针对劣化独立的同类型部件组成的系统,提出了最优的维修决策优化模型.将系统中部件的劣化过程描述为具有时间连续状态离散的马尔可夫过程,在分析系统转移特性的基础上,运用马尔可夫过程理论求解了系统中单个部件各状态的平稳概率表达式,建立了具有多状态劣化特性的多部件系统的平均费用率最优决策模型,在系统长期平均费用率最小的情况下,得到系统最优的检测周期、机会和预防维修阈值.以风电机组为例,验证了维修决策模型的正确性和适用性.结果表明,该模型可以为实际的多部件系统给出较为经济且合理的维修策略.
为解决在役状态监测系统采用常规固定阈值报警方法难以追踪旋转机械性能退化发生和发展的问题,应用振动监测原始数据和实时监测原始数据构建了数据驱动的旋转设备性能退化趋势预测模型,提出一种基于谱距离指标运行可靠性曲线l1趋势滤波的旋转设备性能退化趋势预测方法.应用美国辛辛那提智能维修信息系统(I M S)中心轴承实验数据和中国某石化公司离心压缩机转子不平衡故障案例数据验证了所构建的旋转设备性能退化预测模型.结果表明,数据驱动的旋转设备性能退化预测模型只需要运行正常状态振动原始数据,无需依赖外部专家先验知识,能够准
为提高产品再制造拆卸效率与收益,提出基于多目标改进蛙跳算法的多目标件选择性拆卸序列规划方法.首先优化拆卸信息建模方法,利用紧固件约束矩阵和结构件约束矩阵,构建产品拆卸信息模型并构造可行解;以拆卸时间最小化和拆卸收益最大化为目标,以多目标件价值为导向构建一种新的多目标选择性序列评价方法,同时构建多目标件选择性拆卸序列规划数学模型.融入Pareto思想构建多目标改进蛙跳算法,提出三段式编码构建青蛙个体,以实现选择性拆卸序列的多样性调节;采用基于快速非支配排序与拥挤度比较思想的改进排序分组策略进行多目标优化蛙群
针对行星减速器工作过程中存在齿轮动态磨损因素导致传动精度可靠度下降的问题,建立了考虑齿轮磨损的行星减速器传动精度时变可靠性模型,并进行了传动精度可靠性分析与公差优化设计.基于啮合线分析方法建立了行星减速器传动误差模型,对齿轮磨损这一随机过程进行了数值仿真,并利用高斯过程预测了齿轮磨损量;以某二级2K-H型行星减速器为例,运用改进的基于随机过程离散化时变可靠性分析方法求解其传动精度可靠度;建立以加工成本最低为优化目标、传动精度可靠度和齿轮磨损量为约束条件的公差优化设计模型,通过序列二次规划法对影响加工成本的
关键工序的有效识别及其质量特征数据不足问题是多品种小批量制造过程质量控制的关键.由此,提出一种基于清晰集与灰色关联分析的多品种小批量制造过程关键工序识别方法,综合考虑加工难度、成本、客户(VOC)等因素,构建多品种小批量质量关键工序的识别模型;在此基础上,基于层次聚类分析法对各品种的关键工序进行聚类分析,进而确定分辨率的选择方案,扩大质量特征数据样本量,解决关键工序的质量特征数据不足的问题.以某航天复杂构件制造企业的各品种产品制造工艺流程为例,应用所提方法对其关键工序进行识别与聚类分析,结果验证了所提模型
为了在提高系统可靠性的同时有效控制修复成本,以k-out-of-n:F系统为研究对象,提出基于累积修复成本限制策略的维护模型,模型中考虑系统部件之间的失效相关性,根据系统中失效部件的数量m将系统故障分为两类.其中,Ⅰ类故障:系统失效部件数0
论文在分析的极限学习机和遗传算法的基础上,提出通过遗传算法选择最优染色体,获得优化的极限学习机输入权值和阈值,提高网络稳定性,降低数据分类误差的方法.算法测试结果表明,基于遗传算法的极限学习机对于特征点较多的农业类数据的分类性能有较大提高.
传统的LMS自适应滤波器收敛速度较慢,存在步长、收敛速度和失调的矛盾.针对此问题,提出了一种基于神经网络控制的自适应滤波器变步长算法,其中神经网络结构选择改进后BP神经网络模型,在反向传播过程中加入动量因子和自适应学习方法.使用自适应滤波器输入信号、输出信号、误差和步长因子建立网络关系(BP-LMS),确定学习步骤进行训练优化.基于理论与仿真实验结果表明,新算法收敛速度快,可以使自适应滤波与神经网络误差补偿相结合,在信噪比低的情况下,可以减少稳态失调,提高测量精度,表现出良好的性能.
LED路灯控制系统通常使用ZigBee通讯网络作为节点间的通讯方式,在其系统组网的过程中,底层Mesh网络分簇主要依靠人工进行,效率较低.论文提出了基于道路网络的路灯聚类组网算法SLCNARN(Street Lamp Clustering Net-working Algorithms Based on Road Network).通过对路灯数据进行聚类分析,增加了聚类算法对基于环境的网络距离定义、路灯集中控制器容量以及对路灯基于道路分布特点的考虑,实验结果表明,该聚类方法能够有效计算出路灯集中控制器的摆放
针对中小型养鸡场中,小鸡的饮水需要人为将水和添加剂按照一定的配比混合在一起的缺点,设计了一种基于单片机STC89C52RC的智能混合设备控制系统.该系统用液位检测模块来检测液位高度,配合蜂鸣器提醒,流量检测模块对所需添加的水和添加剂的含量进行检测,并配合电磁阀控制两种液体的流量,各种数据通过LCD1602进行显示.同时,为了保证供水系统的精度,系统采用了神经网络PID算法.