矿冶典型零部件退化状态识别与剩余寿命预测及可再制造性评估

发布时间：2018-04-27 13:03

本文选题：矿冶典型零部件 + 支持向量机　；参考：《江西理工大学》2015年硕士论文

【摘要】：由于矿冶典型零部件常处于灰尘多、腐蚀大、磨损快的特殊工况,对其退化状态的识别及其维修与再制造评估方法正日益成为企业关注的热点。矿冶典型零部件主要是指采、选、冶等矿山行业装备中的大型曲轴、齿轮、轴承等关键件,通常分为在线服役的零部件和报废装备拆解产生的废旧零部件两类。对第一类在线服役的零部件,因矿冶特殊工况其退化往往具有很强的随机性,存在状态退化趋势难以预测的难题,从而对其维修决策带来了困难;对于拆解下来的第二类废旧零部件,它们则正成为全世界增长最快的废弃物,若对其盲目再制造将导致成本过高、资源浪费,因此对其可再制造性评估决策并分类,是再制造循环利用的前提和基础。本文针对矿山行业存在的上述问题展开研究,探索了一套面向特殊工况的零部件退化状态识别、寿命预测及其可再制造评估系统新方法,为矿冶领域的装备健康管理与废旧资源再制造循环利用提供理论支撑。针对第一类在线服役的矿冶零部件存在问题,开展了以下研究工作:(1)构建了特殊工况的衰退性能指标。针对现有方法中提取的单源特征易受噪声干扰,对零部件衰退趋势不敏感,多源特征之间存在重叠冗余的问题,提出采用面向矿冶特殊工况的主成分分析方法对多源特征进行融合,获得矿冶零部件衰退性能指标,该指标具有较强抗干扰能力且对衰退敏感,又能有效地消除原始特征信息之间的冗余,通过表征效果验证所构建的指标,能够较好的反映矿冶在役零部件的退化趋势;(2)提出了基于低秩打分的矿冶在役零部件特征选择新方法,以提高预测矿冶在役零部件退化状态的准确率。对矿冶在役零部件退化状态准确识别的关键在于特征的选择和识别模型的建立,通过对分类问题的研究,提出用低秩打分对特征进行选择的新方法,运用低秩表示模型寻找分类效果最好的特征,在此基础上构建低秩打分准则,进而提出一种低秩打分的特征选择新算法,通过支持向量机模型实现退化状态的识别。以试验平台滚动轴承状态识别为例,验证了该方法的有效性;(3)提出了一套对在线服役零部件的退化状态识别与维修决策的新方法。通过该方法识别出在线服役零部件所处的健康退化状态,据此将在线服役零部件的维修分为三类:继续使用、小修、大修(再制造),大大提高了设备效率,有效地降低了维护成本。针对拆解下来的第二类废旧零部件存在的问题,开展了以下研究工作:(1)建立了专门针对矿冶废旧零部件改进的威布尔分布剩余寿命预测模型,从而为其是否值得再制造提供依据。以历史数据为基础,通过对威布尔分布的改进,并融合支持向量回归模型对废旧零部件剩余寿命进行预测;(2)构建了基于霍尔三维结构的再制造评估方法,为废旧零部件是否值得再制造进行决策,并把它们按可靠性、经济性、成本等角度分成三类处理方式:小修(再利用)、大修(再制造)、回炉循环利用,从而实现了废旧零部件固体废物再制造循环利用。最后以矿冶废旧零部件曲轴为例,验证了所提方法的有效性。
[Abstract]:This paper studies the characteristics of mining and metallurgy parts , such as large crankshaft , gear , bearing and so on . Based on the historical data , a new method for estimating the residual life of waste parts is established by the improvement of Weibull distribution and fusion support vector regression model .

【学位授予单位】：江西理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F273;F426.1

【参考文献】