【摘要】：隨著工業(yè)自動(dòng)化水平的日益提高,系統(tǒng)中的關(guān)鍵設(shè)備都在朝著精密化和復(fù)雜化方向發(fā)展。這些設(shè)備的安全可靠運(yùn)行是人們非常關(guān)心的重要問題,對(duì)其進(jìn)行安全監(jiān)測(cè)具有重要的社會(huì)意義和經(jīng)濟(jì)意義。在實(shí)際工業(yè)生產(chǎn)中,即使系統(tǒng)設(shè)計(jì)的很完善,在不同的工況下長(zhǎng)時(shí)間運(yùn)行,都會(huì)出現(xiàn)不同程度的故障。特別地,在系統(tǒng)發(fā)生漸變故障后,對(duì)系統(tǒng)運(yùn)行狀態(tài)進(jìn)行準(zhǔn)確及時(shí)的監(jiān)測(cè)(從系統(tǒng)提取有效的、穩(wěn)定的特征來準(zhǔn)確反映系統(tǒng)退化狀態(tài))、故障診斷和健康管理顯得尤為重要。本文主要研究如下三個(gè)方面的內(nèi)容:基于確定學(xué)習(xí)理論,針對(duì)一類發(fā)生漸變故障的非線性不確定系統(tǒng),沿著系統(tǒng)的軌跡,首先對(duì)系統(tǒng)動(dòng)態(tài)進(jìn)行準(zhǔn)確辨識(shí)得到系統(tǒng)的動(dòng)力學(xué)軌跡,在動(dòng)力學(xué)軌跡基礎(chǔ)上提取出更加敏感的系統(tǒng)動(dòng)態(tài)特征;然后,使用動(dòng)態(tài)模式識(shí)別方法對(duì)系統(tǒng)漸變故障進(jìn)行快速檢測(cè);最后,結(jié)合系統(tǒng)殘差的變化對(duì)系統(tǒng)失效時(shí)間進(jìn)行準(zhǔn)確預(yù)測(cè),以實(shí)現(xiàn)對(duì)系統(tǒng)健康狀態(tài)的實(shí)時(shí)評(píng)估。具體如下:1.非線性系統(tǒng)的動(dòng)態(tài)建模及特征提取。對(duì)一類非線性動(dòng)力學(xué)系統(tǒng),通過確定學(xué)習(xí)理論對(duì)系統(tǒng)未知的系統(tǒng)動(dòng)態(tài)進(jìn)行局部準(zhǔn)確辨識(shí),并將系統(tǒng)狀態(tài)軌跡代入動(dòng)力學(xué)建模結(jié)果中得到系統(tǒng)的動(dòng)力學(xué)軌跡。首先,在Lempel-Ziv復(fù)雜度(LZ復(fù)雜度)算法的基礎(chǔ)上,提出了時(shí)空LZ復(fù)雜度,其包含了時(shí)間復(fù)雜度(Temporal-LZ compelxity,TLZC)和空間復(fù)雜度(Saptio-LZ compelxity,SLZC)兩個(gè)指標(biāo),用于表征系統(tǒng)動(dòng)力學(xué)軌跡的復(fù)雜度;其次,對(duì)系統(tǒng)的時(shí)空LZ復(fù)雜度特征指標(biāo)進(jìn)行敏感程度分析;然后,使用經(jīng)典的非線性動(dòng)力學(xué)系統(tǒng)(Rossler系統(tǒng)和Duffing系統(tǒng))進(jìn)行數(shù)值仿真。結(jié)果表明,相比于狀態(tài)軌跡,從動(dòng)力學(xué)軌跡中提取的特征可以更加敏感地反映出非線性動(dòng)力學(xué)系統(tǒng)的周期、倍周期及混沌狀態(tài)。最后,將所提出的方法應(yīng)用到實(shí)際的心電信號(hào)動(dòng)態(tài)特征表達(dá)上,結(jié)果表明,提取出的心電信號(hào)動(dòng)態(tài)復(fù)雜度指標(biāo)能更加明顯反映出心肌缺血的情況,可以顯著提高其對(duì)心肌缺血檢測(cè)準(zhǔn)確度、特異度和敏感度。2.基于確定學(xué)習(xí)理論的漸變故障快速檢測(cè)。針對(duì)一類包含不確定項(xiàng)和外部擾動(dòng)的非線性系統(tǒng),定義系統(tǒng)的健康模式、亞健康模式和故障模式。運(yùn)用確定學(xué)習(xí)理論對(duì)系統(tǒng)三種模式的動(dòng)態(tài)進(jìn)行準(zhǔn)確的辨識(shí),將學(xué)到的三種模式下的知識(shí)以常值徑向基神經(jīng)網(wǎng)絡(luò)的形式進(jìn)行存儲(chǔ)�；诖_定學(xué)習(xí)的泛化能力和故障的漸變特性選取具有代表性的模式,構(gòu)建系統(tǒng)動(dòng)態(tài)模式庫。利用該模式庫構(gòu)造一系列動(dòng)態(tài)估計(jì)器,與待檢測(cè)系統(tǒng)進(jìn)行比較,從而得到三類不同模式的殘差。采用最小殘差原則,實(shí)現(xiàn)對(duì)系統(tǒng)亞健康和漸變故障的快速檢測(cè)。針對(duì)在有/無外部擾動(dòng)干擾情況下,對(duì)漸變故障的可檢測(cè)性進(jìn)行了充分的分析。與現(xiàn)有的基于在線逼近器的漸變故障檢測(cè)方法相比,所提出的方法不要求漸變故障幅值在一定時(shí)間內(nèi)大于系統(tǒng)的建模不確定項(xiàng),對(duì)微小漸變故障更加敏感,同時(shí)可實(shí)現(xiàn)對(duì)漸變故障的不同階段(健康、亞健康和故障模式)進(jìn)行檢測(cè),而且還可消除檢測(cè)閾值需要設(shè)定的影響,提供一個(gè)更加準(zhǔn)確和快速的檢測(cè)故障方法。3.基于確定學(xué)習(xí)理論的系統(tǒng)失效時(shí)間準(zhǔn)確預(yù)測(cè)。針對(duì)由漸變故障引起系統(tǒng)動(dòng)力學(xué)變化的非線性不確定系統(tǒng),基于確定學(xué)習(xí)理論的系統(tǒng)失效時(shí)間預(yù)測(cè)機(jī)制,可實(shí)現(xiàn)對(duì)系統(tǒng)失效時(shí)間的準(zhǔn)確預(yù)測(cè):利用確定學(xué)習(xí)對(duì)系統(tǒng)漸變故障不同階段的動(dòng)態(tài)進(jìn)行準(zhǔn)確辨識(shí),隨著系統(tǒng)漸變故障的變化,使用失效模式設(shè)計(jì)的估計(jì)器和待監(jiān)測(cè)系統(tǒng)比較得到的殘差將逐漸減小。當(dāng)系統(tǒng)達(dá)到失效狀態(tài)時(shí),對(duì)應(yīng)的殘差將小于失效閾值;基于此,分別對(duì)無外部干擾和有外部干擾情況下,建立了系統(tǒng)失效時(shí)間預(yù)測(cè)模型,并將當(dāng)前時(shí)刻系統(tǒng)動(dòng)態(tài)代入到預(yù)測(cè)模型中,可得到準(zhǔn)確的系統(tǒng)失效時(shí)間預(yù)測(cè)值,以便及時(shí)制定合理的系統(tǒng)維護(hù)策略,保障系統(tǒng)安全運(yùn)行。進(jìn)一步結(jié)合第四章,建立了一個(gè)非線性系統(tǒng)漸變故障檢測(cè)和系統(tǒng)失效時(shí)間預(yù)測(cè)綜合算法(Incipient faults detection and Time-to-failure Prediction,IFDTP)。與已有的其他系統(tǒng)失效時(shí)間預(yù)測(cè)方法相比,本文從系統(tǒng)動(dòng)態(tài)變化的角度給出更加準(zhǔn)確的失效時(shí)間預(yù)測(cè)值(滿足持續(xù)激勵(lì)條件),在檢測(cè)和預(yù)測(cè)過程中都不需要對(duì)系統(tǒng)的動(dòng)態(tài)進(jìn)行重新學(xué)習(xí),并且是并行執(zhí)行的,所提出IFDTP算法更容易實(shí)施。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP277;TP181

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 唐貴基;鄧飛躍;;基于改進(jìn)諧波小波包分解的滾動(dòng)軸承復(fù)合故障特征分離方法[J];儀器儀表學(xué)報(bào);2015年01期

2 周東華;史建濤;何瀟;;動(dòng)態(tài)系統(tǒng)間歇故障診斷技術(shù)綜述[J];自動(dòng)化學(xué)報(bào);2014年02期

3 王國彪;何正嘉;陳雪峰;賴一楠;;機(jī)械故障診斷基礎(chǔ)研究“何去何從”[J];機(jī)械工程學(xué)報(bào);2013年01期

4 黃志偉;周建中;賀徽;張孝遠(yuǎn);王常青;;不平衡磁拉力作用下裂紋轉(zhuǎn)子系統(tǒng)的分岔[J];機(jī)械工程學(xué)報(bào);2011年13期

5 周東華;胡艷艷;;動(dòng)態(tài)系統(tǒng)的故障診斷技術(shù)[J];自動(dòng)化學(xué)報(bào);2009年06期

6 王洪江;孫保民;田進(jìn)步;;定性仿真在鍋爐狀態(tài)監(jiān)控和故障診斷中的應(yīng)用[J];工程熱物理學(xué)報(bào);2007年01期

相關(guān)博士學(xué)位論文 前8條

1 何俊;齒輪箱振動(dòng)特性分析與智能故障診斷方法研究[D];浙江大學(xué);2018年

2 黨建;大型旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)分析與早期故障辨識(shí)方法研究[D];西安理工大學(xué);2018年

3 吳云凱;微小故障診斷與預(yù)測(cè)技術(shù)及其在高速列車牽引控制系統(tǒng)中的應(yīng)用[D];南京航空航天大學(xué);2017年

4 林鵬;基于確定學(xué)習(xí)理論的畸變條件下軸流壓氣機(jī)失速預(yù)警研究[D];華南理工大學(xué);2017年

5 鄧木清;基于確定學(xué)習(xí)的人體生物信號(hào)建模識(shí)別及其應(yīng)用研究[D];華南理工大學(xué);2017年

6 陳填銳;確定學(xué)習(xí)理論與智能振動(dòng)故障診斷[D];華南理工大學(xué);2010年

7 李萌;旋轉(zhuǎn)機(jī)械軸承故障的特征提取與模式識(shí)別方法研究[D];吉林大學(xué);2008年

8 范昕煒;支持向量機(jī)算法的研究及其應(yīng)用[D];浙江大學(xué);2003年

，

本文編號(hào)：2665509