿设备大数据管理存在的挑战。在煤矿设备健康状态评估方面，从煤矿设备监测信号特征提取、健康状态等级划分、健康状态评估模型构建3方面出发探讨了煤矿设备健康状态评估关键方法最新发展现状，对比分析了不同方法的优缺点，总结了该领域面临的难题。在煤矿设备剩余使用寿命预测方面，分析了统计模型方法、物理模型方法和数据驱动方法在煤矿设备剩余使用寿命预测上的优缺点，指出了煤矿设备剩余使用寿命方法存在的问题。在煤矿设备智能维护决策方面，明确了煤矿设备预测性维护决策主要步骤，对比分析了煤矿设备智能维护方法最新研究成果及其优缺点，归纳了现阶段煤矿设备智能维护方法研究的不足。结合煤矿设备全寿命周期健康管理与智能维护面临的挑战及发展要求，从煤矿设备大数据管理方法、时变工况下设备健康评估方法、多因素影响下设备剩余使用寿命方法、煤矿设备多目标智能维护决策方法、健康管理与智能维护算法集成及系统开发等方面对煤矿设备健康管理与智能维护提出了展望，指明了煤矿设备健康管理与智能维护关键理论、方法的研究方向，为提升煤矿设备健康管理及智能维护水平，促进煤炭工业转型升级和高质量发展提供依据。

关键词：煤矿设备大数据管理健康状态评估剩余使用寿命预测智能维护决策

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

无人机故障诊断技术研究进展概述

仪器仪表学报 2020年第9期41卷 56-69页

作者：苗建国王剑宇张恒苗强四川大学空天科学与工程学院空天信息处理与应用中心成都610065

无人机自动化和智能化程度的提高使其应用场景和服役范围不断扩展,将进一步推动军民融合各重要领域的新一轮产业变革。无人机系统复杂且任务环境多变,对其安全可靠性提出新的挑战。故障预测与健康管理(PHM)技术能够有效降低因故障带来... 详细信息

无人机自动化和智能化程度的提高使其应用场景和服役范围不断扩展,将进一步推动军民融合各重要领域的新一轮产业变革。无人机系统复杂且任务环境多变,对其安全可靠性提出新的挑战。故障预测与健康管理(PHM)技术能够有效降低因故障带来的任务中断风险,并提高装备全寿命周期的任务品质。为此,首先在阐述无人机和PHM技术基本概念基础上概括提出了无人机PHM技术框架,然后分析总结了无人机故障诊断和故障预测技术的研究现状,最后探讨了无人机故障诊断和预测技术面临的挑战,并从失效机理基础、状态监测技术、故障模型构建和智能技术应用4个层面对无人机PHM技术发展趋势进行总结,旨在为新一代无人机PHM技术的研究开展提供一定的参考和借鉴。

关键词：无人机 PHM技术故障诊断故障预测

在线全文

学校读者我要写书评

暂无评论

数据驱动的航空装备健康管理平台设计与应用

制造业自动化 2024年第6期46卷 19-28页

作者：张昌福王飞飞李琳周鹏陈光林贵州大学机械工程学院贵州贵阳550025 贵州航天云网科技有限公司贵州贵阳550081

随着机器学习的迅速发展,基于数据驱动的新型机器学习为航空航天领域的问题分析提供了新思路。健康管理作为提升装备可靠性、维修性、保障性和测试性的关键步骤备受瞩目。在航空航天装备技术不断创新以及智能化水平不断提高的背景下,分... 详细信息

随着机器学习的迅速发展,基于数据驱动的新型机器学习为航空航天领域的问题分析提供了新思路。健康管理作为提升装备可靠性、维修性、保障性和测试性的关键步骤备受瞩目。在航空航天装备技术不断创新以及智能化水平不断提高的背景下,分析航空航天装备在健康管理中存在的难题和机器学习优势的基础上,提出了基于数据驱动的航空航天装备健康管理平台。着重介绍了该平台的设计理念、结构框架、工作流程以及全寿命周期数据管理。通过以某航空航天装备为例,论证了该设计方法在航空航天装备健康管理平台研制中的可行性和有效性。

关键词：航空装备管理健康管理数据驱动状态监测故障诊断健康预测

在线全文

学校读者我要写书评

暂无评论

风力机轴承实时剩余寿命预测新方法

振动．测试与诊断 2021年第1期41卷 157-163,206页

作者：吕明珠苏晓明刘世勋陈长征沈阳工业大学机械工程学院沈阳110870 辽宁装备制造职业技术学院自动控制工程学院沈阳110161 中国质量认证中心(沈阳)北方实验室沈阳110164

由于传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命的准确预测,提出了基于包络谐噪比(envelope harmonic‑to‑noise ratio,简称EHNR)和无迹粒子滤波(unscented particle filter,简... 详细信息

由于传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命的准确预测,提出了基于包络谐噪比(envelope harmonic‑to‑noise ratio,简称EHNR)和无迹粒子滤波(unscented particle filter,简称UPF)相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的EHNR监测轴承的早期退化点,并提取EHNR的趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,利用UPF算法更新模型参数,实现对轴承退化状态的跟踪和预测;最后,使用实际风力机轴承监测数据对所提方法进行验证。结果表明,该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。与常用的支持向量回归模型(support vector regression,简称SVR)、反向传播神经网络(back propagation neural network,简称BPNN)的预测方法相比,具有较高的预测精度,为大型风力机组的健康管理和可靠性评估提供参考依据。

关键词：风力机轴承包络谐噪比无迹粒子滤波剩余寿命预测

大型复杂起重装备MRO关键支持技术研究及其应用

在线全文

学校读者我要写书评

暂无评论

大型复杂起重装备MRO关键支持技术研究及其应用

作者：邓陆武汉工程大学

学位级别：硕士

大型复杂起重装备是大国博弈的砝码,是一个国家制造业的脊梁。装备制造业在我国经济产业占据重要地位,复杂起重装备是高端制造的重要载体,通过信息化手段,提升起重装备制造业的服务水平,已成为国内外业界共识,MRO作为制造服务的主体业... 详细信息

大型复杂起重装备是大国博弈的砝码,是一个国家制造业的脊梁。装备制造业在我国经济产业占据重要地位,复杂起重装备是高端制造的重要载体,通过信息化手段,提升起重装备制造业的服务水平,已成为国内外业界共识,MRO作为制造服务的主体业务必须得到充分重视与发展。因此,针对大型复杂起重装备安全监控、健康监测以及维修决策等MRO关键支持技术进行了较为深入的研究,并以岸边集装箱起重机为例,进行了相应的说明。本文主要的研究内容如下:(1)结合大量的文献和调研工作,阐述了复杂起重装备MRO服务的内涵及其研究背景和意义,并分析了国内外起重装备维护管理技术和产品MRO服务相关领域的研究现状。在此基础上,提出了本文的研究内容和结构。(2)以复杂起重装备的起重量、起升高度、工作时间、工作循环、累计工作时间、操作指令等运行参数和起升机构制动器状态、抗风防滑状态、连锁保护等关键安全参数以及设备周围环境视频信息为对象,开展了起重装备安全监控技术研究,为保证起重装备运行的安全性、可控性和可管理性提供技术手段。(3)围绕复杂起重装备金属结构和运行机构,以岸边集装箱起重机为例分析了其结构、电机、制动器、减速机的典型失效模式。在此基础上,结合现场工作,以金属结构和减速机为例,阐述了基于光纤光栅的结构健康监测方法和基于多传感元件的运行机构状态监测方法,为起重装备金属结构和运行机构维修决策基础数据积累奠定了技术基础。(4)以安全监控参数和健康监测数据为基础,针对起重机起升机构电气系统、金属机构、减速机,分别阐述了基于安全监控参数及定量FTA的确定起重机电气系统维修决策方法、基于起重装备金属结构应力监测的结构疲劳寿命和维修周期评估方法以及基于振动监测数据的减速机故障趋势预测和维修决策方法,并分别进行了算例分析。(5)构建了大型复杂起重装备MRO服务管理系统基本框架,并对系统各个模块的基本内容进行了阐述,为今后进一步完善该系统奠定了基础,内容对于MRO技术应用于大型复杂起重装备的健康管理有一定的参考作用。

关键词：大型复杂起重装备 MRO技术安全监控健康监测维修决策