工业设备预测式健康状态在线评估

发布时间：2020-11-04 19:14

　　 伴随着时间的增长,机械设备或其部件出现故障的概率逐渐增加。机械设备工作时长的优化和生命周期成本的最小化需要对其退化过程进行在线监测,以及对剩余寿命进行可靠预测。为了满足这样的需求,预测式健康状态管理作为新兴的工程学科,将失效机制和生命周期管理的研究联系起来。其目的是延长机械设备的服役时间,同时尽可能优化开发和维护成本。随着传感器技术的发展,大量的传感器在工业设备中得到使用,因此,以数据为驱动的预测式健康状态管理技术得到越来越多研究人员的青睐。数据驱动的预测式健康状态管理利用机械设备过去、现在与未来的信息来评估退化状态、诊断故障、预测故障与计算剩余寿命,其主体架构包括4个关键过程,分别为退化特征选择、健康状态评估、故障预测、剩余寿命估计。本文从这4个过程出发,提出一套适用于工业设备的预测式健康状态在线评估的方法。(1)针对设备在线退化数据的海量高维度特性,同时退化特征集合应表现出连续增加或减少的趋势、对监测噪声、操作环境的变化,具有鲁棒性的特点,本文提出基于遗传算法和评价标准(单调性、趋势性、鲁棒性)结合的自动退化特征选择方法。该方法以评价标准的线性组合作为遗传算法(Genetic Algorithm,GA)的适应性函数,可以直接反映特征子集对机械退化过程的相关性,引导GA的变异和搜索,从而降低数据维度与选择最优退化特征子集。(2)针对工业设备运行过程中状态与操作环境多变,存在不确定的随机因素,相同的设备可能有不同的健康状态个数的问题,提出基于SCM、FCM与GA结合的SG-FCM动态健康状态识别方法,利用SCM提供FCM初始聚类中心即健康状态个数,降低初始参数选择对FCM性能影响,同时利用GA全局搜索的能力对FCM爬坡式搜索方式进行优化降低进入局部最优解的概率,获得最佳健康状态中心位置。(3)针对单退化特征预测模型不能充分描述设备复杂退化过程的问题,利用LSTM建立多变量多步故障预测模型,并且利用多参数调优方法选择最佳预测模型,在此预测模型基础上,结合SG-FCM提出LSG-FCM动态剩余寿命计算方法,该方法可以为具有不同健康状态个数的机械设备自动分配失效阈值,从而动态提供预测模型的预测结束时间点,提高剩余寿命计算准确率。最后,为验证本文所提方法的有效性与实用性,利用涡轮风扇发动机数据集进行实验分析。实验结果表明,利用本文提出的特征选择方法能有效选择追踪设备退化进程的最佳退化特征子集;在提取的特征子集的基础上利用SG-FCM算法可获得比传统FCM更好的聚类效果,实现不同工况下变健康状态个数的健康状态识别。利用LSG-FCM模型进行动态剩余寿命计算的预测准确率可达到73%,并且预测错误跨度更小,跨度范围在[-20,42]。
【学位单位】：广东工业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TH17;TP212;TP18
【部分图文】：

图 2-1 基于遗传算法的特征选择Figure 2-1 Feature Selection Based on Genetic Algorithm据集编码为遗传算法的初始步骤，编码方式的选择对后续各算子的定根据待解决问题的特点进行选择，如二进制编码、格雷码编进制编码通过[0,1]来表示个体基因链中的编码方式。其优点换相同，简易操作。同时可使后续的选择、交叉、变异操作作简单，二进制编码成为广泛应用的编码方法。选择问题上，种群个体代表可能的特征组合，个体基因利用否选中。维度为 N 的特征集进行编码后可得到相应维度长度, 1 代表选中该特征。始化种群

第二章 退化特征选择2.3.3 实验结果分析将数据进行简单的分析可知，传感器 2、3、4、 8、9、11、 13、15、17、20、21 这 11 个传感器测量值具有与时间相关的趋势，可更好描述设备退化进行。下图为截取了进行归一化处理后测试集中 100 台传感器 2、4 随时间（运行周期）变化的曲线，0 表示正常运行，1 表示出现故障。

第二章 退化特征选择表 2-4 人工划分失效阈值Table 2-4 Failure Threshold of Man-Made传感器编号 失效阈值2 630.853 1570.474 1402.218 2340.4811 47.2113 2340.4815 8.35
【相似文献】

相关期刊论文 前10条

1 喻如俊;;稗草影响后季稻产量预测式的研究[J];植物保护学报;1988年02期

2 郭金荣;卜一;李玉民;;应用逐步回归推导粘虫发生程度预测式[J];内蒙古农业科技;1989年04期

3 高仲传;;“预测式复习法”教改实践与体会——提高学生自主学习能力的思考与实践[J];中国科教创新导刊;2013年03期

4 高东明，秦文胜，龚林根，秦维勤;水稻条纹叶枯病分品种预测式的建立和应用[J];浙江农业科学;1995年03期

5 刘俊魁，邓星权，陈祥林;第一代二化螟幼虫发生高峰期预测式[J];湖南农业大学学报;1995年05期

6 周光普;小麦赤霉病一种简便预测式的研究与应用[J];植物保护;1991年03期

7 高仲传;常杰;;“预测式复习法”课题研究中对学生问题意识的思考——让课堂的“去问题”倾向成为过去[J];新课程(中);2015年03期

8 吴伦其;预测式教学法在政治课中的应用[J];政治课教学;2004年05期

9 赵淑芬;付云龙;唐建祥;代俊杰;;中华稻蝗发生量预报技术的改进及其预测式的试建[J];病虫测报;1992年S1期

10 王红梅;贾宗璞;张俊娜;;基于乒乓切换的预测式快速移动IPv6新方案[J];计算机工程;2008年03期

相关硕士学位论文 前5条

1 陈志刚;工业设备预测式健康状态在线评估[D];广东工业大学;2019年

2 李刚;预测式外呼算法研究及呼叫系统原型设计[D];重庆大学;2016年

3 黄放;基于时间购买的预测式运维服务供应链收益分配公平性研究[D];西安理工大学;2017年

4 朱超杰;基于软交换的预测式外呼系统的设计与实现[D];华南理工大学;2013年

5 白戈;反应式营销下的CRM[D];西南财经大学;2007年

本文编号：2870491