电动塞拉门关键易损部件故障预测方法研究

发布时间：2017-07-29 07:25

  本文关键词：电动塞拉门关键易损部件故障预测方法研究

  更多相关文章： 电动单推设备 故障预测 电动塞拉门 行程开关 隐马尔可夫链模型 自组织映射神经网络 蒙特卡洛仿真 状态驻留预测模型

【摘要】：电动单推设备作为工业领域以及轨道交通系统的重要功能子系统,其运行的安全性和可靠性至关重要。电动塞拉门系统作为典型电动单推设备,由于操作频繁,导致丝杠与行程开关成为故障频发的部件。然而维修部门对于这些易损部件的故障尚未制定出合理的检修方法。这些部件一旦损坏将会导致设备整体无法运行。因此,对电动塞拉门关键易损部件进行故障预测技术的研究,化被动维修为主动故障预防,具有十分重要的研究意义。目前,在电动单推设备的故障诊断技术方面已有一些研究成果,然而电动单推设备的故障预测技术研究仍处于初始阶段。论文具体的研究内容包括以下几方面:1)介绍了电动单推设备结构特性与工作原理,并阐述了其两种关键易损部件。同时综述了现有故障预测技术的研究现状与存在的不足。2)针对典型电动单推设备—地铁电动塞拉门的丝杆传动润滑不良和行程开关弹簧片的弹力不足这两种渐进性故障,分别搭建各自实验平台,设计数据采集系统对其全寿命劣化数据进行采集,并作为后续理论分析。3)针对地铁电动塞拉门的传动丝杆润滑不良的故障,提出了基于自组织映射神经网络(SOM)、隐马尔可夫链模型(HMC)和蒙特卡洛(MC)仿真的剩余使用寿命预测方法。在模拟地铁车辆客室电动塞拉门的结构组成与运动特性基础上,通过对采集到的电机电流信号进行多参数特征提取,应用SOM算法实现对提取出的多维特征数据融合与编码,将所得结果用于训练HMC模型;最后利用MC方法实现对其润滑不良故障的剩余使用寿命预测。结果表明本文所提出的故障预测方法能有效的预测出电动塞拉门润滑不良劣化过程的剩余使用寿命。4)针对传统基于状态故障预测方法的缺点,提出了基于状态驻留信息模型预测(SBPD),该方法考虑了各状态之间的驻留影响。以电动塞拉门易损部件行程开关作为研究对象,针对其弹簧片的弹力不足的故障,对行程开关进行加速疲劳实验,最后利用SBPD模型以及马尔可夫链蒙特卡罗仿真(MCMC)方法分别计算行程开关的剩余使用寿命,通过比较验证了SBPD预测模型优于MCMC方法,该模型可有效针对行程开关弹簧片弹力不足故障进行剩余使用寿命预测。最后是全文总结和展望。
【关键词】：电动单推设备 故障预测 电动塞拉门 行程开关 隐马尔可夫链模型 自组织映射神经网络 蒙特卡洛仿真 状态驻留预测模型
【学位授予单位】：中国计量学院
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U270.386;TP183
【目录】：

• 致谢5-6
• 摘要6-7
• abstract7-13
• 1 绪论13-22
• 1.1 选题意义与背景13-15
• 1.2 故障预测方法国内外研究现状15-19
• 1.2.1 故障预测方法分析16-19
• 1.2.2 故障预测技术研究趋势19
• 1.3 本文的主要研究工作19-20
• 1.4 论文结构20-22
• 2 基本理论22-31
• 2.1 马尔可夫链概念22
• 2.2 马尔可夫链定义22-23
• 2.3 HMC基本理论23-24
• 2.4 HMC基本算法24-27
• 2.4.1 前向-后向算法24-25
• 2.4.2 维特比算法25-26
• 2.4.3 Baum-Welch算法26-27
• 2.5 多维观测样本序列的HMC27-28
• 2.6 小波阈值去噪28-29
• 2.7 小波包分析原理29-31
• 3 基于SOM-HMC-MC的地铁车辆电动塞拉门故障预测31-47
• 3.1 引言31
• 3.2 电动塞拉门润滑不良劣化模型31-33
• 3.3 基于小波包Shannon能量熵的特征提取方法33-34
• 3.4 SOM神经网络的基本原理34-36
• 3.4.1 SOM神经网络概述34-35
• 3.4.2 SOM神经网络学习算法35-36
• 3.5 蒙特卡洛方法36
• 3.6 基于SOM-HMC-MC剩余使用寿命预测模型36-38
• 3.7 电动塞拉门润滑不良故障实验数据采集38-41
• 3.7.1 实验平台38
• 3.7.2 数据采集38-41
• 3.8 电动塞拉门润滑不良的剩余使用寿命预测分析41-46
• 3.8.1 模型训练结果41-43
• 3.8.2 预测结果43-46
• 3.9 本章小结46-47
• 4 SBPD算法在行程开关故障预测中的研究47-58
• 4.1 引言47
• 4.2 行程开关故障劣化过程47-48
• 4.3 K均值聚类算法48-49
• 4.4 基于状态驻留信息的故障预测模型49-52
• 4.4.1 SBPD基本概念49-50
• 4.4.2 劣化状态数优化及状态识别50-51
• 4.4.3 状态驻留信息的剩余使用寿命预测模型51-52
• 4.5 实验与结果分析52-57
• 4.5.1 实验装置52-53
• 4.5.2 数据采集系统53-54
• 4.5.3 劣化状态数评估54-55
• 4.5.4 剩余使用寿命预测结果分析55-57
• 4.6 本章小结57-58
• 5 总结和展望58-60
• 5.1 总结58
• 5.2 展望58-60
• 参考文献60-64
• 作者简历64

【相似文献】

中国期刊全文数据库 前4条

1 杨宇;史进渊;默静飞;;汽轮机重要易损部件中止样本集寿命数据管理系统的研究[J];动力工程学报;2012年08期

2 高德;卢富德;;基于杆式弹性易损部件的非线性系统跌落冲击研究[J];振动与冲击;2012年15期

3 韩虹,韩晓刚,韩琪;环保锅炉易损部件的修理[J];电站系统工程;2004年05期

4 ;[J];;年期

中国硕士学位论文全文数据库 前2条

1 陈长骏;电动塞拉门关键易损部件故障预测方法研究[D];中国计量学院;2016年

2 郝智伟;波轮式洗衣机关键部件的跌落仿真[D];江南大学;2009年

，

本文编号：588018