为提高以自动化单元(AMU)为代表的复杂设备运行可靠性、安全性、经济性,提出一种基于数字孪生的自动化单元预测性维护框架(DT-PMAMU)。分析AMU的常见组成结构与故障特征,研究数字孪生预测性维护的关键因素;在此基础上构建了由物理设备层、物联网数据采集层、数字孪生数据层、虚拟设备层、预测性维护服务层组成的多层次预测性维护框架。某铣削AMU实际应用表明该框架取得了较好的应用效果,能够帮助相关人员快速建立预测性维护系统,有效降低了AMU实现智能运维任务的复杂度。

传统液压技术将在未来十年内发生重大变化。电气自动化、数字化和IT技术的新发展将使工业液压系统的集成变得更加容易,并使其更具竞争力。综合剖析了工业液压所面临的市场挑战,与电传动技术在未来的竞争关系,以及在关键细分市场的发展趋势。通过分析当前和未来的技术发展,结合产品和应用案例,提出了工业液压技术转型的方向、要点和解决方案。

文章对工业机器人抓手气缸状态及气缸动作时间提供了一种新的展示方法。将借助于西门子功能块,以输入/输出通讯方式时时显示工业机器人抓手气缸状态,以故障代码的编码规则定义抓手气缸异常信息代替输入/输出信号点显示工业机器人抓手气缸的异常情况。此方法可实现可编程控制器对工业机器人抓手气缸状态和动作时间的监控和显示,达到真正的互联互通功能,可降低抓手气缸异常排查时间,预测性维护异常气缸,提高工作效率。

本文设计了一种液压机专用的自适应鲁棒运动控制器并仿真验证控制器的工作性能,此控制器除了能实现标准条件下的控制性能外,还具有控制参数可调的特点,它能够估计液压缸内部的泄露,这种泄露数值的辨识和补偿可以实现更好的工作性能和预测性维护。通过使用奇异摄动参数,本文证明了鲁棒性能缓慢增加泄漏增益。最后利用仿真软件建立系统模型并验证了控制方案。

水面机器人是继无人驾驶汽车、无人机后的工业界、学术界的又一关注热点,机舱作为水面机器人的控制和运行中枢,要求具备高度的智能化和自治化。基于边缘计算模式设计和实现了水面机器人机舱预测性维护系统,该系统具有机舱运行参数实时感知、故障诊断,估计剩余寿命,进而开展预测性维护的功能。论文给出基于边缘计算的预测性维护系统体系结构设计,以NVIDIA Tegra Parker深度学习Soc为核心的边缘网关架构设计,基于GRU门控循环单元神经网络学习算法的故障诊断、剩余寿命预测方法及预测性维护实现思路,最后在NASA的PCo E发动机退化模拟数据集上验证了系统设计的可行性及预测算法的有效性。

为了探索设备退化效应对维护和生产调度耦合关系的影响,对多态单机生产系统调度与预防性维护集成优化进行研究。基于预防性维护费用、工件加工成本以及工件完工回报值,建立了无限阶段平均期望报酬Markov决策模型,并分析和证明了该集成优化模型最优平稳策略的存在性,获得了该模型的最优方程。基于模型最优方程设计了一种无模型强化学习算法用于求解Markov决策模型,可有效解决传统动态规划算法在求解模型时所遭遇的维数灾和模型灾难题。为了评估该无模型强化学习的性能,基于无限阶段平均期望报酬设计了一种启发式求解算法,实验分析结果验证了所引入的无模型强化学习算法的有效性。最后,对该强化学习算法参数进行了敏感性分析,探索各参数对算法性能的影响,为算法设计及其性能提高提供了相应的实验依据。