基于非线性Wiener过程的柱塞泵寿命预测及预测性更换决策研究
发布时间：2021-01-10 12:19
柱塞泵作为液压系统的关键部件,因其具有高负载、高功率,被称为液压系统的“心脏”。由其流量脉动小、容积效率高、寿命长和经济性的特点,广泛的应用在航空航天、军工、重载机械等领域。柱塞泵的吸排油过程是依靠各部件之间的相对运动来完成,此过程中部件存在的不可忽略的摩擦。其摩擦的产生最主要是柱塞泵的三对摩擦:副滑靴部件和斜盘构成的滑靴副、柱塞泵的配流盘与缸体构成的配流副、柱塞泵柱塞与柱塞孔所构成的柱塞副。由于摩擦副工作时处于高压和高速的环境中,摩擦副为柱塞泵易出现故障点之一,但其性能好与坏会直接影响柱塞泵的寿命。如果采用合适的维修策略就能有效地提高柱塞泵的安全性、经济性与可靠性。预测性更换决策,因具有较好的前瞻性和更能适应生产而受到学者关注。为此本文以轴向柱塞泵为研究对象,采用能表征柱塞泵退化过程的泄漏回油流量作为指标进行预测性更换研究,为轴向柱塞泵后续的健康管理提供前提基础。论文的主要内容包括:首先,将后文要使用的理论方法作为知识背景进行了介绍,主要包括Wiener过程的建立,参数估计方法的详细介绍,模型优良性选择的优良性检验方法的介绍以及更新过程和更新报酬过程的介绍。其次,介绍轴向柱塞泵的结构...
【文章来源】：兰州理工大学甘肃省
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
轴向柱塞泵结构图与实物图
工程硕士学位论文35图3.75组轴向柱塞泵泄漏回油流量曲线[16]利用图3.7数据和本文第二章介绍的模型参数估计方法分别估计出M0~M4模型的参数，计算结果表3.1所示：表3.1不同退化模型下的参数估计值以及BIC值模型/M00.0034-9.10×10-6-527.95M10.00916.78×10-54.68×10-5-126.06M21.24×10-21-0.11071.21×103M39.85×10-177.03×10-160.09595.481.38×103M41.03×10-208.0×10-200.09030.0992-789.64比较模型之间的优良经常采用AIC、BIC准则，根据第二章的知识案例具有较大样本量故采用BIC准则来评价，评价标准以BIC值最小者为最优模型（包括负数）。从表3.1中可以看出M3模型的BIC值为最小-1380。根据BIC的定义验证了我们所建立的退化模型，采用非线性模型：3:=5.48+0.0959()～(9.85×1017,4.942×1031)描述退化更加的合理。说明非线性的Wiener过程能更好的拟合案例轴向柱塞泵的退化。同时拟采用M3预测寿命模型，来进行预测剩余使用寿命，并在后面并进行验证。采用在观测时间时的剩余使用寿命概率密度函数(|,,,,)最大处对应的值为剩余使用寿命近似均值的预测值[81]。根据式（3.1）及相关的历史数据，M3模型在不同时间点监测对应的预测剩余使用寿命和实际的剩余使用寿命如图3.8所示。
基于非线性Wiener过程的柱塞泵寿命预测及预测性更换决策研究36图3.8轴向柱塞泵在不同的观测时间下的剩余使用寿命预测结果从图3.8可以看出，柱塞泵在工作的0-1200h内,在不同观测时间时，剩余使用寿命的真实值均会落在剩余使用寿命概率密度函数的范围内，且预测的寿命值均会在真实值的周围，表明预测值接近实际值且剩余使用寿命概率密度函数会随着退化数据的不断积累越陡，这说明随着轴向柱塞泵的泄漏回油流量越来越接近阈值，剩余使用寿命的预测值的波动性越来越校实际剩余使用寿命和预测寿命以及误差率的比较，如图3.9.1-3.9.2所示，在M3模型下前300h,实际值和预测值误差率较大，但是随着设备工作的历史数据的不断增加通过模型预测的寿命会接近实际值，且误差率在不断地减小停留在9%左右。图3.9.1预测-实际寿命
【参考文献】：
期刊论文
[1]基于小波降噪-支持矢量机的锂离子电池剩余使用寿命预测模型[J]. 曲杰,赵小涵,甘伟. 机械设计与制造工程. 2020(01)
[2]基于数据驱动的铣削刀具寿命预测研究[J]. 黄志平,黄新宇,李亮,郭月龙. 制造技术与机床. 2020(01)
[3]基于统计回归和非线性Wiener过程的交流接触器剩余寿命预测[J]. 李奎,高志成,武一,郑淑梅,李正广. 电工技术学报. 2019(19)
[4]柱塞泵失效分析及修复工艺[J]. 周雄,谭东才,张伟. 设备管理与维修. 2019(19)
[5]故障诊断及预测性维护在智能制造中的应用[J]. 祝旭. 自动化仪表. 2019(07)
[6]考虑测量误差和随机效应的设备剩余寿命预测[J]. 蔡忠义,陈云翔,郭建胜,王泽洲,邓林. 系统工程与电子技术. 2019(07)
[7]航空柱塞泵缸体疲劳分析及寿命预测方法[J]. 王岩,王晓晴,郭生荣,卢岳良,刘胜. 北京航空航天大学学报. 2019(07)
[8]基于Wiener过程的万能式断路器附件剩余寿命预测[J]. 孙曙光,王佳兴,王景芹,杜太行,李勤. 仪器仪表学报. 2019(02)
[9]输油泵机组预知维修决策模型建立及研究[J]. 秦建安,李文锦,成振新,谭东杰. 设备管理与维修. 2019(02)
[10]预测性运维技术在港口设备管理中的应用[J]. 蔡道勇,杨相声,张伟. 港口科技. 2018(12)
博士论文
[1]复杂机电系统服役过程的剩余寿命预测及维修决策方法研究[D]. 杜雪娇.吉林大学 2019
[2]液压元件的可靠性设计和可靠性灵敏度分析[D]. 张天霄.吉林大学 2014
[3]基于Wiener过程的可靠性建模方法研究[D]. 彭宝华.国防科学技术大学 2010
[4]几何过程及随机模型的一些新结果[D]. 唐亚勇.四川大学 2005
[5]小子样复杂系统可靠性信息融合方法与应用研究[D]. 冯静.国防科学技术大学 2004
硕士论文
[1]轴向柱塞泵性能可靠性建模与维修策略优化[D]. 王宇.兰州理工大学 2019
[2]基于随机过程建模的机械装备剩余寿命预测研究[D]. 李建华.浙江工业大学 2019
[3]基于污染磨损试验的液压柱塞泵寿命评估技术研究[D]. 张育洋.西安电子科技大学 2019
[4]三参数威布尔分布轴向柱塞泵寿命预测研究[D]. 杨少康.燕山大学 2018
[5]基于柱塞泵振动特征的关键零件退化可靠性研究[D]. 杨哲.燕山大学 2018
[6]基于MIRW的动车组闸片预测性维修策略研究[D]. 王双双.兰州交通大学 2017
本文编号：2968693
【文章来源】：兰州理工大学甘肃省
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
轴向柱塞泵结构图与实物图
工程硕士学位论文35图3.75组轴向柱塞泵泄漏回油流量曲线[16]利用图3.7数据和本文第二章介绍的模型参数估计方法分别估计出M0~M4模型的参数，计算结果表3.1所示：表3.1不同退化模型下的参数估计值以及BIC值模型/M00.0034-9.10×10-6-527.95M10.00916.78×10-54.68×10-5-126.06M21.24×10-21-0.11071.21×103M39.85×10-177.03×10-160.09595.481.38×103M41.03×10-208.0×10-200.09030.0992-789.64比较模型之间的优良经常采用AIC、BIC准则，根据第二章的知识案例具有较大样本量故采用BIC准则来评价，评价标准以BIC值最小者为最优模型（包括负数）。从表3.1中可以看出M3模型的BIC值为最小-1380。根据BIC的定义验证了我们所建立的退化模型，采用非线性模型：3:=5.48+0.0959()～(9.85×1017,4.942×1031)描述退化更加的合理。说明非线性的Wiener过程能更好的拟合案例轴向柱塞泵的退化。同时拟采用M3预测寿命模型，来进行预测剩余使用寿命，并在后面并进行验证。采用在观测时间时的剩余使用寿命概率密度函数(|,,,,)最大处对应的值为剩余使用寿命近似均值的预测值[81]。根据式（3.1）及相关的历史数据，M3模型在不同时间点监测对应的预测剩余使用寿命和实际的剩余使用寿命如图3.8所示。
基于非线性Wiener过程的柱塞泵寿命预测及预测性更换决策研究36图3.8轴向柱塞泵在不同的观测时间下的剩余使用寿命预测结果从图3.8可以看出，柱塞泵在工作的0-1200h内,在不同观测时间时，剩余使用寿命的真实值均会落在剩余使用寿命概率密度函数的范围内，且预测的寿命值均会在真实值的周围，表明预测值接近实际值且剩余使用寿命概率密度函数会随着退化数据的不断积累越陡，这说明随着轴向柱塞泵的泄漏回油流量越来越接近阈值，剩余使用寿命的预测值的波动性越来越校实际剩余使用寿命和预测寿命以及误差率的比较，如图3.9.1-3.9.2所示，在M3模型下前300h,实际值和预测值误差率较大，但是随着设备工作的历史数据的不断增加通过模型预测的寿命会接近实际值，且误差率在不断地减小停留在9%左右。图3.9.1预测-实际寿命
【参考文献】：
期刊论文
[1]基于小波降噪-支持矢量机的锂离子电池剩余使用寿命预测模型[J]. 曲杰,赵小涵,甘伟. 机械设计与制造工程. 2020(01)
[2]基于数据驱动的铣削刀具寿命预测研究[J]. 黄志平,黄新宇,李亮,郭月龙. 制造技术与机床. 2020(01)
[3]基于统计回归和非线性Wiener过程的交流接触器剩余寿命预测[J]. 李奎,高志成,武一,郑淑梅,李正广. 电工技术学报. 2019(19)
[4]柱塞泵失效分析及修复工艺[J]. 周雄,谭东才,张伟. 设备管理与维修. 2019(19)
[5]故障诊断及预测性维护在智能制造中的应用[J]. 祝旭. 自动化仪表. 2019(07)
[6]考虑测量误差和随机效应的设备剩余寿命预测[J]. 蔡忠义,陈云翔,郭建胜,王泽洲,邓林. 系统工程与电子技术. 2019(07)
[7]航空柱塞泵缸体疲劳分析及寿命预测方法[J]. 王岩,王晓晴,郭生荣,卢岳良,刘胜. 北京航空航天大学学报. 2019(07)
[8]基于Wiener过程的万能式断路器附件剩余寿命预测[J]. 孙曙光,王佳兴,王景芹,杜太行,李勤. 仪器仪表学报. 2019(02)
[9]输油泵机组预知维修决策模型建立及研究[J]. 秦建安,李文锦,成振新,谭东杰. 设备管理与维修. 2019(02)
[10]预测性运维技术在港口设备管理中的应用[J]. 蔡道勇,杨相声,张伟. 港口科技. 2018(12)
博士论文
[1]复杂机电系统服役过程的剩余寿命预测及维修决策方法研究[D]. 杜雪娇.吉林大学 2019
[2]液压元件的可靠性设计和可靠性灵敏度分析[D]. 张天霄.吉林大学 2014
[3]基于Wiener过程的可靠性建模方法研究[D]. 彭宝华.国防科学技术大学 2010
[4]几何过程及随机模型的一些新结果[D]. 唐亚勇.四川大学 2005
[5]小子样复杂系统可靠性信息融合方法与应用研究[D]. 冯静.国防科学技术大学 2004
硕士论文
[1]轴向柱塞泵性能可靠性建模与维修策略优化[D]. 王宇.兰州理工大学 2019
[2]基于随机过程建模的机械装备剩余寿命预测研究[D]. 李建华.浙江工业大学 2019
[3]基于污染磨损试验的液压柱塞泵寿命评估技术研究[D]. 张育洋.西安电子科技大学 2019
[4]三参数威布尔分布轴向柱塞泵寿命预测研究[D]. 杨少康.燕山大学 2018
[5]基于柱塞泵振动特征的关键零件退化可靠性研究[D]. 杨哲.燕山大学 2018
[6]基于MIRW的动车组闸片预测性维修策略研究[D]. 王双双.兰州交通大学 2017
本文编号：2968693
本文链接：https://www.wllwen.com/shoufeilunwen/boshibiyelunwen/2968693.html
