SVM异常数据识别的比例风险预测模型

剩余寿命预测在设备维修管理中扮演着重要的角色,准确的剩余寿命预测对制定维修策略起着至关重要的作用,从而可以有效避免设备故障的发生.提出一种基于支持向量机(SVM)异常数据识别的比例风险模型(PHM)用于剩余寿命的预测,该模式利用支持向量机和比例风险模型分别实现异常状态数据的识别和剩余寿命的预测.案例研究表明,SVM -PHM模型较PHM模型具有更好的预测精度.     

基于动力学仿真的行星变速箱故障机理研究

针对某型行星变速箱故障机理研究欠缺和故障诊断困难的问题,在刚柔耦合动力学理论和齿轮故障信号模型基础上,建立了行星变速箱齿轮-箱体刚柔耦合动力学模型,分别计算行星变速箱正常状态和齿轮故障下的齿轮啮合力和箱体表面振动信号,进而研究齿轮故障机理,最后通过对故障模拟试验采集的实测信号与仿真信号的频谱成分对比,验证了所建模型的正确性。结果表明:齿轮发生故障时,振动信号频谱会出现相应的特征边频带。     

基于最小二乘支持向量机的坦克炮身管剩余寿命预测方法

针对高膛压坦克炮身管剩余寿命预测的难题,结合坦克实弹射击试验数据量少和非线性的特点,基于最小二乘支持向量机构建了坦克炮身管剩余寿命预测模型,给出了模型参数的选取方法,并以某型坦克炮射击试验为基础,对坦克炮身管剩余寿命预测模型进行了验证。结果表明:该模型预测坦克炮身管剩余寿命效果良好。     

基于LabVIEW的变速箱状态检测系统

采用门限关联度理论进行变速箱状态检测,并构建了以虚拟仪器为核心的变速箱状态采集系统,建立了表征变速箱状态的特征参量和正常故障判定准则,采用LabVIEW开发了检测与故障判定软件系统。     

考虑非线性退化与随机失效阈值的剩余寿命预测

针对广泛存在的非线性退化设备,现有方法尚未考虑随机失效阈值对剩余寿命预测结果的影响。因此,通过对设备性能退化过程进行分析,提出了一种综合考虑非线性退化与随机失效阈值的剩余寿命预测方法。基于Wiener过程构建了考虑个体差异与测量误差的非线性退化模型;基于卡尔曼滤波算法建立状态空间模型以实现对退化状态的在线更新;基于极大似然法估计失效阈值分布系数估计方法,得到随机失效阈值的概率分布;基于随机失效阈值推导出剩余寿命的概率分布,实现对剩余寿命的在线预测。算例研究表明,所提方法可以有效地提升剩余寿命预测的准确性,具备一定工程应用价值。     

装备剩余寿命预测平行仿真中模型动态演化方法

装备平行仿真中的一个重要概念是实时数据驱动的模型动态演化,但是至今仍缺乏具体应用领域的实现方法。以带未知离散冲击的混合退化装备剩余寿命预测为背景,以多态Wiener状态空间模型为演化对象,提出一种装备平行仿真中模型动态演化方法,包括基于交互多模型强跟踪滤波的模型软切换和基于期望最大化算法的模型参数在线估计,并实现了基于平行仿真的装备剩余寿命实时预测。利用某轴承退化数据进行实例研究,结果表明该方法能有效提高仿真逼真度,剩余寿命预测的准确度较高、不确定性较小,具有较高工程应用价值。     

基于加窗线性卡尔曼滤波模型的设备剩余使用寿命预测方法

提出了基于加窗线性卡尔曼滤波模型的设备剩余使用寿命预测新方法,明确了应用加窗线性卡尔曼滤波模型进行剩余使用寿命预测的过程。应用试验数据验证了方法的有效性,案例分析结果表明:对于退化指标在前期平稳、后期突变的齿轮箱全寿命试验数据,剩余使用寿命的预测值与实际值在齿轮箱运行的前期相差较大,而在后期则较为相近;通过对退化指标值进行拟合处理,可以明显消除退化指标值波动对剩余使用寿命预测值的影响。     

基于DWT-LPP的行星变速箱故障信号特征增强方法

针对行星变速箱齿轮故障信号特征易被噪声湮没且不同齿轮故障信号较难区分的特点,提出了一种基于离散小波变换(Discrete Wavelet Transform,DWT)和局部保持映射(Local Preserving Projection,LPP)的行星变速箱故障信号特征增强方法。首先,利用DWT对信号进行多频段的重构扩充信号维度;然后,通过LPP对多维度信号进行降维,减弱噪声影响并增强信号的稳定性;最后,以排列熵(Permutation Entropy,PE)、样本熵(Sample Entropy,SE)和功率谱熵(Power Spectral Entropy,PSE) 3种信息熵表征信号特征。对台架试验采集不同故障状态的振动信号进行分析,结果表明:该方法对故障信号特征增强明显,依据3种信息熵值的三维坐标有效实现了行星变速箱齿轮故障的分类识别。     

基于SF-REM的齿轮箱剩余寿命预测方法研究

剩余寿命预测是视情维修决策的重点和难点.针对工程实践中历史数据少、模型参数估计精度低的问题,建立一种基于随机滤波(SF)的齿轮箱剩余寿命预测模型.该方法采用递归期望最大化(REM)算法对模型参数进行递归更新,推导极大似然估计方法的参数递归更新过程,最后经实例验证模型的有效性和实用性.     

核独立分量分析的随机滤波剩余寿命预测模型

基于随机滤波的预测模型是剩余寿命预测方法的一个重要分支,当前制约滤波模型的一个重要问题就是如何对大量高维非线性状态监测数据进行特征降维,以易于模型参数求解.通过线性回归处理了非定期换油保养对油液数据的影响;运用核独立分量分析进行特征降维,消除了各维数据之间相关性对模型预测精度的影响;建立了基于油液增量的滤波模型,并设计了极大似然估计方法求解模型参数;最后实例验证了模型的有效性和实用性.     

A model to predict the residual life of aircraft engines based upon oil analysis data

This paper reports on a study using the available oil monitoring information, such as the data obtained using the Spectrometric Oil Analysis Programme (SOAP), to predict the residual life of a set of aircraft engines. The relationship between oil monitoring information and the residual life is established using the concept of the proportional residual, which states that the predicted residual life may be proportional to the wear increment measured by the oil analysis programmes. Assuming such a relationship between wear and the residual life exists, we formulated a recursive prediction model for the item's residual life given measured oil monitoring information to date. A set of censored life data of 30 aircraft engines (right censored due to preventive overhaul) along with the history of their monitored metal concentration information are available to us. The metal concentration information includes many variables, such as Fe, Cu, Al, etc.; not all of them are useful, and some of them may be correlated. The principal component analysis (PCA) has been adopted to reduce the dimension of the original data set and to produce a new set of uncorrelated variables, which we shall use in the prediction model. The procedure associated with estimating model parameters is discussed. The model is fitted to the actual SOAP data from the aircraft engines, and the goodness‐of‐fit test has been carried out. © 2005 Wiley Periodicals, Inc. Naval Research Logistics, 2005.     

小波分析和神经网络结合的变速箱状态识别

针对变速箱故障信号的非平稳和时变特性，提出了小波分析和神经网络结合的变速箱状态识别方法。为了验证该方法的有效性，试验模拟了某型车辆变速箱正常、7216轴承滚动体点蚀及3挡被动齿轮严重磨损3种状态，以箱体振动信号作为分析信号，首先对信号应用小波阈值法降噪减少干扰，接着将小波分解系数单子带重构得到不同频带的信号分量，提取各频带能量作为特征向量输人神经网络进行状态识别，结果表明该方法能有效识别变速箱的3种状态。     

某型船用传动齿轮箱振动模态的试验与分析

某多输入双级传动齿轮箱是舰船振动与噪声的主要根源之一。文中在建立齿轮箱的试验模型后,采用固定锤击点改变测量点法采集各点的冲击数据和响应数据,在对同类型两部齿轮箱的模态试验的结果分析的基础上,通过对比找到了其中一部齿轮箱振动噪声增大的原因,经过对该齿轮箱的开箱测检结果表明,其分析结论是正确的。对该型舰船齿轮箱的故障诊断、提高其可靠性和维修性,具有重要的指导意义。     

Mean residual life of coherent systems consisting of multiple types of dependent components

Mean residual life is a useful dynamic characteristic to study reliability of a system. It has been widely considered in the literature not only for single unit systems but also for coherent systems. This article is concerned with the study of mean residual life for a coherent system that consists of multiple types of dependent components. In particular, the survival signature based generalized mixture representation is obtained for the survival function of a coherent system and it is used to evaluate the mean residual life function. Furthermore, two mean residual life functions under different conditional events on components’ lifetimes are also defined and studied.     

装甲车辆润滑油监测数据关联分析

利用灰色关联分析方法对装甲车辆变速箱润滑油监测数据进行了分析，说明了油样中铁谱磨粒浓度和油液污染度之间的关联性，为润滑油不同监测参数间的相互验证提供了一种方法。     

基于贝叶斯模型的装备剩余寿命预测研究

为了解决武器装备日益复杂及维修工作日趋繁重的问题,运用贝叶斯模型预测装备修理后的剩余寿命,为合理安排其修理计划提供依据。替代传统的指数分布,用威布尔分布描述系统寿命特征,并运用极大似然方法和贝叶斯方法估计威布尔分布的两个未知参数,给出其置信区间。在此基础上,对先验样本和后验样本两种不同情况,分别运用贝叶斯模型预测装备修理后的剩余寿命,并给出实例。结果表明了该方法的有效性。     

残差GM（1，1）模型在恒加试验中的应用

介绍了目前恒加试验中,正常应力水平下特征寿命点估计的数据统计分析方法及其不足。针对恒加试验的特点和所需解决的问题,基于灰色预测理论的残差GM(1,1)模型,给出了一种新的求解方法。最后分别运用三种不同的方法对给出的应用实例进行正常应力水平下特征寿命值的求解,证明了本文所给出的方法确实可行。     

Properties of a mean residual life function arising from renewal theory

The present article discusses the properties of the mean residual life function in a renewal process. We examine the relationship this function has with the failure rate function and the conventional mean, variance and coefficient of variation of residual life. We also discuss some monotonicity properties of the mean residual life function. A partial order based on the renewal mean residual function is introduced along with its interrelationship with some existing stochastic orders. © 2010 Wiley Periodicals, Inc. Naval Research Logistics, 2010