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。     

发射光谱仪检测油料的精密度

分布在不同地区的10个油液光谱分析实验室对所配制的3种润滑油样进行润滑油元素含量的检测,对获得的光谱数据进行处理,研究Spectroil M型油料发射光谱仪检测的精密度.采用一致性检验法检验各个实验室检测结果的一致性,对剔除离群实验室后的数据计算精密度值:重复性标准差值和再现性标准差值.对精密度值进行回归分析,研究精密...     

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。     

改进欧拉算法在油液光谱分析趋势预测中的应用

基于原子发射光谱油液分析是大型机械设备磨损状态监测与故障诊断的重要技术,由于灰预测理论在趋势预测方面具有明显的优势,文章利用油液原子发射光谱分析结果,结合灰预测理论,建立了某综合传动油液中金属元素Fe趋势变化的灰预测模型.在模型参数辨识求解上首次引入了改进欧拉算法,解决了避免原灰预测模型在实际应用过程中出现的预测结果主要依赖于第一个实测值的问题,使得预测结果更准确.将该算法结合原子发射光谱分析Fe元素浓度的阈值制定,有效地捕捉到综合传动发生故障的征兆信息,及时采取措施防止综合传动的故障,具有很好的推广应用价值.     

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。     

时序建模方法在滑油光谱分析中的应用

本文讨论了时序建模方法在机械设备滑油光谱分析中的应用。通过运用ＡＲ模型对采集的航空发动机滑油光谱数据进行时序建模和预测分析,获得了满意的效果。这一成果,为机械设备的状态监控和故障预报提供了一种实用方法。     

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。     

基于光谱分析的重载车辆变速箱可靠性评估方法研究

润滑油光谱分析是变速箱磨损状态监测的重要手段。以某重载车辆变速箱台架试验中润滑油原子发射光谱分析得到的元素成分含量检测数据为基础,通过相关性分析和磨损机理分析确定了能够反映整机磨损状态和失效特点的金属元素,并对补油、换油后的光谱检测数据进行了修正,将变速箱试验过程中特征金属元素的含量随试验时间的变化规律表示为线性函数的形式。然后,综合考虑检测数据的时序规律与离散性,利用不同时刻光谱检测数据的正态分布均值和标准差进行变速箱可靠性评估,进一步讨论了失效阈值对可靠性评估结果的影响。研究表明,重载车辆变速箱润滑油中的Cu元素浓度与其他金属元素浓度的相关性较高、绝对值较大,既能够反映变速箱整体磨损状态,又便于检测,利用多个试验样本的润滑油Cu元素浓度光谱检测时序数据,可以对重载车辆变速箱进行可靠性评估;若失效阈值取定值,则失效阈值越大,同一时刻变速箱的可靠度越高;若失效阈值取随机分布,则失效阈值的离散度越大,可靠度随时间延长而降低的趋势越缓慢。当可靠度R大于0.9时,失效阈值的均值对可靠性评估结果的影响十分显著,同一时刻变速箱的可靠度随失效阈值标准差的增大而降低。将光谱分析与概率统计学结合进行变速箱可靠性评估方法研究,扩展了光谱分析技术的应用范围,具有创新性。     

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。     

模糊故障树分析法在航空发动机滑油渗漏分析中的应用

目的：为准确查找航空发动机滑油渗漏原因,研究模糊故障树理论在飞机故障诊断方面的应用。方法：以CFM56-7B发动机滑油系统为研究对象,将故障树理论应用于滑油系统渗漏故障诊断中,采用下行法求解最小割集得到故障诱因最小事件。根据滑油故障发生概率具有模糊和不确定性特点,结合Delphi专家调查采用模糊数学理论进行定量分析,确定故障诱因事件风险重要度排序。结果：从CFM56-7B滑油渗漏故障原因重要度排序可知,故障诱因依次为后收油池供油口盖封严损坏（x1）、后收油池滑油回油管接头处裂纹(x2)、发动机使用MJO291滑油后导致密封材料损坏（x8)等,维修时应注意。结论：维修单位故障记录验证了方法的有效性,可为准确和快速诊断和排除滑油渗漏故障提供参考。     

基于荧光双色比例的变压器绝缘油放电击穿故障诊断模型研究

传统变压器绝缘油品质荧光分析检测方法是利用荧光分光光度计采集油样本全谱段荧光光谱,根据不同老化程度绝缘油的全谱荧光特征变化建立变压器运行状态诊断模型。针对传统荧光方法中光度计体积大、价格昂贵以及因光谱采集时间长无法实现实时监测等问题,提出一种基于荧光双色比例的变压器绝缘油品质检测方法,提取荧光特征双波段信息并建立变压器运行故障诊断模型,可通过定制滤光片和可见光电探测器等硬件取代传统荧光分光光度计,实现双色荧光信息快速采集及处理,满足在线实时监测的同时降低硬件成本。对放电击穿故障造成的变压器绝缘油老化进行荧光分析,试验模拟了不同放电击穿工况,制备了不同放电击穿时间（10,30,50,70,90和120 min）下的尼纳斯油样本作为荧光检测目标;使用荧光分光光度计采集了各样本在不同激发波长下的荧光发射光谱,确定最优固定激发波长为280 nm;使用3点移动均值平滑法对样本荧光光谱平滑去噪,通过分析不同放电击穿时间下油样荧光特征峰的变化规律,选取380～388和399～407 nm作为双色信息提取波段,利用最小二乘曲线拟合建立了荧光双色比例变压器绝缘油放电击穿故障诊断模型。研究结果初步证明了荧光双色比例法在变压器绝缘油放电击穿故障诊断上的有效性,为一种体积小、成本低、快速有效在线监测系统的建立提供了一定的理论与实践基础。     

光谱油样分析监测技术中的神经网络预测方法

光谱油样分析是机械磨损状态监测与故障诊断的重要技术,基于光谱数据的机械状态预测有利于发现机械系统的早期磨损故障。由于神经网络对于非线性模型的辨识和非平稳信号的预测,与传统预测模型相比具有明显的优势,文章将神经网络预测方法运用于光谱分析,提出了基于神经网络预测的光谱分析监测技术。在预测模型中采用了三层BP网络模型,针对神经网络的结构对于信号预测或模型辨识的精度具有影响很大的问题,文章利用遗传算法,对神经网络输入节点数、隐层节点数和网络收敛的均方误差(MSE)目标值进行了优化,得到了最优的网络预测模型。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ARMA模型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。     

Matching pursuit of an adaptive impulse dictionary for bearing fault diagnosis

The sparse decomposition based on matching pursuit is an adaptive sparse expression of the signals. An adaptive matching pursuit algorithm that uses an impulse dictionary is introduced in this article for rolling bearing vibration signal processing and fault diagnosis. First, a new dictionary model is established according to the characteristics and mechanism of rolling bearing faults. The new model incorporates the rotational speed of the bearing, the dimensions of the bearing and the bearing fault status, among other parameters. The model can simulate the impulse experienced by the bearing at different bearing fault levels. A simulation experiment suggests that a new impulse dictionary used in a matching pursuit algorithm combined with a genetic algorithm has a more accurate effect on bearing fault diagnosis than using a traditional impulse dictionary. However, those two methods have some weak points, namely, poor stability, rapidity and controllability. Each key parameter in the dictionary model and its influence on the analysis results are systematically studied, and the impulse location is determined as the primary model parameter. The adaptive impulse dictionary is established by changing characteristic parameters progressively. The dictionary built by this method has a lower redundancy and a higher relevance between each dictionary atom and the analyzed vibration signal. The matching pursuit algorithm of an adaptive impulse dictionary is adopted to analyze the simulated signals. The results indicate that the characteristic fault components could be accurately extracted from the noisy simulation fault signals by this algorithm, and the result exhibited a higher efficiency in addition to an improved stability, rapidity and controllability when compared with a matching pursuit approach that was based on a genetic algorithm. We experimentally analyze the early-stage fault signals and composite fault signals of the bearing. The results further demonstrate the effectiveness and superiority of the matching pursuit algorithm that uses the adaptive impulse dictionary. Finally, this algorithm is applied to the analysis of engineering data, and good results are achieved.     

基于HHT变换的起动电动机特征信号时频分析

针对车辆起动电动机电气和机械故障发生时特征信号的时变不平稳特性,进行了时频域分析处理,提出了利用现代信号处理方法对故障信号提取特征向量的方法,主要对起动电动机的电枢和轴承故障进行诊断。在构建电机故障测试实验平台的基础上,利用破坏性实验构造了故障类型,测取了电枢电流和振动信号,分别采用小波分析理论和HHT变换对信号进行分析,通过分解再重构的方式将信号分解成了频率由高到低的不同分量,并获得了故障的特征频率,提取了特征向量。实验结果表明,基于HHT变换的现代信号处理方法在处理时变非平稳信号方面比小波分析理论更具有自适应性,更易识别。