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。     

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。     

船舶机械油液检测光谱分析的特征参数研究

通过对机械设备润滑油的长期光谱跟踪检测分析,建立基于光谱分析的润滑油状态监测故障诊断数学模型。通过实验研究和机械设备润滑油油样的实际光谱检测分析相结合,根据不同机械设备的磨损特征元素确定机械设备基于油液检测光谱分析故障诊断的特征参数,以确定机械设备发生故障的时间,从而避免重大故障的突发,为机械设备实现视情维修提供理论和实际依据,提高机械设备的可靠性和可维修性。故障诊断实例证明,此特征参数具有较高的稳定性和准确性,能够有效地应用于各种机械设备的油液检测的故障诊断中。     

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。     

基于风洞的设备健康管理与数据有效性判定平台研究

低速增压风洞是满足我国航空工业科技发展而建设的一座气动力重大基础试验设施。为了保障该设施的高效率和可靠地运行,以各机电设备、电气测控设备、机械装置为对象,根据其故障模式和故障特点选取合适的监测点,获取实时工作状态数据,再以数据为基础,进行状态监测、故障诊断、故障预测,实现预先性决策和针对性快速维修。基于OSA-CBM 体系构建的风洞健康管理系统,根据设备的运行状态,实现对试验数据的有效性进行实时判定,并实现了风洞装备由事后维修向视情维修转变;实现了装备从使用、维护、管理模式由分散式管理向集约式管理的转变;实现了装备系统故障诊、预测及判读从人工智能向机器智能的转变。     

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。     

基于油液光谱分析的PCA-AHP综合传动健康状态评价研

油液光谱分析是研究综合传动运行状态的重要方法,以油液光谱分析数据为基础,运用主成分分析法(PCA)和层次分析法(AHP),建立了一种综合传动健康状态的评价模型。文章结合机械设备健康的概念,综合考虑油液光谱分析数据中各种磨损元素的影响,提出用健康值来定量描述综合传动运行状态的概念,并根据健康值对综合传动健康状态进行了等级划分;利用主成分分析法,对油液光谱分析数据进行主成分提取的研究分析;运用层次分析法研究主成分权重值,探讨判断矩阵的构造、一致性检验等问题;然后将二者有机的耦合,建立评价模型;实验研究表明,此方法具有很高的准确性,能够有效地判断综合传动的运行状态,对开展综合传动状态评估具有重要意义。     

基于综合监控的设备状态修方案研究

随着工业控制领域的不断发展,综合监控系统已经日趋成熟并于工业现场运行较长时间。而基于综合监控系统获取的大量历史数据的分析和实时数据的使用并没有开展深入的探讨。本方案提出了一种基于综合监控系统的状态修方案,把综合监控系统的历史数据经过一定的清洗,建模导入到大数据平台,通过相应的算法分析,从而改善维修决策模型并建立设备评价体系;把实时数据实时的传递到设备状态页面,减轻了传统巡检工作,保证了设备检查效果;把设备报警数据通过分类,分项,直接派生检修工单,实现了设备维修的自动化。     

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。     

卫星平台高光谱复杂运动成像伪互相关退化仿真研究

针对具有推扫机制的狭缝体制成像光谱仪受卫星平台俯仰、侧滚、偏航等复杂运动的影响,导致光谱数据精度降低的问题,在成像光谱仪运动成像光谱微分动态成像退化仿真方法的基础上,提出基于点扩散矩阵的光谱退化理论。按照八邻域掺杂模型,考虑卫星平台运动的时变性,不同目标像元的点扩散矩阵不同,符合伪互相关运算的概念,因此提出运动成像的伪互相关光谱退化理论。其中,点扩散矩阵由星上POS数据运用微分像移理论计算八邻域掺杂像元的平均掺杂比得到,在用模拟POS数据曲线仿真计算点扩散矩阵时,发现依据掺杂影响的大小,点扩散矩阵可以简化以便减小运算量。明确阐述光谱运动成像的伪互相关退化理论的表述和计算方法,对退化仿真和计算的结果从图像维和光谱维分别进行了定性和定量的效果评价,并使用结构相似度参数展示了退化图像与原始图像的相似性。运动成像的伪互相关光谱退化理论完善了已有的基于卫星平台复杂运动的光谱数据退化问题,仿真结果表明此种退化理论完全适用于解决卫星平台复杂运动条件下的光谱数据退化问题。     

Gearbox vibration monitoring using extended Kalman filters and hypothesis tests

The efficiency of many maintenance programs is heavily dependent on the detection accuracy of the condition monitoring system. Condition indicators that are sensitive to environmental or operational variables of no interest will inevitably reflect irrelevant fluctuations and thus mislead the subsequent analysis. In consideration of this phenomenon, a fully automatic and robust vibration monitoring system for gearboxes is proposed in this study. The primary objective here is on how to exclude the effects of variable load conditions. The proposed technique features a number of appealing advantages, which include extended Kalman filter-based time-varying autoregressive modeling, automatic autoregressive model order selection with the aid of a non-paired two-sample Satterthwaite's t′-test, a highly effective and robust condition indicator (the means of one-sample Kolmogorov-Smirnov goodness-of-fit test), and an automatic alert generating mechanism for incipient gear faults with the aid of a Wilcoxon rank-sum test. Two sets of entire lifetime gearbox vibration monitoring data with distinct variable load conditions were used for experimental validation. The proposed condition indicator was compared with other well-known and/or recently proposed condition indicators. The results demonstrate excellent performance of the proposed technique in four aspects: the effectiveness of identifying the optimum model order, a minimum number of false alerts, constant behavior under variable load conditions, and to some extent an early alert for incipient gear faults. Furthermore, the proposed condition indicator can be directly employed by condition-based maintenance programs as a condition covariate for operational maintenance decision analysis. It provides a quantitative and more efficient means for exchanging condition information with maintenance programs in comparison with the widely used non-parametric time-frequency techniques such as wavelets, which rely on visual inspection.