预测齿轮泵泄漏量的变化趋势有助于定量分析其性能退化过程。变分模态分解(Variational Modal Decomposition, VMD)方法对齿轮泵原始泄漏量数据进行变分模态分解,得到本征模态函数IMF,提出一种结合麻雀优化算法(Sparrow Search Algorithm, SSA)和长短期记忆神经网络(Long-Short Term Memory, LSTM)的模型,建立VMD-SSA-LSTM模型预测齿轮泵泄漏量的变化情况,并对每一个分量进行单独预测,最后将预测结果进行叠加,获得完整的预测结果。通过对比不同时间段预测结果可知,VMD-SSA-LSTM模型较单一的LSTM模型预测结果的平均相对误差最高可减小25.2%,能够完成对泄漏量的有效预测。研究结论可为齿轮泵性能衰退的定量预测提供理论支持。

滚动轴承作为旋转机械最重要的零部件之一,其可靠性和寿命直接影响着机器的可靠性和寿命,为解决滚动轴承可靠性难以估计的问题,提出一种基于概率核主成分分析(Probabilistic Kernel Principal Component Analysis,PKPCA)和Logistic回归模型(Logistic Regression Model,LRM)的滚动轴承可靠性评估方法.首先提取轴承的时域、频域和时频域特征值组成高维混合域特征集,并引入相对特征值降低轴承个体差异;然后用PKPCA挑选能够表征轴承退化状态的特征值作为Logistic回归模型的协变量;最后用Logistic回归模型对滚动轴承可靠性进行评估.通过IMS滚动轴承全寿命试验,验证了该方法的有效性.

随着航空、风电等装备对齿轮传动功率密度、承载能力、寿命要求的提高,齿轮接触疲劳失效成为限制现代齿轮装备服役性能与可靠性的重要瓶颈,其中,材料的微观结构特征从根本上决定了齿轮等服役件疲劳性能的优劣。通过调研国内外相关研究现状,介绍了齿轮材料中残余奥氏体、碳化物、晶粒等主要微观结构及其对齿轮接触疲劳性能的影响。归纳了现有基于微观结构建模和微结构力学本构模型的齿轮疲劳数值模拟方法,用来描述齿轮接触疲劳中的微结构力学行为,以提升对齿轮疲劳关键特征和机理的理解。重点对齿轮存在的多种接触疲劳失效形式进行了详细阐述,分析了影响齿轮接触疲劳失效的主导因素、诱发的微观结构与力学性能变化特征以及潜在机理。为进一步理解齿轮服役过程中的微观结构演化特征与力学性能退化的关联关系以及接触疲劳失...

为了能够准确地对大型设备的性能退化过程进行描述，提出了一种基于支持向量数据描述（SVDD）和信息融合技术的评估方法。通过SVDD算法分别评估来自单个传感器的数据，然后运用D—S证据理论对来自多传感器的局部评估结果进行信息融合，最终给出设备的整体性能评估结果。实验分析表明，SVDD算法能够真实地反映设备局部性能退化状态的变化，而利用D—S证据理论得出的整体设备状态评估结果符合实际情况，同时有效地消除局部信息之间的矛盾，提高了设备整体评估的可靠性。

针对传统寿命试验方法评估液压缸可靠性出现的耗时长、费用高且无法满足实际需求等问题,基于性能退化的可靠性评估方法,通过性能退化随时间的变化规律对液压缸进行了寿命预测与可靠性评估。采用数值模拟手段判定了各个密封圈的安全性与稳定性,利用Archard磨损模型得到了密封圈的磨损体积曲线。基于考虑随机效应的Wiener过程建立的密封圈可靠性模型,得到了首达时间失效定义下的寿命分布,确立了退化模型参数与可靠度之间的关系,并建立了液压缸密封圈的可靠度数学表达式。搭建了往复式试验平台,试验结果表明,基于Wiener过程的性能退化模型能够更好地描述密封圈的性能退化过程,与传统寿命试验方法相比,对密封圈性能退化的预测更为准确和有效。

柱塞泵关键摩擦副磨损造成的泄漏增大是其性能退化的主要原因,预测泄漏量的变化趋势有助于定量分析柱塞泵性能退化过程。该研究使用HP(Hodrick-Proscott)滤波对柱塞泵泄漏量进行分解,结合滤波后得到的趋势数据具有非线性及方差异性的特征,基于时间序列方法建立HP-ARIMA-GARCH(HP-Auto Regressive Integrated Moving Average-Generalized Autoregressive Conditionally Heteroscedastic)模型预测柱塞泵泄漏量变化。通过不同时段泄漏量预测结果比较可知,根据HP滤波分解后得到的趋势数据序列建立的HP-ARIMA-GARCH模型较传统时间序列模型预测结果的平均相对误差最高可减小5.42个百分点,能够实现对泄漏量的有效预测。研究结论可为柱塞泵性能退化的定量预测提供理论参考。

高速开关阀以其结构简单、响应速度快、抗污染能力强、稳定性好等优点得到了广泛的应用。水液压高速开关阀的工作介质黏性低,更容易因性能退化发生故障。提出了一种基于机器学习的水液压高速开关阀性能退化状态识别及退化趋势预测方法。搭建了高速开关阀性能测试试验台,将电流信号的变化作为高速开关阀的性能退化指标。根据高速开关阀性能退化程度,将其退化状态定义为正常期、退化期和严重退化期3个阶段。采用BP神经网络(BPNN)方法对高速开关阀的退化状态进行了识别,并采用粒子群优化长短期记忆模型(PSO-LSTM)方法对高速开关阀的退化趋势进行了预测。使用高速开关阀的性能退化试验数据对提出模型的有效性进行了检验,结果表明该方法具有较高的预测精度。

轴向柱塞泵作为液压系统的核心动力元件之一,其性能的好坏直接影响液压系统整体的工作状况,如果能掌握轴向柱塞泵剩余使用寿命的分布规律,可以为液压系统实施健康管理提供依据。为此,以轴向柱塞泵泄漏回油流量作为其性能退化指标,应用非线性Wiener过程构建其剩余使用寿命预测模型。通过与柱塞泵实例寿命比较表明,具有随机效应幂函数结构的非线性Wiener过程模型预测结果,优于线性以及其他2种非线性Wiener过程模型,更接近轴向柱塞泵退化过程中的实际寿命。

针对缺乏时变工况下电静压伺服机构性能退化监测方法,在地面摇摆测试过程中难以预测性能退化程度,进而影响火箭健康状态评估准确性的问题,提出了一种利用人工神经网络进行电静压伺服机构性能退化监测的方法。通过对电静压伺服机构的系统建模与性能退化机理分析,确定了性能退化表征参数;通过分析不同性能退化阶段与正常状态下的特征参量相对偏离程度的方法构建了健康因子;提出了基于可控参数的前馈神经网络进行健康因子监测的方法。利用地

寿命预测和估计是机载液压系统健康管理的核心难点。综述了机载系统寿命预测与估计常用方法，针对长寿命机载系统不可能在出厂前给出准确寿命，提出动态数据更新的粒子滤波寿命估计方法。建立机载液压系统多场耦合作用下性能退化规律，将研制寿命试验的累积损伤表征在退化状态内部，实际飞行数据通过贝叶斯滤波动态更新到寿命估计模型中，考虑余度液压系统多退化状态增广，给出动态机栽液压系统寿命预测与估计方法，实现机载液压系统高精度寿命估计。