分子泵故障诊断与寿命预测技术研究

发布时间：2021-05-14 20:55

　　分子泵是一种用于高真空环境的精密机械,是高端分析仪器如质谱仪,扫描电子显微镜等的重要组成部分。为了提高真空度,抽速等性能指标,分子泵通常在极高的转速下运行。随着分子泵的运转,内部的易损零件的性能逐渐退化,如果疏于维护最终可能造成零件的失效甚至整台仪器的损坏。因此,研究分子泵的运行状态监测,异常检测,故障诊断,性能评估以及关键零部件的寿命预测技术是十分必要的。本文的工作内容分为以下几个部分:首先,进行分子泵的各个子系统分析,确定分子泵中的易损关键零部件,并进行关键零部件的扩展FMECA分析,确定其故障症状和危害度,故障演变模式,失效机理,传感器类型和布置。根据扩展FMECA分析的结果,设计了分子泵的PHM技术框架,包括异常检测方法,故障诊断（性能评估）方法和寿命预测方法。异常检测采用基于时间序列建模的技术,故障诊断（性能评估）采用以深度学习为基础的自动特征提取器和分类器实现,寿命预测采用基于退化模型和粒子滤波的方法实现。其次,为了提高故障诊断方法的性能,提出了以集成自编码器作为特征提取器,以集成神经网络作为分类器的故障诊断方法,并在轴承和齿轮箱故障的公开数据集进行验证,结果表明这种方法性... 

【文章来源】：中国工程物理研究院北京市

【文章页数】：80 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题来源、背景与意义
        1.1.1 课题来源
        1.1.2 研究背景
        1.1.3 研究意义
    1.2 国内外研究现状
        1.2.1 PHM技术历史
        1.2.2 PHM技术方法体系概述
        1.2.3 关键零部件PHM技术
    1.3 研究目标、技术路线与论文架构
        1.3.1 研究目标
        1.3.2 技术路线和论文架构
第二章 分子泵系统介绍和PHM技术框架
    2.1. 引言
    2.2. 分子泵基本结构
    2.3. 分子泵关键部件扩展FMECA分析
    2.4. 故障预测与健康管理技术框架
        2.4.1. 异常检测方法
        2.4.2. 故障诊断(性能评估)方法
        2.4.3. 寿命预测方法
    2.5. 本章小结
第三章 基于集成自编码器和集成学习的故障诊断
    3.1. 引言
    3.2. 故障诊断和寿命预测技术框架
    3.3. 基于集成去噪自编码器的信号特征提取
    3.4. 基于多神经网络集成学习的故障分类技术
    3.5. 数据集实验验证
    3.6. 分子泵故障诊断实验验证
        3.6.1. 实验设计
        3.6.2. 故障诊断算法流程
        3.6.3. 故障诊断结果
    3.7. 本章小结
第四章 分子泵加速寿命实验
    4.1. 引言
    4.2. 分子泵实验系统架构
    4.3. 分子泵加速寿命实验设计
        4.3.1. 状态监测软件设计
        4.3.2. 加速寿命方案设计
    4.4. 实验数据概览
    4.5. 算法验证
        4.5.1. 分子泵异常检测算法验证
        4.5.2. 分子泵性能评估算法验证
        4.5.3. 分子泵寿命预测算法验证
    4.6. 本章小结
第五章 结论与展望
    5.1. 结论
    5.2. 创新进步点
    5.3. 展望
致谢
参考文献
附录A 攻读硕士学位期间取得的研究成果
附录B 攻读硕士学位期间参加的学术活动



本文编号：3186310