【摘 要】
:
随着信息科学技术与传统工业技术的相互融合,涡扇发动机朝着复杂化、大型化发展。然而,传统维护方式存在着维护过度与维护欠缺等问题,难以胜任涡扇发动机的维护需求。因此,故障预测与健康管理(Prognostics and Health Management,PHM)应运而生。剩余可用寿命(Remaining Useful Life,RUL)预测是PHM的关键技术之一,若能准确预测设备RUL,据此作出合理的
论文部分内容阅读
随着信息科学技术与传统工业技术的相互融合,涡扇发动机朝着复杂化、大型化发展。然而,传统维护方式存在着维护过度与维护欠缺等问题,难以胜任涡扇发动机的维护需求。因此,故障预测与健康管理(Prognostics and Health Management,PHM)应运而生。剩余可用寿命(Remaining Useful Life,RUL)预测是PHM的关键技术之一,若能准确预测设备RUL,据此作出合理的维护决策,可避免不必要的维护活动,以降低成本、提高设备可靠性。本文以涡扇发动机为研究对象,利用深度神经网络从设备状态监测数据中学习特征,从而预测其RUL。针对深度神经网络只能实现RUL预测点估计,引入蒙特卡洛Dropout来获得RUL的置信区间。最后将RUL预测算法集成,搭建剩余寿命预测软件。本文主要工作如下:针对涡扇发动机数据高维度、时序性的特点,构建注意力机制和时间卷积网络结合的RUL预测模型ATCN(Attention based Temporal Convolutional Network)。一方面引入时间卷积网络,用以提取状态监测数据中的时序特征;另一方面,在网络输入端引入注意力机制,使模型能自适应地对预测结果贡献更大的特征赋予更高的权重。基于NASA涡扇发动机数据集开展实验,实验结果表明,该模型能有效提升RUL预测的精度。构建基于蒙特卡洛Dropout的RUL区间估计模型。ATCN网络模型仅能给出预测结果的点估计,无法获取其置信区间。针对此问题,在ATCN网络模型中引入蒙特卡洛Dropout(ATCN-MC),用以获得预测结果的不确定性。在NASA涡扇发动机数据集上开展实验,实验结果表明,该模型能有效获得预测结果在某一置信度下的区间估计。设计具有用户交互界面的涡扇发动机剩余寿命预测软件,并基于Qt框架实现。该软件包括数据分析与预处理功能,同时集成ATCN与ATCN-MC网络模型,实现RUL预测的可视化操作,可有效提高RUL预测效率。
其他文献
随着生产力的快速发展,机械设备的数量与日俱增。滚动轴承是各种机械设备最为核心的部件之一,其具有应用范围广、使用频率高、运行时间长和运行环境复杂等特点。在规模效应的作用下,滚动轴承发生故障的概率大大增加,发生故障时产生的影响也更加巨大。因此对滚轴轴承进行高效准确的故障诊断,是机械设备系统安全稳定运行的重要保障。本文针对现有的恒工况和变工况滚动轴承故障诊断方法的缺陷,从深度学习恒工况诊断和迁移学习变工
随着信息化的快速发展,量子计算理论和实验的进展对基于计算复杂性假设的经典密码协议提出了挑战。因此,安全性基于物理学定律的量子密码协议受到了越来越多的关注。其中,量子密钥分发协议经过充足的实验发展,已经在实践中被用于保护信息安全。除量子密钥分发协议以外,基于量子密钥分发的量子保密查询是另一种具有实用潜力的协议,此类协议是量子密码学的重要内容,是解决对称保密信息获取问题的量子方案,但是缺乏实际的安全性
本文主要探究深度学习目标检测算法在缺陷检测方向的应用,研究内容分为两部分,分为桥梁病害检测和摄像模组脏污检测。在桥梁病害检测方面,桥梁在世界的发展历史悠久,已成为了人民生活的重要组成部分。在桥梁运行过程中难免会出现各种病害等,所以对桥梁可能出现的病害进行检测是一项非常重要的任务。传统的人工桥梁病害检测方法专业性强、检测成本高、准确度不够,因此,利用机器视觉技术开发一种稳定高效的桥梁病害检测方法迫在
坩埚下降法又称布里奇曼晶体生长法,是一种常用的晶体生长方法。这种方法常用于制备碱金属和碱土金属卤化物和氟化物单晶。由于可以把原料密封在坩埚里,减少了挥发造成的泄漏和污染,使晶体的成分容易控制;操作简单,可以生长大尺寸的晶体。可生长的晶体品种也很多,且易实现程序化生长。但是在晶体生长过程中难于直接观察。难以建立晶体缺陷产生与演变规律,不能控制晶体缺陷的形成。其根本原因在于无法实时获取晶体生长的固-液
数字图像作为一种信息载体,具有直观性、灵活性强等特点,被广泛应用在网络通信等领域。但数字图像容易被非法复制和传播,这给军事、医疗等敏感场景下的数据传输与存储带来较大的安全隐患,所以维护数字图像的安全尤为重要。密文图像信息隐藏是以密文图像为载体的信息隐藏技术,同时做到了载体图像内容保护和秘密信息嵌入,具有广泛的应用前景。但目前密文图像信息隐藏算法通常难以平衡嵌入容量和载体图像的恢复质量,实现较好的综
交通流量预测是缓解交通拥堵的方法之一,而交通流量受到多种因素的影响,使得准确预测交通流量具有非常大的挑战性。目前大多数的交通流量预测方法使用图卷积网络和长短期记忆网络等不同的组件分别获取交通流量的时间相关性和空间相关性。最近出现了只用时空图图卷积来同步处理时空相关性的交通流量预测模型,它们通过构建局部时空图来学习交通流量数据的时空相关性。但是这些模型存在以下问题:第一,这些模型仅使用连续时刻的流量
磁耦合无线电能传输(Wireless Power Transfer,WPT)系统通过电磁场或电磁波载能/传能原理,结合谐振技术可以在一个较远的距离内为用电设备无线供电,具有安全无接触的优点,耦合机构是WPT的关键。然而,耦合机构的传能性能对于能量接收(拾取)机构的位置姿态都较为敏感,偏差较大时就会导致输出功率大幅下降。对于一些需要在空间中移动或转动的用电设备的无线供电,传统的耦合机构模式对能量传输
流量仪表标定装置是计量部门和仪器生产厂商进行检定测试的重要设备。在多批量、高精度的标定场景下,任何设备老化及零部件的微小改变都有可能影响标定精度。因此,实现标定装置运行状态的实时监测、健康程度的快速评估,对提升标定装置稳定性、可靠性、企业生产效率及产品质量有重要意义。本文对某仪表公司的液体流量仪表标定装置进行调研分析,针对运行状态监测不全面、设备健康程度掌握不及时等问题,展开了对流量仪表标定装置监
二维矩形条装箱问题(Two-dimensional strip packing problem,简称2DSPP)是一个NP难的组合优化问题,它在现实世界的许多领域都有应用,比如在货物的装载、内存的管理、玻璃的切割加工等有实际需求。目前,求解2DSPP的启发式算法是以改进初始解的改进启发式算法为主。这类算法中,能有效扩大搜素范围的启发式算法不仅能够改进解的质量,同时也能提高求解的效率。膜计算是受生物
近年来,第五代移动通讯技术(5G)的快速普及和边缘基站加速建设,将移动边缘计算(MEC)从概念逐渐落地为助力新兴移动应用、创新人机交互方式、加速物联网大数据治理、完善工业生态的重要基石。移动边缘计算是由云计算演进出的一种新的计算框架,相比于传统云计算,移动边缘计算将计算任务负载从远程云转移到了更靠近用户的网络边缘节点,利用无线接入网络就近为移动终端设备提供各种所需的服务与云端计算功能,从而创造出一