【摘 要】
：
随着新技术的涌现,产品具有更多的功能和更好的性能的同时,物理结构和运行机理变得越来越复杂,传统的基于机理的故障预测已不再适用于当下高技术产品。立足于当前由传感器获取的大量监测数据的现实和健康管理理念进一步发展的契机,如何建立起大数据与智能健康管理之间连接的桥梁,实现由离线检测到实时监测和由单一模式到智能化的故障预测技术的转变成为目前亟待解决的问题。本论文在海量监测数据的背景下,针对故障预测和维修决
论文部分内容阅读
随着新技术的涌现,产品具有更多的功能和更好的性能的同时,物理结构和运行机理变得越来越复杂,传统的基于机理的故障预测已不再适用于当下高技术产品。立足于当前由传感器获取的大量监测数据的现实和健康管理理念进一步发展的契机,如何建立起大数据与智能健康管理之间连接的桥梁,实现由离线检测到实时监测和由单一模式到智能化的故障预测技术的转变成为目前亟待解决的问题。本论文在海量监测数据的背景下,针对故障预测和维修决策问题,结合传感器技术和深度学习技术,首先建立了基于深度学习的系统故障预测与维修决策问题的研究框架;接着,在研究框架的指导下,针对故障是否单一、系统是否为单部件的情况,建立了系统退化特征与剩余寿命之间的映射关系,分别采用循环神经网络（Recurrent neural network,RNN）和卷积神经网络（Convolutional neural network,CNN）去学习系统的退化特征,进而预测其剩余寿命;在维修策略制定上,分别提出了部件级维修策略及由部件级过渡到系统级的模式,主要研究内容和创新点如下:（1）提出了一种单一故障模式下的系统故障预测模型针对单故障模式下的系统故障预测与维修决策问题,在故障预测阶段,建立特征变量和剩余寿命之间的映射关系,利用监测数据在时间维度上的相关关系来挖掘系统退化过程的动态发展规律,并同时考虑不同的监测指标从不同侧面表征系统退化趋势的贡献不同的特点,提出了带有注意力机制的双向长短期记忆网络模型。（2）提出了一种多故障模式下的系统故障预测模型针对多故障模式下的系统状态预测与维修决策问题,在故障预测阶段,在建立特征变量和剩余寿命之间映射的基础上,为从大量的多变量监测数据中学习到高质量的退化信息,借鉴了卷积神经网络图特征提取的优势,通过引入注意力机制提出了带有通道-空间注意力机制的卷积神经网络预测模型;在维修决策阶段,建立故障预测、故障诊断和维修优化过程之间的联系,并利用效用理论来指导维修决策的制定。（3）提出了一种多部件系统的故障预测及维修决策的机器学习框架针对多部件系统的故障预测与维修决策问题,考虑到组件退化行为和组件间复杂耦合作用难以依据先验物理知识建模的特点,数据驱动的预测模型成为解决这一问题的有效手段,并可帮助制定出有效的基于状态的维修决策。针对海军舰船推进系统的数值模拟器产生的数据,建立了组件燃气轮涡轮机和燃气轮压缩机退化的回归模型,并对不同模型下的预测效果进行分析。预测模型的特征重要性分析则是为了能够发现表征组件退化的高预测性的特征变量,从而有助于制定系统监测的预警机制的阈值设置,以及指导基于状态的维修决策。
其他文献
城市作为区域经济、政治和文化的中心,城市居民的日常出行需求呈多样化高频次的特点,如通勤、购物、娱乐等。但公共交通拥挤、公共场所人群密集、道路交通拥堵等低出行舒适度的问题也日益突出。当前,多个城市推出实时“拥挤度”、“交通指数”等出行参考指标,城市居民可据此合理选择出行,人流密集管控、道路交通疏导等措施的实施有了较好的针对性。但这些实时监控的出行参考指标,只反映当前而没有预测其即将产生的变化,作用相
判定布尔公式的可满足性（SAT）是计算机科学领域经典的NP完全问题之一,由于众多领域的实际问题都可以转换为布尔可满足问题来求解,例如VLSI设计与验证、软件的形式验证、人工智能规划与优化等领域,因此几十年来一直是计算机理论领域的研究热点。近年来,随着布尔可满足求解技术的不断发展,软件实现的SAT求解器也逐渐走向成熟与完善,但针对某些类型的SAT实例,例如复杂3-SAT实例,存在学习时间长、求解效率
合成孔径雷达在军用领域和民用领域中都发挥着重要的作用。作为合成孔径雷达应用的重要方面,目标识别一直是研究的热点。基于机器学习的合成孔径雷达目标识别方法已经取得了非常优秀的性能。目前的合成孔径雷达目标识别技术都是以完整的目标作为处理对象。实际应用中经常出现遮挡等导致的目标残缺现象。传统的机器学习目标识别技术识别这些遮挡目标的性能会严重恶化。因此需要研究针对合成孔径雷达遮挡目标的目标识别技术。本文重点
数据聚类是最基础和最重要的数据分析手段,实现对海量数据快速智能的聚类分析对于帮助整理、摘要和储存数据具有重要意义。在大数据和人工智能快速发展的背景下,传统聚类算法逐渐不能满足人们的实际需求,基于深度神经网络的聚类方法成为当前领域的热门研究方向。现有的深度聚类算法普遍存在目标函数易退化、泛化能力弱、训练不稳定和无监督神经网络表达性不足等问题。如何设计具有强表达性、泛化性、稳定性的深度聚类算法是人工智
随着城镇化进程的持续推进以及人们生活水平的提高,城市人口和交通出行需求快速增长,失衡的交通供需关系引发了交通拥堵、交通事故、能源浪费等诸多问题。在缓解交通拥堵方面,单纯限制交通出行需求或新建交通基础设施的方法面临日益增大的压力,潜力越来越小。智能交通系统立足科技的进步平衡交通供需,在提升交通系统运行效率,保障交通安全,减少尾气排放等方面发挥着不可替代的作用,是城市交通未来发展的方向。对道路交通系统
计算机视觉系统作为许多智能平台的核心组成部分,将在工业4.0、智慧城市、自动驾驶以及军事领域的无人化作战中发挥极其重要的作用。视觉目标检测和跟踪是计算机视觉领域重要的基础任务,也是实现许多高级视觉应用的前提。近年来,随着计算机硬件性能的提升、大数据技术的进步以及深度学习技术的发展,视觉目标检测和跟踪技术取得了较大的进步。然而,由于噪声等诸多因素的影响,现有的视觉目标检测与跟踪技术还不能满足实际的应
当前,移动机器人已经应用到工业、服务、军事等各个领域。在探测、巡逻等多种任务场景中,移动机器人都需要自主导航以完成规定任务,其运动的基础是机器人定位。由于在城市高楼环境或复杂电磁干扰环境下,GPS信号误差过大无法用于定位,机器人需要寻求新的定位方式。而现有的单传感器的定位方式鲁棒性不强,机器人需要综合应用多种异构传感数据提高定位能力。因此,本文针对机器人定位的具体应用展开研究,提出了基于图像-点云
残余应力检测是装备关键构件状态评估和寿命预测的重要基础,也是应力调控的前提条件。残余应力产生于产品全寿命周期中,很难预测,其大小和状态随加工和工作条件的不同而存在较大差异。材料中的残余应力会严重影响其强度、硬度、疲劳和稳定性,极端情况下会导致脆性断裂和应力腐蚀开裂。目前,得到行业认可的残余应力检测方法主要是X射线法和中子衍射法。但X射线对人体有一定危害性,并且只能测量表层30 um内的残余应力,如
系统功能语言学研究语言与社会、文化之间的关系,对各类语篇进行了详细研究。功能语言学语类研究曾从拓扑和类型学角度对其进行描述。以Martin为代表的系统功能语言学学者与和以Karl Maton为代表的知识社会学学者合作,探讨语言资源在历史知识建构的作用和方式。新媒体时代,语言、图像、声音等也成为讲述历史的符号资源,共同建构意义。但当下网站多模态语类研究多集中于新闻、漫画、购物网站等及其图文关系,历史
人体行为的感知与理解,是智能人机交互的重要环节,在应急处突、反恐维稳、智能家居等诸多领域具有广泛的应用价值。多样化的任务对行为感知的准确性、实时性、鲁棒性等提出了更加苛刻的要求。一种行之有效的解决方式是引入雷达等非光学探测手段,借助电磁波独特的物理属性以应对无光、遮蔽、非视距等常规意义下的复杂任务环境。在雷达人体行为感知领域,机器学习等统计分析方法与经典信号处理技术不断加速融合,有效地推动了雷达系