伴隨著時間的增長,機械設(shè)備或其部件出現(xiàn)故障的概率逐漸增加。機械設(shè)備工作時長的優(yōu)化和生命周期成本的最小化需要對其退化過程進行在線監(jiān)測,以及對剩余壽命進行可靠預(yù)測。為了滿足這樣的需求,預(yù)測式健康狀態(tài)管理作為新興的工程學(xué)科,將失效機制和生命周期管理的研究聯(lián)系起來。其目的是延長機械設(shè)備的服役時間,同時盡可能優(yōu)化開發(fā)和維護成本。隨著傳感器技術(shù)的發(fā)展,大量的傳感器在工業(yè)設(shè)備中得到使用,因此,以數(shù)據(jù)為驅(qū)動的預(yù)測式健康狀態(tài)管理技術(shù)得到越來越多研究人員的青睞。數(shù)據(jù)驅(qū)動的預(yù)測式健康狀態(tài)管理利用機械設(shè)備過去、現(xiàn)在與未來的信息來評估退化狀態(tài)、診斷故障、預(yù)測故障與計算剩余壽命,其主體架構(gòu)包括4個關(guān)鍵過程,分別為退化特征選擇、健康狀態(tài)評估、故障預(yù)測、剩余壽命估計。本文從這4個過程出發(fā),提出一套適用于工業(yè)設(shè)備的預(yù)測式健康狀態(tài)在線評估的方法。(1)針對設(shè)備在線退化數(shù)據(jù)的海量高維度特性,同時退化特征集合應(yīng)表現(xiàn)出連續(xù)增加或減少的趨勢、對監(jiān)測噪聲、操作環(huán)境的變化,具有魯棒性的特點,本文提出基于遺傳算法和評價標(biāo)準(zhǔn)(單調(diào)性、趨勢性、魯棒性)結(jié)合的自動退化特征選擇方法。該方法以評價標(biāo)準(zhǔn)的線性組合作為遺傳算法(Genetic Algorithm,GA)的適應(yīng)性函數(shù),可以直接反映特征子集對機械退化過程的相關(guān)性,引導(dǎo)GA的變異和搜索,從而降低數(shù)據(jù)維度與選擇最優(yōu)退化特征子集。(2)針對工業(yè)設(shè)備運行過程中狀態(tài)與操作環(huán)境多變,存在不確定的隨機因素,相同的設(shè)備可能有不同的健康狀態(tài)個數(shù)的問題,提出基于SCM、FCM與GA結(jié)合的SG-FCM動態(tài)健康狀態(tài)識別方法,利用SCM提供FCM初始聚類中心即健康狀態(tài)個數(shù),降低初始參數(shù)選擇對FCM性能影響,同時利用GA全局搜索的能力對FCM爬坡式搜索方式進行優(yōu)化降低進入局部最優(yōu)解的概率,獲得最佳健康狀態(tài)中心位置。(3)針對單退化特征預(yù)測模型不能充分描述設(shè)備復(fù)雜退化過程的問題,利用LSTM建立多變量多步故障預(yù)測模型,并且利用多參數(shù)調(diào)優(yōu)方法選擇最佳預(yù)測模型,在此預(yù)測模型基礎(chǔ)上,結(jié)合SG-FCM提出LSG-FCM動態(tài)剩余壽命計算方法,該方法可以為具有不同健康狀態(tài)個數(shù)的機械設(shè)備自動分配失效閾值,從而動態(tài)提供預(yù)測模型的預(yù)測結(jié)束時間點,提高剩余壽命計算準(zhǔn)確率。最后,為驗證本文所提方法的有效性與實用性,利用渦輪風(fēng)扇發(fā)動機數(shù)據(jù)集進行實驗分析。實驗結(jié)果表明,利用本文提出的特征選擇方法能有效選擇追蹤設(shè)備退化進程的最佳退化特征子集;在提取的特征子集的基礎(chǔ)上利用SG-FCM算法可獲得比傳統(tǒng)FCM更好的聚類效果,實現(xiàn)不同工況下變健康狀態(tài)個數(shù)的健康狀態(tài)識別。利用LSG-FCM模型進行動態(tài)剩余壽命計算的預(yù)測準(zhǔn)確率可達到73%,并且預(yù)測錯誤跨度更小,跨度范圍在[-20,42]。
【學(xué)位單位】：廣東工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TH17;TP212;TP18
【部分圖文】：

圖 2-1 基于遺傳算法的特征選擇Figure 2-1 Feature Selection Based on Genetic Algorithm據(jù)集編碼為遺傳算法的初始步驟，編碼方式的選擇對后續(xù)各算子的定根據(jù)待解決問題的特點進行選擇，如二進制編碼、格雷碼編進制編碼通過[0,1]來表示個體基因鏈中的編碼方式。其優(yōu)點換相同，簡易操作。同時可使后續(xù)的選擇、交叉、變異操作作簡單，二進制編碼成為廣泛應(yīng)用的編碼方法。選擇問題上，種群個體代表可能的特征組合，個體基因利用否選中。維度為 N 的特征集進行編碼后可得到相應(yīng)維度長度, 1 代表選中該特征。始化種群

第二章 退化特征選擇2.3.3 實驗結(jié)果分析將數(shù)據(jù)進行簡單的分析可知，傳感器 2、3、4、 8、9、11、 13、15、17、20、21 這 11 個傳感器測量值具有與時間相關(guān)的趨勢，可更好描述設(shè)備退化進行。下圖為截取了進行歸一化處理后測試集中 100 臺傳感器 2、4 隨時間（運行周期）變化的曲線，0 表示正常運行，1 表示出現(xiàn)故障。

第二章 退化特征選擇表 2-4 人工劃分失效閾值Table 2-4 Failure Threshold of Man-Made傳感器編號 失效閾值2 630.853 1570.474 1402.218 2340.4811 47.2113 2340.4815 8.35
【相似文獻】

相關(guān)期刊論文 前10條

1 喻如俊;;稗草影響后季稻產(chǎn)量預(yù)測式的研究[J];植物保護學(xué)報;1988年02期

2 郭金榮;卜一;李玉民;;應(yīng)用逐步回歸推導(dǎo)粘蟲發(fā)生程度預(yù)測式[J];內(nèi)蒙古農(nóng)業(yè)科技;1989年04期

3 高仲傳;;“預(yù)測式復(fù)習(xí)法”教改實踐與體會——提高學(xué)生自主學(xué)習(xí)能力的思考與實踐[J];中國科教創(chuàng)新導(dǎo)刊;2013年03期

4 高東明，秦文勝，龔林根，秦維勤;水稻條紋葉枯病分品種預(yù)測式的建立和應(yīng)用[J];浙江農(nóng)業(yè)科學(xué);1995年03期

5 劉俊魁，鄧星權(quán)，陳祥林;第一代二化螟幼蟲發(fā)生高峰期預(yù)測式[J];湖南農(nóng)業(yè)大學(xué)學(xué)報;1995年05期

6 周光普;小麥赤霉病一種簡便預(yù)測式的研究與應(yīng)用[J];植物保護;1991年03期

7 高仲傳;常杰;;“預(yù)測式復(fù)習(xí)法”課題研究中對學(xué)生問題意識的思考——讓課堂的“去問題”傾向成為過去[J];新課程(中);2015年03期

8 吳倫其;預(yù)測式教學(xué)法在政治課中的應(yīng)用[J];政治課教學(xué);2004年05期

9 趙淑芬;付云龍;唐建祥;代俊杰;;中華稻蝗發(fā)生量預(yù)報技術(shù)的改進及其預(yù)測式的試建[J];病蟲測報;1992年S1期

10 王紅梅;賈宗璞;張俊娜;;基于乒乓切換的預(yù)測式快速移動IPv6新方案[J];計算機工程;2008年03期

相關(guān)碩士學(xué)位論文 前5條

1 陳志剛;工業(yè)設(shè)備預(yù)測式健康狀態(tài)在線評估[D];廣東工業(yè)大學(xué);2019年

2 李剛;預(yù)測式外呼算法研究及呼叫系統(tǒng)原型設(shè)計[D];重慶大學(xué);2016年

3 黃放;基于時間購買的預(yù)測式運維服務(wù)供應(yīng)鏈?zhǔn)找娣峙涔叫匝芯縖D];西安理工大學(xué);2017年

4 朱超杰;基于軟交換的預(yù)測式外呼系統(tǒng)的設(shè)計與實現(xiàn)[D];華南理工大學(xué);2013年

5 白戈;反應(yīng)式營銷下的CRM[D];西南財經(jīng)大學(xué);2007年

本文編號：2870491