【摘 要】
:
随着科学技术飞速发展,现代工业系统复杂度日益提升,并对可靠性有着更高的要求。故障预测与健康管理技术在保障设备稳定运行,减少维护花费具有重要作用,剩余使用寿命预测是该技术的关键。基于数据驱动的剩余使用寿命预测方法可以从设备传感器数据中获得设备退化失效特征,不需要对复杂部件建立精确的物理或数学模型。基于数据驱动的深度学习预测方法发展迅速,并有效提升了剩余使用寿命预测的精度。但是在实际工业生产中所采集的
论文部分内容阅读
随着科学技术飞速发展,现代工业系统复杂度日益提升,并对可靠性有着更高的要求。故障预测与健康管理技术在保障设备稳定运行,减少维护花费具有重要作用,剩余使用寿命预测是该技术的关键。基于数据驱动的剩余使用寿命预测方法可以从设备传感器数据中获得设备退化失效特征,不需要对复杂部件建立精确的物理或数学模型。基于数据驱动的深度学习预测方法发展迅速,并有效提升了剩余使用寿命预测的精度。但是在实际工业生产中所采集的传感器数据具有高维且工作场景复杂等特点,带来了特征利用不充分,预测不够精确等问题。因此,根据不同工作场景如何建立准确的剩余使用寿命预测模型是当前的一大挑战。为此,本文的主要工作如下:(1)为了同时关注传感器数据中的关键特征和次要特征,提出了一种主次特征互补剩余使用寿命预测网络。具体地,设计了一个特征互补网络来提取设备退化的主要特征与补充特征用于预测设备的剩余使用寿命。主干网络基于主成分分析-卷积神经网络,提取传感器数据中主要退化特征。在特征补充网络中使用概率主成分分析-门控循环单元,补充主成分分析过程中丢弃的非主要成分包含的隐藏退化信息,进而提升寿命预测的准确度。在单一故障、单一工况的实验场景下,选择涡扇发动机作为研究对象,根据航空发动机具有数据高维、噪声复杂的特点,本文通过对传感器序列数据进行趋势分析,完成无效数据剔除及噪声数据滤除,获得有效特征。利用主成分分析-卷积神经网格提取关键特征,使用概率主成分分析-门控循环单元关注次要特征,并将两个网络的预测结果融合,提升了发动机剩余使用寿命的预测精确度。(2)为了更好提取传感器数据中深层退化特征,提出了一种残差并行池化融合注意力机制剩余使用寿命预测网络。具体地,设计了一个并行池化融合通道注意力模块,通过整合平均池化与最大池化的输出,提取传感器数据中关键退化特征并保留全局特征。为了使网络在训练时关注序列内部重要的关联信息,引入了空间注意力模块。并根据实验场景设计了基于残差网络的剩余使用寿命预测网络,在不同实验场景下均能提取深层退化特征,获得优良的寿命预测模型。(3)为了进一步充分的利用传感器数据,提出了一种特征融合多级注意力剩余使用寿命预测网络。具体地,首先设计一个特征融合网络,使用不同感受野提取不同尺度下的退化特征,并对提取到的特征进行融合获得多尺度退化特征;进而设计一个多级空间注意力模块并结合通道注意力对关键特征的序列内部关联信息进行提取;由于特征融合网络和注意力模块提取了更为有效的融合特征,该网络进一步提升了寿命预测的精度;同时引入学习率衰减策略,加快模型训练速度。在不同故障、不同工况的场景下对上述三个所设计网络进行验证,结果表明所设计网络具有较好的有效性。
其他文献
随着新课程改革的深入,教学模式的研究逐渐受到重视。传统的中学历史教学模式以教师为中心,以传授知识为目的,形成了教师单向传输、学生被动接受的局面,忽视了学生在学习中的主动性。这种教学模式忽视学生能力的培养,只关注到学生知识的学习,不利于学生的学习兴趣、创造性思维和学科核心素养的培养,不能满足新时代我国对于综合性人才的需要。“循环”教学模式的理论基础是怀特海的循环学习理论和母小勇的循环教学理论,具有自
无线携能(Simultaneous Wireless Information and Power Transfer,SWIPT)技术因其能够同时满足无线用户对信息和能量的需求受到无线通信领域广泛关注。但是无线信号天然的开放属性导致了SWIPT网络极易被窃听者攻击造成信息泄露,因此利用协作通信技术提高SWIPT网络物理层安全是当今的研究热点。但是在SWIPT网络中应用协作通信技术也存在诸多问题,如在
无线传感器网络(Wireless Sensor Networks,WSNs)主要是由成本低廉、数目庞大的微型传感器节点之间采用协作互联、自组织的方式构成的通信网络,具有可靠性高、部署成本低廉的等特点。移动汇聚节点的引入,缓解了静止汇聚节点带来的传输热点问题,扩宽了WSNs的应用场景,使得WSNs在军事、医疗、民用等领域得到更加广泛的应用。由于节点自身的能量有限,移动汇聚节点的频繁的位置信息广播会导
随着云存储的发展,越来越多的用户将自己每天拍摄的照片外包到云端,在享受云服务便利的同时,也面临着隐私泄露的威胁。加密技术可以有效保护图像的隐私,然而传统的图像加密方案通常将明文图像加密成为类噪声的密文图像来保护隐私,不可识别的外观限制了它们的可用性,用户必须下载所有上传的密文图像并在本地端解密才能浏览原始图像的内容,这无疑会大大增加用户的传输和计算成本。因此,为了取悦用户,在保护隐私的同时不能放弃
膝骨性关节炎(knee osteoarthritis,KOA)是临床中最常见的慢性退行性骨关节疾病,其主要的病理特征是关节软骨的退变、软骨下骨小梁骨重塑失调和滑膜病变,严重影响患者的生活质量,对家庭和社会造成巨大的经济负担。中药在防治KOA方面具有一定的优势,其中,淫羊藿中有效成分淫羊藿苷对防治KOA具有一定作用。通过对淫羊藿苷从抗炎、保护软骨细胞、抑制细胞凋亡、抑制破骨细胞方面防治KOA作用机制
中生代是东天山—北山地区地壳演化过程中重要的构造转化阶段,也是一个重要的内生矿床成矿期,形成了一批重要的矿床和矿种。印支期内生成矿时间为250~210Ma,主要形成钨、钼、金、铅、锌、铌、钽、萤石、稀土、花岗岩、银、铼、铁、脉石英等矿床;燕山期内生成矿时间为180~150Ma,成矿规模比印支期小,主要形成钨、铌、钽、铅、锌、铜、金、锑、汞、硫铁矿、萤石、脉石英等矿床。从空间上看,东天山—北山4大成
中学时代是个体身心加速发展的特殊时期,是从幼稚走向成熟的关键时期,同时也是动荡、冲突、危机频发的“矛盾”时期。伴随着这种新的特点,迷茫与困惑随时都会在中学生身上表现出来,如果对这些心理问题不加以及时地引导,将会导致初中生问题行为的发生。篮球运动作为“三大球”之一,在社会中具有很强的普及性,同时也是初中校园体育中最常见的运动项目。为了探究篮球运动对初中生问题行为是否存在影响,本文运用文献法、问卷调查
显著目标检测旨在模拟人类的视觉注意机制检测并精确分割出图像中具有吸引力的目标,其作为图像预处理方法,已经被广泛应用于计算机视觉的多个领域,如目标跟踪、行人重识别、图像检索等。近些年,显著目标检测吸引了众多研究学者的广泛关注,越来越多的显著目标检测算法被提出。一方面,深度学习强大的特征提取能力使得RGB图像显著目标检测算法在准确定位、精确边缘分割方面的性能得到极大提升。另一方面,人们开始利用具有丰富
在癌症的治疗中,尽早正确地诊断肿瘤类别性质有助于疗效提高。DNA微阵列技术的发展使得人们可以从基因角度研究癌症诱发和病变的原因,极大地提高了肿瘤类型确诊准确率和癌症疗效。基因数据通常具有高维度,高冗余的特点。一个样本的基因个数可以达到数千甚至数万,但并不是所有的基因都与癌症类别有关,往往仅由少数关键基因决定病变。因此,直接对原始数据进行分类将会受到严重的干扰。同时,高维数据还带来了高昂储存成本和巨
目的 对一起儿童急性胃肠炎聚集性疫情的病原进行鉴定、分型及进化分析。方法 收集本次疫情患儿粪便标本,提取核酸,采用实时荧光PCR初步进行病原鉴定。通过反转录-聚合酶链反应对诺如病毒阳性标本的聚合酶区和衣壳VP1区部分基因序列进行扩增;通过PCR对腺病毒阳性标本的六邻体区部分基因序列进行扩增。对扩增产物进行测序,利用生物信息学软件及网站对病毒进行型别鉴定及进化分析。结果 共收集到3例患儿粪便标本,诺