本文選題：礦冶典型零部件 + 支持向量機(jī)��； 參考：《江西理工大學(xué)》2015年碩士論文

【摘要】：由于礦冶典型零部件常處于灰塵多、腐蝕大、磨損快的特殊工況,對(duì)其退化狀態(tài)的識(shí)別及其維修與再制造評(píng)估方法正日益成為企業(yè)關(guān)注的熱點(diǎn)。礦冶典型零部件主要是指采、選、冶等礦山行業(yè)裝備中的大型曲軸、齒輪、軸承等關(guān)鍵件,通常分為在線服役的零部件和報(bào)廢裝備拆解產(chǎn)生的廢舊零部件兩類。對(duì)第一類在線服役的零部件,因礦冶特殊工況其退化往往具有很強(qiáng)的隨機(jī)性,存在狀態(tài)退化趨勢(shì)難以預(yù)測(cè)的難題,從而對(duì)其維修決策帶來(lái)了困難;對(duì)于拆解下來(lái)的第二類廢舊零部件,它們則正成為全世界增長(zhǎng)最快的廢棄物,若對(duì)其盲目再制造將導(dǎo)致成本過(guò)高、資源浪費(fèi),因此對(duì)其可再制造性評(píng)估決策并分類,是再制造循環(huán)利用的前提和基礎(chǔ)。本文針對(duì)礦山行業(yè)存在的上述問(wèn)題展開研究,探索了一套面向特殊工況的零部件退化狀態(tài)識(shí)別、壽命預(yù)測(cè)及其可再制造評(píng)估系統(tǒng)新方法,為礦冶領(lǐng)域的裝備健康管理與廢舊資源再制造循環(huán)利用提供理論支撐。針對(duì)第一類在線服役的礦冶零部件存在問(wèn)題,開展了以下研究工作:(1)構(gòu)建了特殊工況的衰退性能指標(biāo)。針對(duì)現(xiàn)有方法中提取的單源特征易受噪聲干擾,對(duì)零部件衰退趨勢(shì)不敏感,多源特征之間存在重疊冗余的問(wèn)題,提出采用面向礦冶特殊工況的主成分分析方法對(duì)多源特征進(jìn)行融合,獲得礦冶零部件衰退性能指標(biāo),該指標(biāo)具有較強(qiáng)抗干擾能力且對(duì)衰退敏感,又能有效地消除原始特征信息之間的冗余,通過(guò)表征效果驗(yàn)證所構(gòu)建的指標(biāo),能夠較好的反映礦冶在役零部件的退化趨勢(shì);(2)提出了基于低秩打分的礦冶在役零部件特征選擇新方法,以提高預(yù)測(cè)礦冶在役零部件退化狀態(tài)的準(zhǔn)確率。對(duì)礦冶在役零部件退化狀態(tài)準(zhǔn)確識(shí)別的關(guān)鍵在于特征的選擇和識(shí)別模型的建立,通過(guò)對(duì)分類問(wèn)題的研究,提出用低秩打分對(duì)特征進(jìn)行選擇的新方法,運(yùn)用低秩表示模型尋找分類效果最好的特征,在此基礎(chǔ)上構(gòu)建低秩打分準(zhǔn)則,進(jìn)而提出一種低秩打分的特征選擇新算法,通過(guò)支持向量機(jī)模型實(shí)現(xiàn)退化狀態(tài)的識(shí)別。以試驗(yàn)平臺(tái)滾動(dòng)軸承狀態(tài)識(shí)別為例,驗(yàn)證了該方法的有效性;(3)提出了一套對(duì)在線服役零部件的退化狀態(tài)識(shí)別與維修決策的新方法。通過(guò)該方法識(shí)別出在線服役零部件所處的健康退化狀態(tài),據(jù)此將在線服役零部件的維修分為三類:繼續(xù)使用、小修、大修(再制造),大大提高了設(shè)備效率,有效地降低了維護(hù)成本。針對(duì)拆解下來(lái)的第二類廢舊零部件存在的問(wèn)題,開展了以下研究工作:(1)建立了專門針對(duì)礦冶廢舊零部件改進(jìn)的威布爾分布剩余壽命預(yù)測(cè)模型,從而為其是否值得再制造提供依據(jù)。以歷史數(shù)據(jù)為基礎(chǔ),通過(guò)對(duì)威布爾分布的改進(jìn),并融合支持向量回歸模型對(duì)廢舊零部件剩余壽命進(jìn)行預(yù)測(cè);(2)構(gòu)建了基于霍爾三維結(jié)構(gòu)的再制造評(píng)估方法,為廢舊零部件是否值得再制造進(jìn)行決策,并把它們按可靠性、經(jīng)濟(jì)性、成本等角度分成三類處理方式:小修(再利用)、大修(再制造)、回爐循環(huán)利用,從而實(shí)現(xiàn)了廢舊零部件固體廢物再制造循環(huán)利用。最后以礦冶廢舊零部件曲軸為例,驗(yàn)證了所提方法的有效性。
[Abstract]:This paper studies the characteristics of mining and metallurgy parts , such as large crankshaft , gear , bearing and so on . Based on the historical data , a new method for estimating the residual life of waste parts is established by the improvement of Weibull distribution and fusion support vector regression model .

【學(xué)位授予單位】：江西理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：F273;F426.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 谷玉波;賈云獻(xiàn);張英波;;基于Gamma退化過(guò)程的剩余壽命預(yù)測(cè)及維修決策優(yōu)化模型研究[J];軸承;2013年04期

2 奚立峰;黃潤(rùn)青;李興林;劉中鴻;李杰;;基于神經(jīng)網(wǎng)絡(luò)的球軸承剩余壽命預(yù)測(cè)[J];機(jī)械工程學(xué)報(bào);2007年10期

3 雷亞國(guó);何正嘉;訾艷陽(yáng);;基于混合智能新模型的故障診斷[J];機(jī)械工程學(xué)報(bào);2008年07期

4 李素華;段齊明;;汽車零部件再制造系統(tǒng)的研究[J];制造業(yè)自動(dòng)化;2012年19期

5 肖文斌;陳進(jìn);周宇;王志陽(yáng);趙發(fā)剛;;小波包變換和隱馬爾可夫模型在軸承性能退化評(píng)估中的應(yīng)用[J];振動(dòng)與沖擊;2011年08期

，

本文編號(hào)：1810843