【摘 要】
：
随着信息科学技术的飞速发展,传统维护策略由于存在“滞后性”、“过度维护”等问题,难以满足设备的实际维护需求。有效利用海量监测数据,在设备尚未发生失效前,对其进行健康状态评估并构建退化轨迹,并依据退化轨迹之间的相似性给出准确的剩余寿命（Remaining Useful Life,RUL）预测值。这种“预测性维护”能够有效地降低高昂且非必要的维护费用。同时,通过预防因设备失效而导致的灾难性事故,进而提
论文部分内容阅读
随着信息科学技术的飞速发展,传统维护策略由于存在“滞后性”、“过度维护”等问题,难以满足设备的实际维护需求。有效利用海量监测数据,在设备尚未发生失效前,对其进行健康状态评估并构建退化轨迹,并依据退化轨迹之间的相似性给出准确的剩余寿命（Remaining Useful Life,RUL）预测值。这种“预测性维护”能够有效地降低高昂且非必要的维护费用。同时,通过预防因设备失效而导致的灾难性事故,进而提升产品的可靠性、可用性和安全性。本文主要工作内容如下:（1）现有健康状态评估研究通常假设测试集与训练集具有相同数据分布,但实际情况中,数据采集工况不一致或设备本身工作于多工况条件将导致输入数据的分布发生偏移,产生域偏移问题,影响健康状态评估模型泛化性能的同时,还限制了后续RUL预测的准确度。受对抗式邻域自适应（Adversarial Domain Adaptation,ADA）模型的启发,通过域判别器与目标域特征提取器之间的对抗式训练,减小测试集与训练集之间特征数据的分布差异,使得训练好的模型同样适用于测试集。双向长短期记忆网络（Bi-directional Long Short Term Memory,BILSTM）能够同时兼顾时序数据某一时刻的历史信息和未来信息,有效提取时间序列数据的长期依赖性特征。本文提出一种基于BILSTM-ADA的健康状态评估模型以解决域偏移问题,增强评估模型的泛化性能,提高RUL预测模型的适用性。（2）传统基于相似性度量的RUL预测方法通常选取欧氏距离作为健康指数（Health Index,HI）曲线的相似性测度函数,由于欧氏距离并未考虑HI曲线之间的趋势因素,和HI曲线中不同时刻HI值的时效性因素,导致RUL预测准确度有限。针对这一问题,本文在欧氏距离的基础上,引入趋势因子和时间权重因子,重新定义相似性测度函数。更加准确地描述了HI曲线之间的相似性程度,有效提高RUL预测准确度。（3）由于RUL预测过程中常存在各种不确定性因素影响,例如设备个体差异、数据噪音和测量误差等,导致RUL点预测结果存在缺少可信度的问题。核密度估计（Kernel Density Estimation,KDE）作为一种完全从样本数据本身出发,研究数据分布的非参数估计方法,解决了参数估计方法中假设分布与真实分布差距较大的问题。本文采用自适应带宽的KDE算法结合已有的β准则,通过获取一定置信水平下的RUL区间估计结果。保障了RUL预测的可信度,有效量化RUL预测模型的不确定性。借助CMAPSS数据集进行实验,验证了上述算法的有效性,这对实际工程中的维护决策具有重要的指导价值。
其他文献
遥感技术的突飞猛进让如今的国家更加安全、社会更加文明、生活更加便利;从军事领域、土地规划到城市交通、天气灾害预警,遥感技术可谓是渗透到方方面面,人类社会已经高度文明,遥感技术更是充当了“千里眼”的角色。但是在遥感数据的使用上,还是有一些待解决的问题,云就其中最重要的影响之一,它给人类的“千里眼”带上了眼罩,使得遥感图像不能以全貌展示价值。根据测定,地球的表面常年有超过一半的地区被云所笼罩,而这些云
近年来,随着国家“平安城市”等公共安全战略的发展,视频监控系统已经被广泛部署在各个公共场合。然而,即使再周全的视频安防系统仍存在死角,在监控摄像头不可及的角落,仅凭目击者的口述信息在海量数据中追踪嫌疑人仍如大海捞针。因此,能够凭借文本信息在监控视频中智能检索特定行人的技术,即文本属性行人检索技术成为了国内外的研究热点。与传统的基于图像的行人检索技术相比,文本属性行人检索仅需要基于文本的属性信息,如
随着经济发展与技术进步,利用视频监控进行火情检测的方式已被广泛应用于生产生活的各个方面,及时地对早期火灾进行检测能够最大程度上降低其造成的危害。近年来,基于图像处理的火情检测方法因其监控范围广、发生火情可以实时报警和具备高度智能化的特性,成为了当下科研人员的研究热点。但由于火情目标的视觉特征比较复杂,轮廓极不规则,采用传统图像处理的方法难以应对充满干扰的复杂环境,极易出现漏检等情况。深度学习的方法
在雾霾天气下获得图像的质量大幅降低,空气中的水汽,悬浮颗粒物等直接影响到相机成像的效果,使得雾霾天气获得的图像不能直接应用于许多计算机视觉任务。另外一方面雾霾天气下获得的图片质量下降,影响到了照片的观感。因此如何降低雾霾对图像的影响,提高雾霾天气下获得图像的质量是具有重要应用价值的研究。本文利用结合注意力的深度学习技术对单幅图像去雾进行了较为深入的研究,并且取得了一些研究成果。主要的工作如下:（1
随着人们对物体尺寸测量需求的持续增长、测量精度要求的不断提高、以及研究人员对图像处理技术和计算机视觉领域的深入探索,基于立体视觉的图像测量技术得到了迅速发展,其中,单目立体视觉和双目立体视觉占据主流研究地位。但就目前的研究现状而言,单目立体视觉图像测量技术虽然以其原理及设备简单的优势被广泛地研究与应用,但仍需要借助一些辅助工具来弥补单张图片中丢失三维世界深度信息的不足,且多应用于测距和测高;双目立
绳索驱动机器人引入绳索后有效减小了整体质量及惯量,弥补了传统工业机器人柔顺性低、缺乏人机交互安全性的缺点,因此具备广阔的应用前景。本文以改进传统机械臂为出发点,自主设计了一款绳驱动机械臂,完成了样机结构设计、制作及性能测试等工作。利用强化学习算法完成了机械臂避障路径规划训练。此外,设计了一种用于控制绳驱动机械臂的强化学习自适应PID控制器,并通过Simulink仿真实验验证了其控制效果。最后基于绳
轴承是机械设备中的重要组成部分,对机械产品的正常运行发挥着重要作用,由轴承引起的故障在机械产品故障中占比1/3,轴承故障可能会导致整个机械产品运行状态的变化,从而造成设备故障。随着物联网的出现和快速发展,对轴承故障诊断也提出了新的要求,要求能够处理大量的数据并且完成实时性的轴承故障诊断。边缘计算作为物联网的一项重要技术,能够直接在边缘侧完成数据处理任务,以缩短完成任务所消耗的时间。因此,在边缘侧实
基础振动机械臂是一种安装基础或者自身运动平台存在振动的机械臂,如海上起重机、车载移动机器人等。机械臂在作业过程中除了会受到惯性参数的不确定性与关节摩擦等干扰以外,还会受到基础振动所带来的强烈干扰,这对整个系统的控制稳定性和准确性带来了严峻挑战。海上机械系统是一类典型的基础振动机械臂,受波浪、潮汐和风的影响,机械臂的高精度运动控制一直以来是个难点,目前大多数传统控制方案已经不能满足机械臂在某些海上复
高光谱图像不仅空间信息丰富,而且还具有精细的光谱特征,能为研究地物特性提供更加全面、细致的信息。异常检测作为高光谱图像处理领域的重要研究方向之一,主要任务是通过提取图像特征并加以分析,查找出与周围存在明显光谱差异的像元区域,由于其不需要任何先验光谱信息,实际应用价值更大,因此在农业、林业、军事等领域得到了广泛应用。然而现阶段想要精确高效进行异常检测依然面临诸多挑战:（1）高光谱图像地物复杂多样且分
当前的计算范式越来越难以满足快速发展的机器学习和数据挖掘的计算需求。在Von-Neumann架构的计算平台中,运算和存储单元被实现为独立的区域,高频率地数据传输产生了巨大的能耗。并且Von-Neumann计算平台不会像大脑那样具有学习或处理复杂数据的内在物理能力,而这些需求可以通过人脑生物学概念启发的神经拟态计算系统来解决,该系统中神经元同时具有存储和计算功能。此外由于光域在信息处理方面有功耗低,