基于多元退化数据的航空机电系统竞争故障预测

针对基于多元退化数据的航空机电系统竞争故障预测问题,根据复杂机电系统的故障模糊特点,在退化数据和突发数据相关度的基础上,分析了航空机电装备的退化特性,而且建立了以多元退化数据为指标的航空机电系统中的预测模型。针对航空机电系统退化参数的非线性、小样本的特点,运用最小二乘支持向量机预测模型对未来某一时刻参数进行预测,并用退化量和突发故障求出的相关度得出退化量和突发故障的相关参数,从而根据航空机电系统竞争故障预测模型得出航空机电系统未来某一时刻的竞争故障概率。最后,实例分析,实现了航空机电系统的竞争故障预测,并与其它预测方法进行了对比,验证了此方法的合理性。     

Residual life prediction for marine diesel turbocharger based on Wiener process北大核心CSCD

[目的]针对船舶柴油机增压器难以收集到全生命周期性能退化数据的问题,提出一种基于维纳过程的寿命预测模型。[方法]首先,采用K-Means模型对增压器实际运行工况进行聚类,提取出典型工况数据;然后,使用贝叶斯突变点检测模型识别增压器的缺陷点;最后,建立基于维纳过程的退化模型,并以某型船用柴油机增压器为应用对象,预测增压器的剩余使用寿命。[结果]结果显示,基于维纳过程的寿命预测方法能够在不需要同类设备历史退化数据的情况下对增压器的剩余寿命进行预测。[结论]所提方法对缺少故障样本的船舶柴油机增压器寿命预测具有一定的参考价值。     

基于灰色理论的舰船装备剩余寿命预测模型

为方便并精确地预测舰船装备剩余寿命，利用其服役期间的实测资料，采用灰色系统理论建立了舰船装备剩余寿命灰色预测模型。并利用建立的预测模型对舰船装备剩余寿命进行预测，利用实测资料对其模拟计算结果进行残差检验，结果表明预测模型简单、精度高、计算速度快、方便实用，对在役舰船装备维修决策有一定的参考价值。     

基于统计推断的电子设备突发故障预测方法研究

针对电子设备突发故障预测问题,在一定置信度的前提下,基于样本的故障数据对总体的分布进行极大似然估计和分布拟合检验,确定其分布规律,进而基于故障数据分布函数建立电子设备突发故障预测模型,对电子设备未来一段时间内的突发故障概率进行预测,并进行实例分析,验证了预测模型的合理性.     

基于Stacking的机舱设备剩余寿命预测方法北大核心CSCD

[目的]在参考中国船级社《智能船舶规范》中智能机舱定义和要求的基础上,探索机舱设备故障预测与健康管理相关技术,开展轴承剩余寿命预测方法研究。[方法]针对常规数据驱动的轴承剩余寿命预测存在预测精度不佳的问题,利用集成学习Stacking融合策略,优选极限梯度提升(XGBoost)与人工神经网络(ANN)为基学习器,岭回归(ridge regression)为元学习器,构建R-A-X(Ridge-ANN-XGBoost)融合预测模型。选用IEEE PHM 2012 Prognostic Challenge同工况下的全寿命周期数据作为数据集设计预测性能对比实验,以MAE和R2为性能评价指标,对比研究基于单一算法、简单平均融合方式以及R-A-X融合方法的轴承剩余寿命预测性能。[结果]结果表明,基于Stacking构建的R-A-X融合预测模型的绝对平均误差(MAE)与决定系数(R2)评价值均优于文中涉及的其他方法,预测精度最高可提升20%。[结论]所提出的方法可提升轴承剩余寿命预测精度,对智能机舱中设备健康管理的实现具有一定的参考价值。     

一种基于指数分布的装备剩余寿命预测模型研究

文章提出并建立了一种基于指数分布的装备剩余寿命预测模型(即针对可检测的连续退化过程的一般决策模型),介绍了建模的方法及应用实例。较之其它模型,该模型具有简便实用的基本特点,对因逐步耗损而产生故障的装备部件维修决策具有重要的实用价值。     

基于LSTM的滚动轴承寿命预测

针对滚动轴承剩余使用寿命预测难、一般的神经网络预测精度差的问题,提出了一种基于振动信号时域特征,结合滚动轴承理论寿命值和具有处理时序特征功能的LSTM(Long Short-Term Memory,长短期记忆网络)剩余使用寿命预测方法。首先按照时间顺序提取振动信号的均方根值、峰度、偏斜等15个时域特征作为判断滚动轴承退化的特征值;然后将其输入到LSTM中,将网络输出的轴承退化值设定为[0,1],0表示轴承完好,1为完全退化;最后采用滚动轴承理论寿命计算公式,根据滚动轴承的转速和载荷计算滚动轴承的基本额定寿命,结合其理论寿命和退化值得到定量的剩余寿命。试验结果表明,LSTM与理论寿命结合的滚动轴承寿命预测方法相比于一般的神经网络具有较高的预测精度。     

某小型发动机剩余寿命预测分析

针对某小型发动机剩余寿命问题,提出动态灰色剩余寿命预测理论,建立灰色理论的剩余寿命预测模型。案例表明,模型能较好地利用已有的状态信息预测其剩余寿命,并随着状态信息的不断累积,其预测的平均剩余寿命也越趋近于真实值。     

海港工程混凝土结构耐久性寿命预测与健康诊断系统的设计与开发

基于我国实际环境的海港工程混凝土结构寿命预测模型,以Visual C# .NET和IMSL C#科学计算函数库为平台,开发出适用于中国本土的海工混凝土寿命预测软件<海工混凝土结构耐久性寿命预测与健康诊断系统V1.0>.软件的数学模型和数据来源于交通部西部交通建设科技项目-海港工程混凝土结构耐久性寿命预测与健康诊断研究的主要成果,在实际生产中,具有广泛的应用前景.系统实现了对新建工程进行耐久性设计,对已建工程进行耐久性剩余使用寿命预测.     

海港工程混凝土结构耐久性寿命预测与健康诊断系统的设计与开发

基于我国实际环境的海港工程混凝土结构寿命预测模型,以Visual C#.NET和IMSL C#科学计算函数库为平台,开发出适用于中国本土的海工混凝土寿命预测软件《海工混凝土结构耐久性寿命预测与健康诊断系统V1.0》.软件的数学模型和数据来源于交通部西部交通建设科技项目一海港工程混凝土结构耐久性寿命预测与健康诊断研究的主要成果,在实际生产中,具有广泛的应用前景.系统实现了对新建工程进行耐久性设计,对已建工程进行耐久性剩余使用寿命预测.     

基于灰色理论的在役码头混凝土构件剩余寿命预测分析

对在役钢筋混凝土高桩码头的健康状况和继续使用寿命进行预测,是码头设施科学维护管理和安全使用的迫切要求。科学预测其剩余寿命,是采取有效的加固升级改造措施和再投资的需要。文中以灰色理论的基本模型为基础,建立了预测混凝土构件剩余寿命的中心逼近式GM(1,1)模型,并结合某混凝土结构的损伤系数进行寿命预测,通过与实例进行比较,证明该预测模型得到的数据具有更高的预测精度。     

基于长短期记忆神经网络的船体及螺旋桨性能退化评估

采用线性插值和时空插值构建包含气象、航行性能和机舱信息的船舶综合数据库，经统计分析筛选出9个输入变量，基于长短期记忆神经网络建立航速预测模型，获得由预测航速与实测值的残差描述的船体及螺旋桨性能退化的特征参数，建立以航速残差的时间序列为路径的船体及螺旋桨性能退化评估方法。基于某30万吨散货船一年的航行数据进行性能退化评估，航速预测结果的均方误差为0.01，目标船的性能退化路径具有时间相关性和单调变化的趋势。     

酸性环境下混凝土寿命预测模型的建立及应用

采用模拟加速试验的方法,研究酸性腐蚀条件下混凝土性能劣化规律,旨在建立一个合理的酸性环境下混凝土寿命预测模型。预测酸性环境下混凝土寿命主要通过3种方式:1)根据灰色系统理论,利用GM(1,1)模型预测其强度变化规律;2)根据Arrhenius定理构建预测模型,利用试验强度变化数据预测混凝土寿命;3)通过研究酸性环境下混凝土中性化深度变化规律来达到辅助预测的效果。结果表明:根据灰色系统理论或Arrhenius定理构建的预测模型,对酸性环境下混凝土进行寿命预测的准确性较高;同时提出了结合中性化深度变化规律进行综合分析的设想。     

船舶电站可靠性灰色马尔可夫预测模型

简要分析了现行船舶电站可靠性分析方法的不足,提出将灰色理论与马尔可夫预测相结合,运用在船用电站可靠性估计,建立其灰色马尔可夫预测模型,并根据模型对后几年船舶电站"故障率"的变化趋势进行了预测.分析表明:基于灰色马尔可夫的电站可靠性预测模型的精度高于灰色预测模型,同时弥补了单一马尔可夫链预测依赖于系统分布参数的局限,为船舶电站可靠性研究提供了一种新思路.     

船舶动力设备退化基线计算及预测方法

船舶动力设备在自身性能退化过程中的相当长一段时间内仍能完成规定功能,对具有重要特征参数或性能指标的船舶动力设备而言,若使用定基线进行健康状态评估会导致评估值连续较低甚至误报警问题。为了解决这一问题,以目标设备按性能退化时间序列采集的特征参数为研究对象,首先建立退化基线计算方法,利用滑动概率神经网络和性能可靠度与基线值间的转换函数获得目标设备的动态退化基线;然后建立ARMA预测模型获得预测参数,并与退化基线计算方法结合对退化基线发生动态变化的时间节点进行预测;最后利用海水泵对建立的方法可行性进行验证。结果表明,本文建立的退化基线计算方法能够获得动态基线,退化基线预测方法能够对动态基线的变化时间节点进行准确预测。     

基于灰色理论的船用钢腐蚀剩余寿命预测方法

针对海水腐蚀的模糊性以及船体结构腐蚀剩余寿命的不确定性,基于灰色理论建立了综合考虑各种海洋环境因素的碳钢腐蚀厚度随时间变化的GM(1,1)模型,提出了船用钢腐蚀的剩余寿命预测方法。通过算例分析发现:腐蚀模型可在小样本数据的情况下为海洋环境中船用钢的剩余寿命预测提供参考,且精度较高。     

船舶动力设备退化基线计算及预测方法

船舶动力设备在自身性能退化过程中的相当长一段时间内仍能完成规定功能,对具有重要特征参数或性能指标的船舶动力设备而言,若使用定基线进行健康状态评估会导致评估值连续较低甚至误报警问题。为了解决这一问题,以目标设备按性能退化时间序列采集的特征参数为研究对象,首先建立退化基线计算方法,利用滑动概率神经网络和性能可靠度与基线值间的转换函数获得目标设备的动态退化基线;然后建立ARMA预测模型获得预测参数,并与退化基线计算方法结合对退化基线发生动态变化的时间节点进行预测;最后利用海水泵对建立的方法可行性进行验证。结果表明,本文建立的退化基线计算方法能够获得动态基线,退化基线预测方法能够对动态基线的变化时间节点进行准确预测。     

基于大数据的船舶故障趋势预测

船舶故障趋势预测的研究具有重要实际应用,船舶故障趋势复杂多变,当前船舶故障趋势预测方法无法高精度描述其故障变化特点,使得船舶故障预测趋势结果靠性低。为了提高船舶故障趋势预测效果,设计了基于大数据的船舶故障趋势预测方法。首先分析当前船舶故障趋势预测研究进展,找到各种方法的船舶故障趋势预测的局限性,然后采用船舶故障趋势数据,并利用大数据分析技术拟合船舶故障变化趋势,构建船舶故障趋势预测模型。最后在相同平台下,与其他船舶故障趋势预测方法进行了对比测试。结果表明,大数据的船舶故障趋势预测精度超过95%,不仅完全达到了船舶故障控制的实际应用要求,而且船舶故障趋势预测效果要优于对比方法,具有更加广泛的实际应用范围。     

船舶疲劳应力监测系统研究

本文针对船舶疲劳应力监测问题,阐述了监测系统计算监测点累积损伤度和预测剩余疲劳寿命的原理,并建立了船舶疲劳实时监测系统,最后进行了试验验证分析。试验结果表明,该系统运行稳定,计算的试件累积损伤度与理论值吻合,且对剩余疲劳寿命预测较为可靠。通过光纤传感器与电阻应变片实测应力值的比较,得出光纤传感器能够满足应力监测的要求。     

基于人工神经网络的航空相机导片轴转速预测研究

航空相机导片轴转速预测有着重要的技术作用．为了准确预测航空相机导片轴的转速，本文提出了基于人工神经网络的转速预测方法．从相机导片轴的动态方程出发，推导出了转速的表达式，然后根据转速与定子电压、定子电流，转子磁链之间的非线性关系，建立了两种人工神经网络转速预测模型．文后的仿真结果表明，这两种基于人工神经网络的转速预测模型可以准确跟踪相机导片轴转速的变化，具有一定的科学性和先进性．