论文部分内容阅读
近年来,伴随着装备自动化水平及对装备可靠性、可维修性指标的提升,原先采用对装备进行定期检修的方式耗时耗力,尤其对于一些放置在野外的装备长期处于无人值守的情况,因此健康管理技术开始应用到一些复杂装备系统中,从而改变了原先传统方式对资源和人力的浪费,建立起“视情维修”的新模式。由于健康管理思想在装备系统的应用起步较晚,相关理论和技术的研究具有广阔的前景。健康管理技术的核心包括数据监测、健康诊断以及预测等几个方面。光伏产业是国家新能源战略的重要内容,本文以光伏发电装备系统的健康管理为主要研究对象,开展了以下研究工作:(1)以视情维护开放系统框架(OSA-CBM)为参考,系统分析和研究了健康管理系统的工作流程、功能模块以及关键技术。(2)针对实际的光伏装备系统,构建基于LS-SVM时间序列的健康状态预测模型,提出了适用于光伏装备的模型超参数优化方法,并通过结合正常、轻微异常、重度异常等多种状态特征的实验验证,实现对光伏装备系统的健康管理。(3)提出了基于BP神经网络的智能算法模型,通过对BP神经网络模型的前向传播过程以及误差的反向传播过程不断寻优,寻找最佳的网络结构和超参数,实现了BP神经网络模型对光伏装备系统未来状态的诊断和预测,并通过实验对可靠性加以验证。(4)根据实际光伏装备系统的实际健康管理需要,基于Qt5.9开发平台与MySQL数据库开发了针对光伏装备的健康管理系统,完成了远程数据监测、数据存储与查询、健康诊断、健康预测、远程控制以及用户操作界面等功能。本论文系统分析了装备系统中的健康管理技术及其框架,重点针对更加前沿的健康预测技术进行了深入研究,通过实验验证了文中方法的有效性和可行性。