對(duì)飛機(jī)機(jī)電系統(tǒng)關(guān)鍵部件實(shí)施PHM技術(shù)研究對(duì)提升飛機(jī)可靠性,降低保障費(fèi)用具有重要意義,已成為必然趨勢(shì),機(jī)器學(xué)習(xí)是研究PHM技術(shù)的新型強(qiáng)力手段。本文基于機(jī)器學(xué)習(xí)對(duì)機(jī)電系統(tǒng)關(guān)鍵部件機(jī)電作動(dòng)器和液壓泵進(jìn)行PHM技術(shù)研究。建立了機(jī)電作動(dòng)器和液壓泵的模型,剖析了機(jī)電作動(dòng)器電機(jī)軸卡死、齒輪斷齒、滾珠絲杠間隙過大三個(gè)故障和液壓泵軸不同心、內(nèi)泄漏兩個(gè)故障的機(jī)理、影響以及故障注入方法,在此基礎(chǔ)上,搭建了機(jī)電作動(dòng)器和液壓泵的故障仿真模型,獲取仿真故障數(shù)據(jù)�；谛〔ò纸夂椭貥�(gòu)對(duì)機(jī)電作動(dòng)器和液壓泵的故障仿真數(shù)據(jù)進(jìn)行分析,計(jì)算小波包能量分布,結(jié)合時(shí)域統(tǒng)計(jì)量,提取可以反映部件故障特征的能量特征向量。提出了基于LVQ神經(jīng)網(wǎng)絡(luò)的機(jī)電作動(dòng)器故障診斷方法,設(shè)計(jì)并改進(jìn)了LVQ神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法和網(wǎng)絡(luò)參數(shù),提升了LVQ神經(jīng)網(wǎng)絡(luò)的分類效果;提出了基于GA-SVM算法的液壓泵故障診斷方法,采用實(shí)值編碼的遺傳算法對(duì)支持向量機(jī)的參數(shù)尋優(yōu)進(jìn)行改進(jìn),提升了支持向量機(jī)的分類速度。最后驗(yàn)證了本文所設(shè)計(jì)的兩種故障診斷方法在各自對(duì)象上的有效性和優(yōu)越性。使用線性回歸方法將多維傳感器數(shù)據(jù)融合為一維健康指標(biāo)（HI）數(shù)據(jù),并采用多項(xiàng)式擬合HI退化曲線,設(shè)... 

【文章來源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁數(shù)】：86 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

機(jī)器學(xué)習(xí)應(yīng)用領(lǐng)域美國國防部先進(jìn)研究計(jì)劃局（DARPA）于2003年開始PAL(PerceptiveAssistantthatLearns)

美國國防部先進(jìn)研究計(jì)劃局（DARPA）于 2003 年開始 PAL(PerceptiveAssistant that Learn計(jì)劃，它是以機(jī)器學(xué)習(xí)為核心的一項(xiàng)計(jì)劃。首期投資 2900 萬美元，包含 2 個(gè)子計(jì)劃：RADA子計(jì)劃和 CALO 子計(jì)劃（核心）。美國主要大學(xué)和公司參與此計(jì)劃。DARPA 已經(jīng)將機(jī)器學(xué)習(xí)技術(shù)上升到國家安全的角度來考慮。美國谷歌、微軟、Facebook 等人工智能巨頭公司紛紛布局機(jī)器學(xué)習(xí)，成為推動(dòng)機(jī)器學(xué)習(xí)發(fā)展的核心引擎。2015 年 10 月，谷歌人工智能程序阿爾法狗（AlphaGo）戰(zhàn)勝排名世界第一的圍棋選手柯潔，舉世震驚，人們看到了人工智能的潛力，而阿爾法狗的實(shí)現(xiàn)正是基于深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。2017 年 9 月，F(xiàn)acebook 和微軟宣布將聯(lián)手提供一個(gè)開源的 “開放神經(jīng)網(wǎng)絡(luò)交換（ONNX）”的算法共享平臺(tái)，允許開發(fā)者在不同開發(fā)階段的人工智能引擎之間進(jìn)行切換，讓人工智能變得更容易獲取。在國內(nèi)，百度公司率先搭建了致力于人工智能方向的 IDL 研究院，主攻深度學(xué)習(xí)和機(jī)器學(xué)習(xí)等前沿技術(shù)。其核心成果“百度大腦”，已搭建了全球最具規(guī)模的神經(jīng)網(wǎng)絡(luò)，在語音方面，識(shí)別成功率達(dá) 97%，在圖像方面，人臉識(shí)別準(zhǔn)確率達(dá) 99.7%，除此之外，百度大腦將與醫(yī)療、交通、金融等領(lǐng)域展開合作。2017 年 9 月，百度推出自己自動(dòng)駕駛無人車平臺(tái)“Apollo”，機(jī)器學(xué)習(xí)在其中大放光彩。除了百度，國內(nèi)很多科技互聯(lián)網(wǎng)大公司在機(jī)器學(xué)習(xí)領(lǐng)域都深耕已久，推出了許多商業(yè)人工智能產(chǎn)品。

圖 2.2 機(jī)電作動(dòng)器整體模型圖2.1.2機(jī)電作動(dòng)器故障分析機(jī)電作動(dòng)器的故障總體上可以分為電氣部分故障和機(jī)械部分故障。電氣部分故障主要包括電機(jī)故障、控制器故障、功率模塊故障和傳感器故障。機(jī)械部分故障主要包括齒輪減速器故障和滾珠絲杠故障。具體的故障模式如表 2.1 所示。表 2.1 機(jī)電作動(dòng)器故障模式故障元件 故障模式電機(jī) 轉(zhuǎn)子偏心、繞組開路、繞組短路、軸承卡死、堵轉(zhuǎn)控制器 逆變器故障、霍爾傳感器故障、PID 控制器故障功率模塊 功率管短路、功率管開路傳感器 解算電路故障、松動(dòng)齒輪減速器 齒輪斷齒、齒輪摩擦力大滾珠絲杠 間隙過大、卡死、斷裂綜合考慮機(jī)電作動(dòng)器故障發(fā)生的頻率、影響及模擬故障注入的實(shí)現(xiàn)難度，選擇其中的三個(gè)

【參考文獻(xiàn)】：
期刊論文
[1]PHM技術(shù)國內(nèi)外發(fā)展情況綜述[J]. 呂琛,馬劍,王自力.  計(jì)算機(jī)測量與控制. 2016(09)
[2]基于數(shù)據(jù)驅(qū)動(dòng)的微小故障診斷方法綜述[J]. 文成林,呂菲亞,包哲靜,劉妹琴.  自動(dòng)化學(xué)報(bào). 2016(09)
[3]基于隨機(jī)Wiener過程的剩余壽命預(yù)測貝葉斯方法[J]. 蔡忠義,陳云翔,張亮,張浪軍.  電光與控制. 2016(07)
[4]變工況條件下基于相似性的剩余使用壽命預(yù)測方法[J]. 李琪,高占寶,李善營,李寶安.  北京航空航天大學(xué)學(xué)報(bào). 2016(06)
[5]基于小波包變換及RBF神經(jīng)網(wǎng)絡(luò)的繼電器壽命預(yù)測[J]. 李志剛,劉伯穎,李玲玲,孫東旺.  電工技術(shù)學(xué)報(bào). 2015(14)
[6]基于廣義回歸神經(jīng)網(wǎng)絡(luò)的油紙絕緣變壓器的壽命預(yù)測[J]. 林喆,蘭生,張宇航.  高壓電器. 2015(02)
[7]基于相似性的裝備部件剩余壽命預(yù)測研究[J]. 雷從英,夏良華,林智崧.  火力與指揮控制. 2014(04)
[8]RBF-SVM的核參數(shù)選擇方法及其在故障診斷中的應(yīng)用[J]. 周紹磊,廖劍,史賢俊.  電子測量與儀器學(xué)報(bào). 2014(03)
[9]基于改進(jìn)灰色神經(jīng)網(wǎng)絡(luò)的液壓泵壽命預(yù)測[J]. 何慶飛,陳桂明,陳小虎,姚春江.  中國機(jī)械工程. 2013(04)
[10]行星齒輪箱故障診斷的扭轉(zhuǎn)振動(dòng)信號(hào)分析方法[J]. 馮志鵬,褚福磊.  中國電機(jī)工程學(xué)報(bào). 2013(14)

博士論文
[1]基于退化隱式半馬爾科夫模型的設(shè)備健康預(yù)測及系統(tǒng)性維護(hù)策略研究[D]. 彭穎.上海交通大學(xué) 2011

碩士論文
[1]基于性能退化數(shù)據(jù)的航空發(fā)動(dòng)機(jī)剩余壽命預(yù)測[D]. 劉帥君.電子科技大學(xué) 2015
[2]滑動(dòng)磨損—疲勞復(fù)合作用下壽命預(yù)測模型[D]. 徐元軍.東北大學(xué) 2014
[3]基于小波神經(jīng)網(wǎng)絡(luò)的齒輪故障模式識(shí)別[D]. 李書磊.武漢科技大學(xué) 2007



本文編號(hào)：3002752