随着机械装备不断朝高速化、大型化、智能化方向发展,为了保障机械设备高效、安全、可靠运行,故障预测与健康管理(PHM)一直是工业领域研究的热点问题。机械装备的工作环境恶劣,工况复杂,多系统相互耦合,在长期服役过程中,其状态监测信息呈现出典型的“体量浩大、多源异构、生成快速、价值稀疏”的大数据4V特征。因此,“大数据”背景下的机械装备健康管理呈现出“三高”特点:(1)需要高容量的大数据存贮能力;(2)需要高效实时的数据处理能力;(3)需要高强的多源异构适应性。针对上述特点,亟需一种能够从海量数据中自适应提取故障特征并进行有效诊断、评估和预测的数据处理方法。深度学习理论作为机器学习的进一步发展,以强大的建模与数据处理能力,在图像处理、语音识别、自然语言处理等领域取得了巨大的成功,国内外诸多学者也将深度学...

为了解决深孔加工过程中刀具的磨损状态难以监测及其可靠性评估过程中样本难以获取的情况,提出了一种基于小波核Logistic模型的深孔加工运行可靠性模型。在该方法中,首先,建立了小波核Logistic模型以解决小子样情况下的可靠性评估问题,其次,以刀杆自激振动相对小波能量及从电流信号提取的切削力比为模型输入参数以解决状态难以监测的问题;最后,用一个深孔加工实验对模型进行了验证,结果表明该方法具有一定的实用价值。

针对单台或小样本数控机床刀具可靠性评估时,传统的基于大样本统计的可靠性评估方法因缺乏时间、动态、个性化的精确性描述而难以发挥作用。为了提高单台或小样本条件下的机床刀具运行可靠性评估精度和可信性,作者提出了一种基于奇异值分解(SVD)和支持向量空间的运行可靠性评估方法。首先通过实验对机床切削加工过程中的刀架振动信号进行获取,采用小波包分解、能量分布和时频域统计量分析,提取出与刀具磨损量密切相关的显著特征指标。为了降低计算复杂程度和减小冗余成分,进一步利用SVD对所提取的刀具正常磨损条件的振动信号时频域高维特征数据集进行降维处理。然后将降维数据作为测试样本代入支持向量空间模型构造支持向量空间超球体,以该超球体所定义的圆心和半径为计算依据,将待检样本相对于超球体的相对距离作为描述刀具...

针对强背景噪声下的滚动轴承早期故障诊断问题,提出了一种融合遗传算法品质因子参数优化、子带重构共振稀疏分解(RSSD)和小波变换的故障诊断方法。该方法以滚动轴承早期故障振动信号RSSD低共振分量峭度指标作为目标函数,利用遗传算法对品质因子参数组合进行优化选择。依据能量分布占优原则对低共振分量进行主子带重构、减少噪声干扰且增强故障信号冲击特征。借助小波分析局部优化和多分辨的特性,对重构低共振分量进行多尺度小波分解,提取轴承故障特征且深度挖掘轴承故障特征信息。通过滚动轴承的2种不同类型故障诊断实例表明,与一般RSSD方法相比,该方法具有更强的削弱背景噪声影响、凸显微弱故障特征的能力。

为了提高滚动轴承的故障特征提取可靠性,该文提出了一种基于自适应局部迭代滤波(Adaptive local iterative filtering,ALIF)和能量算子解调的滚动轴承故障特征提取的方法。该方法首先利用ALIF将轴承的故障振动信号分解为若干个本征模态函数(Intrinsic mode function,IMF)分量,然后对包含故障信息最多的分量进行能量算子解调,得到分量的包络谱来提取轴承的故障特征。仿真结果表明ALIF能够准确获取IMF分量,解决经验模式分解(Empirical mode decomposition,EMD)带来的模式混叠问题,结合能量算子解调方法能更好地凸显故障信号的包络谱特征,有效地提取轴承故障特征频率。

在强背景噪声干扰下,快速峭度图提取滚动轴承微弱信号故障的特征效果并不明显。将迭代滤波（Iterative Filtering,IF）和快速峭度图相结合用于滚动轴承的微弱故障特征提取。滚动轴承故障振动信号通过迭代滤波进行自适应分解得到一组内禀模态分量,用迭代滤波对强噪声滚动轴承信号进行降噪处理,用快速峭度图构造最优带通滤波器,将滤波后信号的包络谱与轴承故障特征频率进行比较,从而诊断出具体故障。通过仿真和试验验证了所述方法的有效性及优点。

为了提高少失效或零失效数据条件下的航空发动机轴承运行可靠性评估精度和可信性,提出了一种基于比例协变量模型(PCM)和Logistic回归模型(LRM)混合的可靠性评估方法。首先对轴承运行过程中的监测数据进行信号分析,提取状态特征指标,结合失效阈值确定设备状态,利用LRM先求解轴承的初始可靠性,进一步求解出轴承的初始故障率和基本协变量函数;然后与PCM相结合,通过响应协变量和基本协变量函数对系统故障率函数进行不断更新,动态揭示状态监测数据与可靠性的映射关系;最后利用更新后的故障率函数对航空发动机轴承进行运行可靠性评估。试验结果表明该方法不需要人为确定基本协变量函数,避免了主观选择差异带入的估计偏差,所确定的寿命误差在5%以内,为少失效或无失效条件下的运行可靠性评估提供了一种新的手段。

核电站一回路关键设备工作环境恶劣,极易产生裂纹、腐蚀等缺陷,必须定期对这些设备进行检查。水下摄像头是一种有效的检测手段,已广泛应用于核电站。然而在应用过程中会出现密封失效、卡齿、定位不准、传动不平稳,结构可靠性差与设备可维修性差等问题,严重影响水下视频检查的效率与可靠性,同时存在安全隐患。针对核电站水下摄像头在应用过程中出现的工程问题,提出结构改进设计方案,摄像头的可靠性与定位精度显著提高。

为了克服液压设备传统诊断技术上的不足，提出了多传感器信息融合技术的故障诊断模型。该模型充分利用液压设备上能够携带故障特征的多类信息，并对这些信息在不同的层次上通过神经网络、贝叶斯理论、D-S证据进行有效的融合和计算，从而提高液压设备故障诊断技术的准确度。详细分析了多传感器信息融合技术的结构层次和一般方法，并讨论了信息融合技术理论在液压设备故障诊断模型中的原理和功能。达到了对液压设备典型故障的准确诊断。