柱塞泵作為液壓系統(tǒng)的關鍵部件,因其具有高負載、高功率,被稱為液壓系統(tǒng)的“心臟”。由其流量脈動小、容積效率高、壽命長和經(jīng)濟性的特點,廣泛的應用在航空航天、軍工、重載機械等領域。柱塞泵的吸排油過程是依靠各部件之間的相對運動來完成,此過程中部件存在的不可忽略的摩擦。其摩擦的產(chǎn)生最主要是柱塞泵的三對摩擦:副滑靴部件和斜盤構成的滑靴副、柱塞泵的配流盤與缸體構成的配流副、柱塞泵柱塞與柱塞孔所構成的柱塞副。由于摩擦副工作時處于高壓和高速的環(huán)境中,摩擦副為柱塞泵易出現(xiàn)故障點之一,但其性能好與壞會直接影響柱塞泵的壽命。如果采用合適的維修策略就能有效地提高柱塞泵的安全性、經(jīng)濟性與可靠性。預測性更換決策,因具有較好的前瞻性和更能適應生產(chǎn)而受到學者關注。為此本文以軸向柱塞泵為研究對象,采用能表征柱塞泵退化過程的泄漏回油流量作為指標進行預測性更換研究,為軸向柱塞泵后續(xù)的健康管理提供前提基礎。論文的主要內(nèi)容包括:首先,將后文要使用的理論方法作為知識背景進行了介紹,主要包括Wiener過程的建立,參數(shù)估計方法的詳細介紹,模型優(yōu)良性選擇的優(yōu)良性檢驗方法的介紹以及更新過程和更新報酬過程的介紹。其次,介紹軸向柱塞泵的結(jié)構... 

【文章來源】：蘭州理工大學甘肅省

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【部分圖文】：

軸向柱塞泵結(jié)構圖與實物圖

工程碩士學位論文35圖3.75組軸向柱塞泵泄漏回油流量曲線[16]利用圖3.7數(shù)據(jù)和本文第二章介紹的模型參數(shù)估計方法分別估計出M0~M4模型的參數(shù)，計算結(jié)果表3.1所示：表3.1不同退化模型下的參數(shù)估計值以及BIC值模型/M00.0034-9.10×10-6-527.95M10.00916.78×10-54.68×10-5-126.06M21.24×10-21-0.11071.21×103M39.85×10-177.03×10-160.09595.481.38×103M41.03×10-208.0×10-200.09030.0992-789.64比較模型之間的優(yōu)良經(jīng)常采用AIC、BIC準則，根據(jù)第二章的知識案例具有較大樣本量故采用BIC準則來評價，評價標準以BIC值最小者為最優(yōu)模型（包括負數(shù)）。從表3.1中可以看出M3模型的BIC值為最小-1380。根據(jù)BIC的定義驗證了我們所建立的退化模型，采用非線性模型：3:=5.48+0.0959()～(9.85×1017,4.942×1031)描述退化更加的合理。說明非線性的Wiener過程能更好的擬合案例軸向柱塞泵的退化。同時擬采用M3預測壽命模型，來進行預測剩余使用壽命，并在后面并進行驗證。采用在觀測時間時的剩余使用壽命概率密度函數(shù)(|,,,,)最大處對應的值為剩余使用壽命近似均值的預測值[81]。根據(jù)式（3.1）及相關的歷史數(shù)據(jù)，M3模型在不同時間點監(jiān)測對應的預測剩余使用壽命和實際的剩余使用壽命如圖3.8所示。

基于非線性Wiener過程的柱塞泵壽命預測及預測性更換決策研究36圖3.8軸向柱塞泵在不同的觀測時間下的剩余使用壽命預測結(jié)果從圖3.8可以看出，柱塞泵在工作的0-1200h內(nèi),在不同觀測時間時，剩余使用壽命的真實值均會落在剩余使用壽命概率密度函數(shù)的范圍內(nèi)，且預測的壽命值均會在真實值的周圍，表明預測值接近實際值且剩余使用壽命概率密度函數(shù)會隨著退化數(shù)據(jù)的不斷積累越陡，這說明隨著軸向柱塞泵的泄漏回油流量越來越接近閾值，剩余使用壽命的預測值的波動性越來越校實際剩余使用壽命和預測壽命以及誤差率的比較，如圖3.9.1-3.9.2所示，在M3模型下前300h,實際值和預測值誤差率較大，但是隨著設備工作的歷史數(shù)據(jù)的不斷增加通過模型預測的壽命會接近實際值，且誤差率在不斷地減小停留在9%左右。圖3.9.1預測-實際壽命

【參考文獻】：
期刊論文
[1]基于小波降噪-支持矢量機的鋰離子電池剩余使用壽命預測模型[J]. 曲杰,趙小涵,甘偉.  機械設計與制造工程. 2020(01)
[2]基于數(shù)據(jù)驅(qū)動的銑削刀具壽命預測研究[J]. 黃志平,黃新宇,李亮,郭月龍.  制造技術與機床. 2020(01)
[3]基于統(tǒng)計回歸和非線性Wiener過程的交流接觸器剩余壽命預測[J]. 李奎,高志成,武一,鄭淑梅,李正廣.  電工技術學報. 2019(19)
[4]柱塞泵失效分析及修復工藝[J]. 周雄,譚東才,張偉.  設備管理與維修. 2019(19)
[5]故障診斷及預測性維護在智能制造中的應用[J]. 祝旭.  自動化儀表. 2019(07)
[6]考慮測量誤差和隨機效應的設備剩余壽命預測[J]. 蔡忠義,陳云翔,郭建勝,王澤洲,鄧林.  系統(tǒng)工程與電子技術. 2019(07)
[7]航空柱塞泵缸體疲勞分析及壽命預測方法[J]. 王巖,王曉晴,郭生榮,盧岳良,劉勝.  北京航空航天大學學報. 2019(07)
[8]基于Wiener過程的萬能式斷路器附件剩余壽命預測[J]. 孫曙光,王佳興,王景芹,杜太行,李勤.  儀器儀表學報. 2019(02)
[9]輸油泵機組預知維修決策模型建立及研究[J]. 秦建安,李文錦,成振新,譚東杰.  設備管理與維修. 2019(02)
[10]預測性運維技術在港口設備管理中的應用[J]. 蔡道勇,楊相聲,張偉.  港口科技. 2018(12)

博士論文
[1]復雜機電系統(tǒng)服役過程的剩余壽命預測及維修決策方法研究[D]. 杜雪嬌.吉林大學 2019
[2]液壓元件的可靠性設計和可靠性靈敏度分析[D]. 張?zhí)煜?吉林大學 2014
[3]基于Wiener過程的可靠性建模方法研究[D]. 彭寶華.國防科學技術大學 2010
[4]幾何過程及隨機模型的一些新結(jié)果[D]. 唐亞勇.四川大學 2005
[5]小子樣復雜系統(tǒng)可靠性信息融合方法與應用研究[D]. 馮靜.國防科學技術大學 2004

碩士論文
[1]軸向柱塞泵性能可靠性建模與維修策略優(yōu)化[D]. 王宇.蘭州理工大學 2019
[2]基于隨機過程建模的機械裝備剩余壽命預測研究[D]. 李建華.浙江工業(yè)大學 2019
[3]基于污染磨損試驗的液壓柱塞泵壽命評估技術研究[D]. 張育洋.西安電子科技大學 2019
[4]三參數(shù)威布爾分布軸向柱塞泵壽命預測研究[D]. 楊少康.燕山大學 2018
[5]基于柱塞泵振動特征的關鍵零件退化可靠性研究[D]. 楊哲.燕山大學 2018
[6]基于MIRW的動車組閘片預測性維修策略研究[D]. 王雙雙.蘭州交通大學 2017



本文編號：2968693