基于监测数据的机械设备剩余寿命预测研究

发布时间：2017-05-11 21:08

  本文关键词：基于监测数据的机械设备剩余寿命预测研究，由笔耕文化传播整理发布。

【摘要】：进入21世纪以后,随着能源短缺、环境恶化问题的日益严峻,促使机械制造工艺向更高参数和更大装置规模发展,生产过程大型化、自动化、高参数运行、高能量储备的趋势使得机械产品的安全问题具有前所未有的重要性。机械产品复杂性和不确定性的增加,使其物理模型很难确定,由于其成本高、批量小等特点,传统的基于大样本的统计方法并不适合这类机械装备试验样本稀少的特点,如何根据小样本下的特征数据进行状态评估和寿命预测是具有极大挑战性课题,相关理论和方法以亟待完善。基于数据驱动的寿命预测方法为解决这类问题提供了可行的途径,本文针对现阶段机械设备运行维护中的重要科学问题,结合国家机械与制造科学的发展规划,对基于数据驱动的寿命预测方法中的支持向量机模型和状态空间模型进行了研究,本文主要完成了如下几个方面的工作： 第一,对机械设备剩余寿命预测研究方法进行了综述,将寿命预测方法分为基于物理模型预测的方法,基于统计经验的预测方法,基于知识的预测方法和基于数据驱动预测的方法四类,分别对这些方法进行分析,比较各方法的优缺点。对机械设备故障预测的基本概念、发展历程以及故障预测内容进行了介绍,对故障演化规律进行了分析,给出了剩余寿命的定义。以上内容为机械设备剩余寿命预测模型的建立奠定了基础。 第二,在支持向量机模型的应用实例中,首先对双列滚子轴承的振动信号提取RMS值作为退化特征,为减少信号中不规则特性的影响,同时简化信号的复杂性,将小波变换和支持向量机模型结合,根据分解后退化数据特征建立WT-SVM模型,对轴承退化趋势进行了单步与多步预测。对预测的结果,依据Hazen作图位置公式,得出了轴承退化预测点的分布,并给出了预测点基于t分布的95%的置信区间。同时将预测结果与单一SVM模型和神经网络模型的预测结果进行了对比分析。 第三,在状态空间模型的应用实例中,测取了铣刀加工过程中的磨损量数据,采用带有随机漂移效应的线性维纳过程描述刀具磨损量的变化过程并建立状态空间模型,这个模型与粒子滤波算法结合,基于自助法重采样得出了模型的未知参数,进而对铣刀的退化和剩余寿命进行了预测,根据对应的决策模型对最优换刀时间进行了分析。 本论文的研究工作可为我国机械设备剩余寿命预测研究提供一定的参考与借鉴。
【关键词】：剩余寿命预测 小波变换 支持向量机 状态空间模型 粒子滤波
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH17
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-15
• 1.1 选题背景和研究意义9-10
• 1.2 国内外研究现状10-13
• 1.3 研究目的和组织结构13-15
• 2 机械设备剩余寿命预测的基本概述15-22
• 2.1 机械设备故障预测的基本概念15-16
• 2.1.1 机械设备故障的概念15
• 2.1.2 机械设备故障预测的概念15-16
• 2.2 机械设备故障预测技术的发展历程16-17
• 2.3 机械故障形成过程分析17-20
• 2.3.1 输出参数与损伤的关系17-18
• 2.3.2 故障演化规律分析18-19
• 2.3.3 剩余寿命的定义19-20
• 2.4 故障预测内容20-22
• 3 基于小波和支持向量机的轴承退化可靠性评估22-42
• 3.1 小波变换22-23
• 3.2 支持向量机23-29
• 3.2.1 支持向量机回归理论23-26
• 3.2.2 支持向量机预测26-28
• 3.2.3 可靠性评估28-29
• 3.3 小波SVM29-30
• 3.4 应用实例30-41
• 3.4.1 数据来源30-31
• 3.4.2 模型建立与参数估计31-35
• 3.4.3 预测结果与预测误差分析35-39
• 3.4.4 滚动轴承退化可靠性评估39-41
• 3.5 小结41-42
• 4 基于状态空间模型的刀具剩余寿命评估42-65
• 4.1 状态空间模型和贝叶斯统计推断42-44
• 4.1.1 状态空间模型42-43
• 4.1.2 贝叶斯统计推断43-44
• 4.2 基于序贯蒙特卡罗的贝叶斯滤波算法44-50
• 4.2.1 粒子滤波算法中的关键技术44-47
• 4.2.2 退化问题及改进方法47-48
• 4.2.3 标准粒子滤波算法48-50
• 4.3 应用实例50-64
• 4.3.1 实验介绍50-51
• 4.3.2 刀具退化建模51-53
• 4.3.3 刀具退化预测和剩余寿命预测53-56
• 4.3.4 应用结果及分析56-64
• 4.4 小结64-65
• 结论65-67
• 参考文献67-72
• 攻读硕士学位期间发表学术论文情况72-73
• 致谢73-74

【参考文献】

中国期刊全文数据库 前10条

1 贾志成;许世蒙;胡仲翔;;加工中心寿命分布模型的研究[J];兵工学报;2007年03期

2 高显忠;赵伟;侯中喜;;粒子滤波改进算法研究[J];弹箭与制导学报;2009年03期

3 林瑞霖;郭辉;;最小二乘支持向量机在蓄电池剩余容量建模中的应用研究[J];海军工程大学学报;2010年05期

4 张磊;李行善;于劲松;代京;;一种基于高斯混合模型粒子滤波的故障预测算法[J];航空学报;2009年02期

5 周玉辉;康锐;;基于退化失效模型的旋转机械寿命预测方法[J];核科学与工程;2009年02期

6 朱江江;杨自春;;舰船燃气涡轮叶片三维热流固耦合应力应变分析及寿命预测[J];中国舰船研究;2010年05期

7 陈果;周伽;;小样本数据的支持向量机回归模型参数及预测区间研究[J];计量学报;2008年01期

8 刘亚娟;李洪智;王致杰;;基于小波神经网络的机械故障预测[J];机械传动;2006年03期

9 陆山;吕鸿雁;;小子样零构件可靠寿命零故障试验评估方法[J];机械强度;2006年03期

10 凌丹;何俐萍;许焕卫;汪忠来;朱顺鹏;;基于威布尔分布的疲劳剩余寿命可靠性预测方法[J];机械设计;2011年07期

中国博士学位论文全文数据库 前1条

1 徐国平;基于支持向量机的动调陀螺仪寿命预测方法研究[D];上海交通大学;2008年

  本文关键词：基于监测数据的机械设备剩余寿命预测研究，由笔耕文化传播整理发布。

，

本文编号：358061