機(jī)械設(shè)備狀態(tài)的精益特征提取與智能預(yù)測(cè)評(píng)估.pdf

1、面對(duì)現(xiàn)代企業(yè)高效生產(chǎn)過程對(duì)設(shè)備提出近零故障要求，基于設(shè)備實(shí)際性能狀況的維護(hù)策略利用現(xiàn)代信息技術(shù)對(duì)機(jī)械設(shè)備運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)分析，實(shí)現(xiàn)低成本高效率的主動(dòng)式維護(hù)。但設(shè)備信息化需大量采集實(shí)時(shí)數(shù)據(jù)引發(fā)了諸多問題，如：處理器計(jì)算能力有限，傳感信號(hào)海量數(shù)據(jù)無法及時(shí)處理；傳輸帶寬和數(shù)據(jù)存儲(chǔ)容量有限，數(shù)據(jù)無法及時(shí)被傳輸處理、數(shù)據(jù)過多無法保存；不能及時(shí)預(yù)測(cè)設(shè)備性能狀態(tài)，維護(hù)過于頻繁或備件過多。這些都嚴(yán)重限制了主動(dòng)式維護(hù)策略的實(shí)施，形成瓶頸問題。
　　

2、 本文提出基于精益特征提取和智能預(yù)測(cè)評(píng)估的模型總體框架。針對(duì)機(jī)械設(shè)備潛在可監(jiān)測(cè)變量數(shù)量巨大，而維護(hù)監(jiān)測(cè)系統(tǒng)資源相對(duì)有限(信號(hào)處理計(jì)算能力、傳輸帶寬和存儲(chǔ)容量、設(shè)備維護(hù)備件)，需要系統(tǒng)性地研究監(jiān)測(cè)過程中的去冗余算法及性能狀態(tài)趨勢(shì)預(yù)測(cè)方法。圍繞該框架中三個(gè)關(guān)鍵環(huán)節(jié)進(jìn)行了深入研究，即：高效的信號(hào)預(yù)處理算法、特征降維融合、智能評(píng)估預(yù)測(cè)模型。本研究的主要內(nèi)容和創(chuàng)新點(diǎn)包括：
　　 1.針對(duì)設(shè)備性能狀態(tài)監(jiān)測(cè)過程中大量數(shù)據(jù)實(shí)時(shí)信號(hào)預(yù)處理問題，

3、提出一種高效特征提取方法：二代小波包重要性重采樣模型。該模型在基于一代小波的特征提取方法基礎(chǔ)上進(jìn)行了改進(jìn)，提出基于提升小波與改進(jìn)的重要性重采樣理論相結(jié)合的特征提取模型。與傳統(tǒng)一代小波包相比較，二代小波包重要性重采樣模型特征提取效率有顯著提高，且節(jié)省計(jì)算內(nèi)存空間。
　　 2.針對(duì)設(shè)備監(jiān)測(cè)過程中大量數(shù)據(jù)信息的傳輸和存儲(chǔ)問題，提出一種基于流形學(xué)習(xí)框架的特征空間降維方法：判別式擴(kuò)散映射分析模型。該模型基于流形學(xué)習(xí)降維框架，將判別式核函數(shù)

4、和判別式時(shí)間尺度引入到擴(kuò)散距離的計(jì)算，充分利用數(shù)據(jù)中已知判別信息，同時(shí)秉承了擴(kuò)散距離映射的魯棒性優(yōu)點(diǎn)及非線性特征。與其他特征降維融合模型相比較，如線性模型：主成分分析、獨(dú)立成分分析、線性判別分析；非線性模型：核主成分分析、自組織映射網(wǎng)絡(luò)；及流形學(xué)習(xí)類非線性降維融合模型：等度規(guī)映射、局部線性嵌入、拉普拉斯特征映射、海森局部線性嵌入映射、擴(kuò)散映射、局部切空間對(duì)齊分析，實(shí)驗(yàn)結(jié)果表明判別式擴(kuò)散映射分析模型能更有效地將高維數(shù)據(jù)向量在低維空間中進(jìn)行

5、表示，減少維度冗余，揭示數(shù)據(jù)內(nèi)部潛在的內(nèi)蘊(yùn)變量結(jié)構(gòu)，減少特征向量所需的存儲(chǔ)空間。
　　 3.針對(duì)設(shè)備性能狀態(tài)的量化評(píng)估與趨勢(shì)預(yù)測(cè)問題，提出半監(jiān)督式模糊均值方法和多尺度正交時(shí)間序列模型。半監(jiān)督式模糊均值方法同時(shí)具備對(duì)設(shè)備性能狀態(tài)分類評(píng)估及量化評(píng)估的能力。多尺度正交時(shí)間序列模型將正交小波理論與時(shí)間序列理論相結(jié)合，基于設(shè)備狀態(tài)的連續(xù)量化評(píng)估值提供了一種可分布式計(jì)算的、多時(shí)間尺度的預(yù)測(cè)方法。
　　 在氣動(dòng)減壓閥的截尾壽命試驗(yàn)中對(duì)

6、上述方法進(jìn)行了驗(yàn)證。結(jié)果表明，應(yīng)用二代小波包重要性重采樣算法，其時(shí)間消耗比一代小波包減少可達(dá)40％以上。采用判別式擴(kuò)散映射分析的特征降維融合模型，在保持評(píng)估準(zhǔn)確率的條件下，所需存儲(chǔ)的特征向量維度僅為原維度的6.25％。應(yīng)用半監(jiān)督式模糊均值方法對(duì)氣動(dòng)減壓閥性能狀態(tài)進(jìn)行了量化評(píng)估，基于所得的連續(xù)可靠信度值進(jìn)而建立多尺度正交時(shí)間序列模型，其趨勢(shì)預(yù)測(cè)的準(zhǔn)確度較單一時(shí)間序列有明顯提高。綜合這些以精益思想為指導(dǎo)的特征提取與智能評(píng)估預(yù)測(cè)方法，有效提高