基于LSTM的对接机构故障预测与健康管理系统研究

发布时间：2021-01-05 17:24

　　随着科技进步,在装备车辆中也引进了多种新技术,这使得装备车辆的信息化技术日益完善,自动化程度逐步提高。这也导致着装备车辆功能的复杂化。对接机构便是这其中一种复杂的新型装备车辆。而对接机构的可靠安全运行尤为重要。目前国内对于故障预测与健康管理（Prognostics and Health Management,PHM）系统的研究尚处于初期阶段,缺乏系统的通用软件、硬件平台,尚无法形成一套即统一又完善的体系。因此本文将建立一套PHM系统,以满足对接机构的稳定可靠运行。本文以对接机构为研究对象,设计了一种基于长短时记忆网络的PHM系统。分析了对接机构PHM系统的理论基础长短时记忆网络（Long Short-Term Memory,LSTM）的特性,改进了LSTM单元结构,并对其学习能力进行了仿真验证。设计了对接机构的故障预测与健康管理系统的总体方案,并搭建对接机构的关键部件的实验采集平台,进行实时数据的采集与分析。为更具说服力地证明本文模型的诊断与预测能力,采集了不同转速、不同负载和不同采样频率下的传感器数据。建立了基于LSTM的对接机构故障诊断模型。分析对接机构的主要故障,并通过对传感器数... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

采集软件截图

- 46 -图 4-13 对接机构 PHM 系统故障诊断功能软件实现其中利用主要故障诊断模型还基于 HHT 变换与 LSTM 的分类神经网为其主要的判断模型，以及通过阈值判断，即可通过根据输入的传感器，判断当前时刻对接机构的举升机构、上平台、下平台的状态。

图 5-17 对接机构 PHM 系统故障预测功能软件实现综上所述，故障预测模型对于正常数据预测早期故障、早期故障数据预中期故障数据以及中期故障数据预测严重故障数据预测效果良好，验证了型的准确性。.4 对接机构剩余寿命模型设计

【参考文献】：
期刊论文
[1]区分自编码网络及其在滚动轴承故障特征提取中的应用[J]. 向宙,张西宁,张雯雯,余迪.  西安交通大学学报. 2019(08)
[2]面向飞机PHM的大数据分析与人工智能应用[J]. 景博,焦晓璇,黄以锋.  空军工程大学学报(自然科学版). 2019(01)
[3]一种基于灰色理论-隐马尔科夫模型的装备故障预测方法[J]. 杨金宝,梁勇,曹现宪.  舰船电子工程. 2018(08)
[4]基于PHM的装甲装备管理保障研究[J]. 赵继龙.  山东工业技术. 2018(16)
[5]航空装备PHM技术发展及需求应用分析[J]. 施小弟.  数字技术与应用. 2018(06)
[6]PHM技术框架及其关键技术综述[J]. 邱立军,吴明辉.  国外电子测量技术. 2018(02)
[7]故障预测与健康管理技术在用电信息采集系统中的应用与展望[J]. 刘兴奇.  电器与能效管理技术. 2018(02)
[8]基于ARMA模型的滚动轴承故障诊断研究[J]. 韩清鹏,李天成,李晨晨,朱瑞,张梅琳.  机电工程技术. 2018(01)
[9]航空电子系统故障预测与健康管理技术探究[J]. 宁亚锋,安芳利.  科技资讯. 2017(34)
[10]未来航天器预测与健康管理技术研究及启示[J]. 詹景坤,王小辉,俞启东,蔡昱,惠俊鹏.  电子测试. 2017(11)

硕士论文
[1]基于贝叶斯算法的齿轮箱故障诊断和剩余寿命预测[D]. 杜坤.湖南工业大学 2018



本文编号：2959015