發(fā)布時(shí)間：2021-09-03 03:50

　　隨著工業(yè)信息化時(shí)代的來臨,人們對生產(chǎn)制造效率的要求越來越高,如何避免因設(shè)備發(fā)生故障導(dǎo)致的停工停產(chǎn)成為亟待解決的難題。目前工廠和企業(yè)普遍采用根據(jù)經(jīng)驗(yàn)定期維護(hù)生產(chǎn)設(shè)備的方式,而這無疑會增加企業(yè)在人工和運(yùn)營方面的支出,造成資源的浪費(fèi)。機(jī)械設(shè)備退化趨勢建模和剩余使用壽命（Remaining Useful Life,RUL）估計(jì)技術(shù)是有效解決這一難題的關(guān)鍵。傳統(tǒng)基于物理模型的方法隨著機(jī)械設(shè)備內(nèi)部結(jié)構(gòu)的日趨復(fù)雜愈發(fā)難以實(shí)現(xiàn),相比之下隨著人工智能的飛速發(fā)展和數(shù)值計(jì)算能力的提高,以及傳感器和存儲技術(shù)的推陳出新,基于數(shù)據(jù)驅(qū)動的機(jī)械設(shè)備退化趨勢建模和估計(jì)剩余使用壽命越來越得到重視�；跀�(shù)據(jù)驅(qū)動的方法通常利用安裝在機(jī)械設(shè)備上傳感器實(shí)時(shí)傳輸?shù)臄?shù)據(jù),對機(jī)械設(shè)備的退化過程建模,從而實(shí)現(xiàn)剩余使用壽命的預(yù)測。循環(huán)神經(jīng)網(wǎng)絡(luò)作為數(shù)據(jù)驅(qū)動方法的一種,通過模擬人腦的思考機(jī)制來學(xué)習(xí)到更高維的抽象特征,并能夠保留時(shí)間序列中的長期記憶,非常適合于多傳感器時(shí)間序列退化模型的構(gòu)建,在工業(yè)領(lǐng)域有廣闊的發(fā)展前景。首先介紹了基于數(shù)據(jù)驅(qū)動的方法是如何解決機(jī)械設(shè)備退化趨勢建模以及剩余使用壽命預(yù)測問題。隨后概述了工業(yè)數(shù)據(jù)集的數(shù)據(jù)預(yù)處理方法。最后詳... 

【文章來源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－２?ＰＨＭ系統(tǒng)結(jié)構(gòu)圖??

通過顯微鏡觀察刀具側(cè)面磨損情況，一旦超出之前設(shè)置的閾值則判定刀具無法正??常工作，切割過程中以５０?ｋＨｚ的采樣頻率收集刀具的切削力、機(jī)床振動幅度以??及主軸電機(jī)電流等參數(shù)。具體采集數(shù)據(jù)的方式以及實(shí)驗(yàn)環(huán)境見圖２－２。⑵軸承數(shù)??據(jù)集，該數(shù)據(jù)集由辛辛那提大學(xué)提供，該數(shù)據(jù)集沒有直接反映軸承健康程度參數(shù)，??而是通過計(jì)量實(shí)驗(yàn)中產(chǎn)生的碎屑質(zhì)量作為間接的評價(jià)指標(biāo)［３５］。⑶鋰電池?cái)?shù)據(jù)集，??鋰電池在若干次充放電后電池容量會產(chǎn)生衰減，在不同溫度和不同電流負(fù)載下的??衰減程度也是不一樣的，該數(shù)據(jù)集通過設(shè)置一個(gè)電量衰減的閾值來判斷電池是否??還能夠正常運(yùn)行，數(shù)據(jù)集還給出了實(shí)驗(yàn)中的電壓、電流以及環(huán)境溫度這三個(gè)參數(shù)，??作為推斷電池電量是否低于閾值的重要依據(jù)。⑷飛機(jī)引擎數(shù)據(jù)集，該數(shù)據(jù)集為本??文第三章所使用的數(shù)據(jù)集，具體描述信息見第三章。??數(shù)控銑床??—－＾?［?離線監(jiān)測??（｜?｝?寬度??Ｘｍ／?刀具狀態(tài)舊?ｍＣＡＭＺ１２?＿＿＿??＇篇一－?１??ｚｔ?ｙ?在線監(jiān)測?：

ＣＩｎｄＲＮＮ，主要由三部分構(gòu)成，輸入的多變量時(shí)間序列經(jīng)過卷積層進(jìn)行局部特征??的學(xué)習(xí)生成新的時(shí)間序列，再經(jīng)過獨(dú)立循環(huán)神經(jīng)網(wǎng)絡(luò)讓長期記憶得以保留，最后??用全連接的神經(jīng)網(wǎng)絡(luò)對剩余使用壽命做回歸預(yù)測。具體的網(wǎng)絡(luò)結(jié)構(gòu)如圖３－１所示。????ＩｎｄＲＮＮ??「?丨?Ｌａｙｅｒｓ??１１?＾；?ｉ??［？？？，欠卜！，Ｘｕ，?Ｘｕ＂－］?＿Ｊ?Ｃ?Ｃ?丨、？?ｔｎｒｆＲ?■？｛?ＪｎｄＲ?Ｄ?Ｄ?［—／Ｖｔ－ｉ／?Ｙｍ，?Ｖｔ－ｉ／—］??＇?｜?一??ＣＮＮ?！?！?一?ＦＵ＂ｙ?■??，????????Ｃｏｎｎｅｃｔｅｄ??Ｌａｙｅｒｓ??Ｌａｙｅｒｓ??圖３－１?ＣＩｎｄＲＮＮ模型示意圖??３．?１．１卷積神經(jīng)網(wǎng)絡(luò)??卷積神經(jīng)網(wǎng)絡(luò)屬于深度學(xué)習(xí)中的一種，它的基本思想是利用卷積這種非線性??運(yùn)算將原始特征進(jìn)行變換，自動學(xué)習(xí)和抽取新的有效特征。同時(shí)由于卷積神經(jīng)網(wǎng)??絡(luò)的設(shè)計(jì)結(jié)構(gòu)采取局部權(quán)值共享的方式，有效降低了計(jì)算的復(fù)雜性。因此卷積祌??經(jīng)網(wǎng)絡(luò)由于其在發(fā)掘潛在特征的普適性，而不一定總是需要相關(guān)領(lǐng)域的專業(yè)知識，??這對于特征工程存在重要意義。??卷積神經(jīng)網(wǎng)絡(luò)常見的隱藏層為卷積層與池化層，應(yīng)用于飛機(jī)發(fā)動機(jī)數(shù)據(jù)集的??ＣＩｎｄＲＮＮ中卷積神經(jīng)網(wǎng)絡(luò)部分共有四個(gè)隱藏層

【參考文獻(xiàn)】：
期刊論文
[1]基于CNN和LSTM混合模型的中文詞性標(biāo)注[J]. 謝逸,饒文碧,段鵬飛,陳振東.  武漢大學(xué)學(xué)報(bào)(理學(xué)版). 2017(03)
[2]智能制造體系架構(gòu)分析與工業(yè)互聯(lián)網(wǎng)應(yīng)用[J]. 張建雄,徐敏捷,金斐斐,周輝.  電信技術(shù). 2016(05)
[3]受限波爾茲曼機(jī)[J]. 張春霞,姬楠楠,王冠偉.  工程數(shù)學(xué)學(xué)報(bào). 2015(02)
[4]卡爾曼濾波修正LS-SVM的刀具磨損識別技術(shù)研究[J]. 李威霖,傅攀,曹偉青.  機(jī)械科學(xué)與技術(shù). 2015(01)
[5]風(fēng)力機(jī)結(jié)冰問題研究綜述[J]. 東喬天,金哲巖,楊志剛.  機(jī)械設(shè)計(jì)與制造. 2014(10)
[6]數(shù)據(jù)驅(qū)動故障預(yù)測和健康管理綜述[J]. 彭宇,劉大同.  儀器儀表學(xué)報(bào). 2014(03)
[7]風(fēng)電機(jī)組葉片結(jié)冰研究現(xiàn)狀與進(jìn)展[J]. 王聰,黃潔亭,張勇,韓爽.  電力建設(shè). 2014(02)
[8]基于相對特征和多變量支持向量機(jī)的滾動軸承剩余壽命預(yù)測[J]. 申中杰,陳雪峰,何正嘉,孫闖,張小麗,劉治汶.  機(jī)械工程學(xué)報(bào). 2013(02)
[9]特征模型融合研究[J]. 易立,趙海燕,張偉,金芝,梅宏.  計(jì)算機(jī)學(xué)報(bào). 2013(01)
[10]基于性能衰退的航空發(fā)動機(jī)剩余壽命組合預(yù)測方法[J]. 任淑紅,左洪福.  機(jī)械科學(xué)與技術(shù). 2011(01)

博士論文
[1]航空發(fā)動機(jī)主軸承使用壽命預(yù)測技術(shù)研究[D]. 苗學(xué)問.北京航空航天大學(xué) 2008
[2]基于支持向量機(jī)的動調(diào)陀螺儀壽命預(yù)測方法研究[D]. 徐國平.上海交通大學(xué) 2008

碩士論文
[1]基于時(shí)間序列分析和智能算法的故障預(yù)測方法研究[D]. 肖飛.北京化工大學(xué) 2014
[2]基于監(jiān)測數(shù)據(jù)的機(jī)械設(shè)備剩余壽命預(yù)測研究[D]. 李超.大連理工大學(xué) 2014



本文編號：3380343