預(yù)測(cè)與健康管理（PHM）技術(shù)是基于視情維修的新型維修保障方法,包含故障診斷、故障預(yù)測(cè)和健康管理等諸多內(nèi)容,能有效降低設(shè)備保障費(fèi)用。數(shù)據(jù)驅(qū)動(dòng)的PHM技術(shù)是當(dāng)前研究的熱點(diǎn),機(jī)器學(xué)習(xí)方法在其中的應(yīng)用更是人們關(guān)注的焦點(diǎn)。本文采用機(jī)器學(xué)習(xí)方法對(duì)故障診斷和剩余使用壽命預(yù)測(cè)技術(shù)進(jìn)行研究。首先,探討了關(guān)鍵部件的數(shù)據(jù)獲取和特征提取方法。針對(duì)液壓作動(dòng)筒,使用AMESim軟件建模仿真的方法獲取進(jìn)口流量和出口流量數(shù)據(jù)并完成故障注入,分析和使用小波包能量譜方法提取數(shù)據(jù)特征;針對(duì)剩余使用壽命預(yù)測(cè),分析了NASA公開的航空發(fā)動(dòng)機(jī)數(shù)據(jù)集,為本文算法的驗(yàn)證奠定了基礎(chǔ)。接著,對(duì)基于機(jī)器學(xué)習(xí)的故障診斷方法進(jìn)行研究。分析和使用BP神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)液壓作動(dòng)筒的故障診斷,對(duì)比了標(biāo)準(zhǔn)梯度下降法和自適應(yīng)學(xué)習(xí)率梯度下降法的差異;研究了SVM方法及其參數(shù)尋優(yōu)方法,提出了基于GA-SVM算法的故障診斷方法,并驗(yàn)證了有效性。然后,重點(diǎn)研究了基于相似性的剩余使用壽命預(yù)測(cè)框架。首先闡述了三個(gè)相似性測(cè)度函數(shù);針對(duì)多源統(tǒng)計(jì)數(shù)據(jù),提出了基于PCA和BP神經(jīng)網(wǎng)絡(luò)的健康因子構(gòu)建方法,在此基礎(chǔ)上,提出了基于多源統(tǒng)計(jì)數(shù)據(jù)的相似性預(yù)測(cè)方法的實(shí)施步驟;進(jìn)一步使用... 

【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)】：89 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

液壓作動(dòng)筒模塊

表 2.2AMESim 模型參數(shù)和故障模式對(duì)應(yīng)表AMESim 軟件中模型參數(shù)設(shè)置項(xiàng) 故障模式Leakage coefficient 泄露故障Total mass being moved 負(fù)載過大Angle rod makes with horizontal 活塞桿軸心偏移以泄露故障為例進(jìn)行分析，設(shè)置 4 個(gè)不同程度泄露故障，從而驗(yàn)證所建模型的正確性計(jì)的液壓作動(dòng)筒初始狀態(tài)為活塞桿未伸出，當(dāng)無桿腔中通入高壓油后，活塞桿逐漸變出狀態(tài)，然后保持一小段時(shí)間后，再由伸出狀態(tài)縮回到初始狀態(tài)。當(dāng)系統(tǒng)出現(xiàn)泄漏故障桿從伸出到初始狀態(tài)的過程中，速度明顯下降；相應(yīng)地，活塞桿回到初始態(tài)的時(shí)間延于油液的泄露，作動(dòng)筒活塞桿甚至出現(xiàn)難以回到最初狀態(tài)的現(xiàn)象。從圖 2.3 的速度曲.4 的位移曲線可以清楚的地看出以上現(xiàn)象。AMESim 軟件提供了批處理功能，可以同時(shí)對(duì)同一參數(shù)設(shè)置多個(gè)不同的值，通過一次獲取多組數(shù)據(jù)，為數(shù)據(jù)的獲取帶來了極大的方便。記作動(dòng)筒一次完整運(yùn)行即活塞桿伸為一組運(yùn)行數(shù)據(jù)，本文對(duì)正常工況、泄露故障、外力突增故障和活塞桿軸心偏移 4 種取 19 組數(shù)據(jù)。

圖 2.4 泄露故障條件下活塞桿位移曲線于小波包能量譜的液壓作動(dòng)筒特征提取波包分解及其能量譜分析技術(shù)是特征提取領(lǐng)域十分常用的技術(shù)，如傅里葉變換、短時(shí)傅里葉變換里葉變換是時(shí)域到頻域轉(zhuǎn)換的工具，其實(shí)質(zhì)是將波形分解成頻率不同的正弦波全局性的變化，能反映整個(gè)信號(hào)的頻譜特性，對(duì)平穩(wěn)信號(hào)有較好的效果。但知信號(hào)頻率隨時(shí)間的關(guān)系，故常將整個(gè)信號(hào)分解成多個(gè)等長(zhǎng)的小信號(hào)即加窗里葉變換，但是該方法所設(shè)置的窗口大小是固定的，過寬或過窄的窗口大小波分解克服了以上問題，具有多分辨分析能力，可以在不同頻段下進(jìn)行時(shí)頻效分析異常信號(hào)的細(xì)節(jié)特征。分解是利用小波母函數(shù)的平移和伸縮實(shí)現(xiàn)的。小波母函數(shù)是具有快速衰減的且需要滿足如下條件：設(shè) (t )在函數(shù)空間2L ( R )上是可積的，其傅里葉變換為式的 為一個(gè)小波母函數(shù)：2( )

【參考文獻(xiàn)】：
期刊論文
[1]基于AHM的波音737NG引氣系統(tǒng)故障診斷[J]. 張宇.  航空維修與工程. 2018(11)
[2]基于小波包和SOM神經(jīng)網(wǎng)絡(luò)的電作動(dòng)器故障診斷[J]. 田瑤瑤,張惠娟,楊忠,李小明,張輝斌.  應(yīng)用科技. 2018(01)
[3]一種液壓作動(dòng)筒故障注入及診斷方法的研究[J]. 張輝斌,張惠娟,楊忠,陳爽,田瑤瑤.  應(yīng)用科技. 2018(04)
[4]F-35戰(zhàn)斗機(jī)的狀態(tài)預(yù)測(cè)與健康管理系統(tǒng)[J]. 秦荀,李三軍.  航空維修與工程. 2017(04)
[5]液壓系統(tǒng)故障診斷技術(shù)研究現(xiàn)狀和發(fā)展趨勢(shì)[J]. 劉保杰,楊清文,吳翔.  液壓氣動(dòng)與密封. 2016(08)
[6]飛機(jī)機(jī)電系統(tǒng)PHM技術(shù)方案研究[J]. 王景霖,林澤力,鄭國(guó),何泳.  計(jì)算機(jī)測(cè)量與控制. 2016(05)
[7]基于AMESim的液壓缸位置控制系統(tǒng)的建模與仿真[J]. 徐保強(qiáng),吳勇,王穎,戰(zhàn)立鵬.  煤礦機(jī)械. 2015(12)
[8]整體改進(jìn)的基于支持向量機(jī)的故障診斷方法[J]. 焦衛(wèi)東,林樹森.  儀器儀表學(xué)報(bào). 2015(08)
[9]國(guó)外故障預(yù)測(cè)與健康管理系統(tǒng)開發(fā)平臺(tái)綜述[J]. 劉恩朋,楊占才,靳小波.  測(cè)控技術(shù). 2014(09)
[10]Data-driven Prognostics and Remaining Useful Life Estimation for Lithium-ion Battery: A Review[J]. LIU Datong,ZHOU Jianbao,PENG Yu.  Instrumentation. 2014(01)

博士論文
[1]旋轉(zhuǎn)機(jī)械故障診斷與預(yù)測(cè)方法及其應(yīng)用研究[D]. 武哲.北京交通大學(xué) 2016
[2]復(fù)雜裝備故障預(yù)測(cè)與健康管理關(guān)鍵技術(shù)研究[D]. 李向前.北京理工大學(xué) 2014
[3]基于狀態(tài)監(jiān)測(cè)數(shù)據(jù)的產(chǎn)品壽命預(yù)測(cè)與預(yù)測(cè)維護(hù)規(guī)劃方法研究[D]. 尤明懿.上海交通大學(xué) 2012
[4]基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷模型及算法研究[D]. 呂寧.哈爾濱理工大學(xué) 2009
[5]智能故障診斷中的機(jī)器學(xué)習(xí)新理論及其應(yīng)用研究[D]. 馬笑瀟.重慶大學(xué) 2002

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(cè)[D]. 劉帥君.電子科技大學(xué) 2015
[2]基于粒子濾波的鋰離子電池剩余壽命預(yù)測(cè)方法研究[D]. 羅悅.哈爾濱工業(yè)大學(xué) 2012
[3]基于小波分析/AMESim的液壓缸泄漏故障診斷的仿真研究[D]. 楊立志.吉林大學(xué) 2007
[4]基于數(shù)據(jù)挖掘技術(shù)的軸承壽命預(yù)測(cè)的研究[D]. 鄧士娟.大連海事大學(xué) 2006



本文編號(hào)：3103541