基于光谱分析和SVM的综合传动故障诊断研究

油液光谱分析是研究综合传动运行状态的重要方法,文章以油液光谱分析数据为基础,运用支持向量机(support vector machine,SVM),建立了一种多输出最小二乘支持向量回归方法。利用多输出最小二乘支持向量回归方法对两台综合传动光谱油液分析数据进行了研究分析。研究表明,此方法得到的回归数据对1号综合传动试验数据具有良好的逼近效果,对2号综合传动油液光谱分析数据的预测具有较高的准确性。通过与2号综合传动试验数据的对比分析,发现了故障信息,并确定了故障部位。试验结果表明,该方法对于发现故障隐患,判断故障部位具有重要实际意义。     

基于油液光谱RKPCA的综合传动磨损状态评价

原子发射光谱是分析油液中微小磨损颗粒元素浓度的重要方法。以综合传动全寿命磨损试验不同阶段采集的多个油液样本为研究对象,分别运用基于模糊隶属度的稳健核主成分分析(RKPCA)与传统主成分分析(PCA)对光谱数据进行主成分提取与对比。在剔除光谱数据中的干扰元素后,计算与比较两种方法的主成分数量与贡献率,并利用RKPCA主成分进行综合传动多摩擦副的分类识别;对光谱数据和RKPCA特征值分别进行模糊C均值聚类,对比两种聚类结果应用在磨损状态评价中的效果。研究表明,由于光谱数据离群值与非线性影响,RKPCA较PCA的主成分数量稍小且累积贡献率高,说明前者能更有效地降低变量维数;通过RKPCA主成分与摩擦副组件的相关性分析可以看出,该方法可以精确的实现综合传动多摩擦副、多磨损部位的分类与识别,进而分类评价不同摩擦副的磨损状态;RKPCA特征值的模糊C均值聚类结果与光谱数据直接聚类结果相比,前者能更精确的定位磨损状态转化的临界点,从而准确评价综合传动整体磨损状态。油液光谱RKPCA分析方法的创新在于将特征值变化规律引入整体磨损状态评价,实现整体评价与关键摩擦副的分类评价相结合。这样不仅有助于综合传动大修期的准确判断,还能给出需维修部件建议。该方法也适用于其他复杂机械系统的磨损监测与评价等相关领域。     

基于油液光谱RKPCA的综合传动磨损状态评价（英文）

原子发射光谱是分析油液中微小磨损颗粒元素浓度的重要方法。以综合传动全寿命磨损试验不同阶段采集的多个油液样本为研究对象,分别运用基于模糊隶属度的稳健核主成分分析(RKPCA)与传统主成分分析(PCA)对光谱数据进行主成分提取与对比。在剔除光谱数据中的干扰元素后,计算与比较两种方法的主成分数量与贡献率,并利用RKPCA主成分进行综合传动多摩擦副的分类识别;对光谱数据和RKPCA特征值分别进行模糊C均值聚类,对比两种聚类结果应用在磨损状态评价中的效果。研究表明,由于光谱数据离群值与非线性影响,RKPCA较PCA的主成分数量稍小且累积贡献率高,说明前者能更有效地降低变量维数;通过RKPCA主成分与摩擦副组件的相关性分析可以看出,该方法可以精确的实现综合传动多摩擦副、多磨损部位的分类与识别,进而分类评价不同摩擦副的磨损状态;RKPCA特征值的模糊C均值聚类结果与光谱数据直接聚类结果相比,前者能更精确的定位磨损状态转化的临界点,从而准确评价综合传动整体磨损状态。油液光谱RKPCA分析方法的创新在于将特征值变化规律引入整体磨损状态评价,实现整体评价与关键摩擦副的分类评价相结合。这样不仅有助于综合传动大修期的准确判断,还能给出需维修部件建议。该方法也适用于其他复杂机械系统的磨损监测与评价等相关领域。     

基于光谱分析的综合传动空载磨合磨损规律研究

油液光谱分析是当前研究复杂传动装置磨合过程磨损规律的重要方法,利用原子发射光谱分析技术可以在不改变原有配合状态的条件下方便及时地对综合传动磨合过程磨损量变化规律进行研究。文章基于综合传动的结构特征和磨合机理,进行了台架空载磨合对比试验。根据磨合试验油液光谱分析数据,得出了磨合期磨损量变化与油液初始浓度、磨合转速的函数关系,建立了综合传动磨合期磨损量计算模型。经验证明,基于初始浓度、磨合转速、磨合时间和换挡间隔时间等参数的综合传动磨损量计算模型能够较准确地对磨合期Cu元素磨损量进行计算。磨合期磨损量模型为磨合质量评判和制定磨合试验规范提供了重要参考依据。     

基于油液原子光谱多维时间序列模型的机械磨损状态监测研究

提出了一种利用润滑油原子光谱分析技术对机械磨损状态进行监测的新方法。对磨合期润滑油原子光谱数据建立多维时间序列模型并视为标准模型,将新数据通过此模型后得到残差并选择残差方差阵元素作为新数据所属磨损状态的特征。然后,利用主成分分析法对高维特征进行降维,提取前三个主成分构成对应磨损状态的特征向量。最后,利用欧式距离度量对测试样本进行分类,达到了对机械磨损状态识别的目的。利用上述方法,通过对某型履带车辆发动机台架实验的光谱数据进行分析,对发动机磨损状态进行了有效识别,从而证明了所提方法的有效性。结果表明,将多维时间序列模型引入油液光谱分析技术,能够实现光谱信息的有效融合,提高机械磨损状态监测的准确性。     

主成分分析在某型柴油机光谱数据分析中的应用

通过改变气缸套和活塞间隙,设计了6种工作状态,获得了某型6缸柴油机在每种工作状态下不同负荷时的润滑油样本共计69个,采用超谱M型原子发射光谱仪分析21种元素浓度。应用主成分分析法,分别以分析元素和润滑油样本为研究对象,基于权系数和主成分得分,对光谱数据进行了元素分类和样本分类。发现应用主成分分析法分析油液光谱数据能比较理想地对元素进行分类,该分类的3种主成分反映了5种类型的元素组合即磨损元素Fe,Cr,Cu,Al和Pb,含量较高的添加剂元素Na,Zn,P,Ca和Mg,含量较低的添加剂元素Ba和B,润滑油主成分元素C和H和干扰元素Ni,Ti,Mo,V和Ag等。不仅如此,主成分分析法对样本的分类较好地区分了来自柴油机不同的气缸套—活塞设计间隙的油样。研究表明应用主成分分析法分析润滑油光谱分析数据可揭示不同元素的来源、监测工况和诊断磨损故障。     

基于油液光谱分析和粒子滤波的发动机剩余寿命预测研究

油液光谱分析是机械磨损状态监测、故障诊断与故障预测的重要技术,基于光谱数据的机械状态剩余寿命预测有利于实现机械系统的最优维修决策。由于机械设备越来越复杂,其健康状态的退化过程很难用线性模型来表示,而粒子滤波(particle filter, PF)对非线性非高斯系统的处理能力,与经典Kalman滤波相比具有明显的优势,文章将PF预测方法运用于光谱分析,提出了基于PF和油液光谱分析技术的设备剩余寿命预测方法。在预测模型中实现了根据设备后验分布的估计值预测其先验分布概率,建立了基于PF的多步向前长期预测模型。最后,对某发动机实际的光谱分析数据进行了预测和分析,并与传统Kalman滤波方法的预测结果进行了比较,结果充分表明了本方法的有效性和优越性。     

基于信息熵的机械传动油液光谱监测数据选择方法

机械传动装置磨损产生的金属微粒在润滑油中均匀混合并不断积累，是一个缓慢退化过程，可通过油液光谱分析监测。MOA Ⅱ型原子发射光谱仪能够分析得到多达15种元素浓度数据，应用分析得到的油液光谱数据，便能够实现机械传动装置健康状态的监测与评估。然而，并不是所有的油液光谱数据都能够表征装备的健康状态，只有部分油液光谱数据能够提供有用的退化表征信息。应用全部油液光谱数据进行机械传动装置的健康状态监测会增加退化模型的复杂性。鉴于此，为实现机械传动装置健康状态的准确表征，提出了基于信息熵的油液光谱监测数据的选择方法，旨在为机械传动装置的健康状态监测与剩余寿命预测提供有效的退化数据。与传统的油液光谱监测数据选择方法相比，该方法使用信息熵表征各监测数据中蕴含退化信息量的大小，并以此为指标定量选择机械传动装置的退化数据。通过对综合传动装置可靠性试验油液光谱监测数据的实例分析证明了该方法的有效性，能够实现油液光谱数据的定量选择，提高了综合传动装置寿命预测的准确性，也为其他装备监测数据的选择提供了指导。     

基于油液光谱数据融合的湿式离合器剩余寿命预测

针对湿式离合器油液监测数据具有来源分散、数据量大及时间轴不稳定等问题,对光谱分析得到的多数据进行融合,利用维纳过程的预测实时性和预测准确的优点,建立模型开展离合器剩余寿命预测研究。首先,通过排列熵加权证据融合方法对离合器寿命试验获得的指示元素进行融合,构建健康指数;其次,结合维纳过程建立退化模型并通过极大似然法对模型中的参数进行估计;再次,根据历史退化数据对参数进行更新得到离合器剩余寿命预测模型;最后,将预测模型与实例进行对比,得到利用融合多元素的健康指数建立的维纳过程预测模型预测准确性相比单指示元素预测有了很大提升,其预测点更接近试验值。通过观察也发现,湿式离合器运行50～60 h左右时,预测点有了明显的变化,而同样在220～230 h时,预测点有了明显的偏差,在240 h左右又重新接近试验值,其突变点对应了离合器磨损的三个阶段,即初期磨损,正常磨损和剧烈磨损。研究结果表明,融合油液光谱数据结合维纳过程建立的预测模型用于湿式离合器的剩余寿命预测,具有预测实时性强且预测精度高的优点,而通过预测结果和试验值对比发现,湿式离合器磨损状态的不同对预测结果也有一定的影响,尤其磨损状态转变点对预...     

基于核主成分分析和支持向量回归机的红外光谱多组分混合气体定量分析

提出了一种核主成分分析(KPCA)特征提取结合支持向量回归机(SVR)的红外光谱混合气体组分定量分析新方法。首先将特征吸收谱线严重重叠的混合气体光谱通过非线性变换映射到高维特征空间,然后在特征空间中再利用主成分分析法提取主成分,提取出的主成分作为SVR的输入建立校正模型,实现了甲烷、乙烷、丙烷、异丁烷、正丁烷、异戊烷以及正戊烷七种组组分特征吸收光谱严重重叠的混合气体的定量分析。用KPCA-SVR所建模型对未知浓度混合气体的七种组分预测的RMSE (φ×10－60较仅用SVR模型预测的RMSE (φ×10－6)降低了一个数量级。结果表明,核主成分分析法具有很强的非线性特征提取能力,可以充分利用全光谱数据并有效地消除光谱数据噪声,降低数据维数,与支持向量回归机结合可以提高红外光谱分析的精度,缩短模型计算时间,是一种有效的红外光谱分析新方法。     

基于不确定油液光谱数据的综合传动装置剩余寿命预测

原子发射光谱分析得到的磨损微粒元素浓度是综合传动装置性能劣化评估和剩余寿命预测的重要监测指标。由于系统随机劣化过程和光谱测量误差的影响,油液光谱数据中不可避免包含系统劣化随机性和光谱测量不确定性。然而,现有基于油液光谱数据的剩余寿命预测研究中,没有考虑劣化过程的随机性和测量的不确定性对剩余寿命预测的影响。因此,针对综合传动装置劣化随机性和油液光谱数据测量不确定性对寿命预测的影响,提出一种考虑系统随机劣化和数据不确定测量的综合传动装置劣化过程建模方法。基于随机过程首中时间的概念,定义了综合传动装置的剩余寿命;基于Wiener随机过程,建立了考虑系统随机劣化和不确定测量数据的综合传动装置劣化模型,利用极大似然估计方法,估计了劣化过程模型的参数;利用卡尔曼滤波技术,实现了综合传动装置劣化状态的实时估计与更新,进一步得到了考虑系统劣化随机性和光谱数据测量不确定性的剩余寿命分布。研究结果表明,提出的劣化建模方法能够准确估计装置的运行状态,避免了采用条件维护时间对装置进行维护与保养的局限性;综合传动装置的维护时间预测值比条件维护时间延长了193 Mh（113.5%）;考虑光谱数据测量不确定性的剩余寿命预测方法优于不考虑测量不确定性的方法。     

基于油液光谱分析的综合传动状态监测试验研究

通过对某履带装甲车辆综合传动的液压润滑油液进行长期光谱跟踪监测分析,结合其内部摩擦副的材料分析,根据油液中磨损金属颗粒的浓度趋势分析,判断综合传动磨损状态,确定是否存在故障隐患,从而避免重大故障的突发,为装甲车辆实现视情维修提供理论和试验依据,提高了我军装备的可靠性和可维修性。试验研究证明,此方法具有很高的稳定性和准确性,能够有效地应用于动力传动系统的状态监测及故障诊断。该方法突破了我军装备的定期维修模式而向视情预防维修模式的转变,具有重要的使用价值。     

基于油液光谱分析的综合传动视情维护研究

综合传动装置磨损产生的金属颗粒在润滑油液中均匀混合,导致装置工作环境的恶化并最终导致装置磨损失效事故的发生。因此,实现综合传动装置磨损劣化状态的准确监测和视情维护策略的合理制定对提高装置的可靠性与可维护性具有重要意义。携带着磨损部位与磨损状态信息的油液光谱与综合传动装置寿命的相互关系反映了装置磨损劣化的分布特征,使实现基于油液光谱数据的装置劣化建模和维护决策成为可能。现有综合传动装置视情维护研究是通过油液光谱数据趋势分析结合经验阈值实现的,没有考虑维护成本、装备可用度等因素的影响。鉴于此,提出基于油液光谱数据的综合传动装置视情维护决策方法。首先,针对综合传动装置的历史故障油液光谱数据,考虑装备寿命与各劣化变量间的相互关系及各劣化变量对装备劣化的贡献程度,采用Weibull比例风险回归建立了装置的工作寿命模型。然后,针对综合传动装置训练演习和执行任务两种使用工况,分别以最少维护成本、最大可用度为目标建立了装置的维护决策模型。与传统的综合传动装置维护决策方法相比,该方法考虑了维护成本因素和装备可用度因素的影响,能够根据维护目标有效的制定装置最优维护时间,为装置的视情维护决策提供了一个客观的量化方法。最后,通过对Ch系列综合传动装置历史故障油液光谱数据的实例分析证明了该方法的有效性,它能够实现综合传动装置视情维护策略的合理制定,也为其他装备的视情维护决策提供了有益的参考。     

基于近红外光谱的橄榄油品质鉴别方法研究

目前市面上销售的橄榄油主要分为特级初榨橄榄油和普通初榨橄榄油两类,为了鉴别两种不同品质的橄榄油,提出了一种应用siPLS-IRIV-PCA算法的橄榄油品质鉴别的新方法。基于橄榄油的近红外光谱数据,应用联合区间偏最小二乘法(siPLS)对橄榄油的近红外光谱进行了波长区间优选,使用交叉验证均方根误差(RMSECV)评估模型的性能并选择最优波长区间,通过迭代保留信息变量(IRIV)算法从最优波长区间中选择特征波长,根据选择的特征波长构建主成分分析(PCA)模型。对90组特级初榨橄榄油和90组普通橄榄油样本进行了判别鉴定。PCA将1 427个波长变量作为输入变量,前两个主成分贡献率为51.891 8%和26.473 2%;siPLS-PCA将408个波长变量作为输入变量,前两个主成分贡献率为56.039 1%和36.235 5%;siPLS-IRIV-PCA将6个波长变量作为输入变量,前两个主成分贡献率为66.347 6%和32.304 3%。结果表明,与PCA和siPLS-PCA鉴别方法相比,siPLS-IRIV-PCA具有最佳的鉴别性能。     

基于油液光谱Wiener过程的综合传动装置失效预测

原子发射光谱是分析油液中微小磨损颗粒元素浓度的重要方法。作为一种非直接测量方法,油液光谱数据是车辆综合传动装置可靠性评估中的系统性能劣化的重要监测指标,可用于系统失效评估与剩余寿命预测。针对油液光谱数据这类型的一元劣化失效,随机过程尤其是Wiener过程模型具有良好的计算分析性质,在基于性能劣化的可靠性分析中应用日趋广泛。通过对车辆综合传动装置运行中的实时采样,共取得50个油液光谱样本。采用其中三种指示元素的线性回归方程来计算综合传动装置运行中每个瞬时的特征值与均值。基于正漂移Wiener过程,建立了综合传动装置的劣化失效预测模型,并基于R语言环境进行了随机微分方程的仿真与求解。得到了油液光谱中的Fe,Cu和Mo元素含量增长趋势的预测结果以及三种指示元素各自的首中时间。经比较,劣化失效周期的预测值较之条件维护时间延长了27 Mh(15.9%)。维护时间的延长,能够有效的减少全寿命周期内的维护次数,并最终降低维护成本。研究结果表明,该方法适用于综合传动装置的磨损与失效预测、全寿命周期费用与维护计划的优化。同时,也可推广至其他复杂机械系统的失效预测与评价等相关领域。     

近红外光谱结合主成分分析和BP神经网络的转基因大豆无损鉴别研究

为探究无损鉴别转基因大豆的可行性,利用近红外光谱分析仪对大豆扫描得到反射光谱,应用主成分分析结合BP神经网络方法进行分析鉴别。首先应用主成分分析法,得到包含大豆99.03%的光谱信息的6个主成分,再将其作为BP神经网络的输入,对应的大豆种类作为输出,建立一个三层BP神经网络模型。该模型对于转基因大豆的正确识别率为100%,说明近红外光谱结合主成分分析和BP神经网络的方法能无损快速准确地鉴别转基因大豆。     

近红外光谱结合主成分分析鉴别不同产地的南丰蜜桔

采用近红外光谱结合主成分分析(PCA)建立不同产地南丰蜜桔鉴别模型,实现不同产地南丰蜜桔的快速鉴别。分别研究一个果园内不同位置的蜜桔,洽湾、市山和白舍等南丰县三个不同乡镇的南丰蜜桔,福建邵武、广西柳城和江西南丰等三个不同省份的南丰蜜桔之间的差异,蜜桔保存时间对主成分分析模型的影响。结果表明同一个果园内不同位置的蜜桔不存在明显差别,不同产地的蜜桔有很好的分类效果,蜜桔的短时间保存对近红外光谱的主成分分析模型不会产生明显影响。不同的光谱预处理方法对主成分分析模型产生较大影响,多元散射校正(MSC)结合二阶导预处理得到的主成分分析投影具有最佳的分类效果。该研究可为南丰蜜桔的产地鉴别提供一种参考方法。