《基於感測器最佳化布置與信息融合的質量監控研究》是依託東南大學，由賈民平擔任項目負責人的面上項目。
基本介紹
- 中文名：基於感測器最佳化布置與信息融合的質量監控研究
- 項目類別：面上項目
- 項目負責人：賈民平
- 依託單位：東南大學
中文摘要,結題摘要,
中文摘要
隨著對機電設備狀態檢測和質量測控要求的不斷提高，感測器的最佳化布置和信息的有效利用已成為提高機電設備狀態檢測和質量測控精度的關鍵問題。本項目針對感測器最佳化布置、信息融合理論與方法在機電設備狀態檢測、質量測制中存在的局限性，以旋轉機械和複雜製造系統為研究對象，將理論研究、實驗研究及工程套用相結合，綜合考慮感測器布置受限條件，結合各人工智慧方法，通過信息的有效利用及復用，研究在機電設備狀態檢測和質量測控過程中高效、適應性廣的感測器最佳化布置策略，實現多目標函式最佳化、降低檢測成本和提高狀態檢測與質量監控的可靠性。建立多層次、多方法的信息融合模型以融合不同時空、不同種類的感測器信息，並將感測器最佳化布置理論與信息融合技術相結合，研究兩者之間的作用關係，完善感測器最佳化布置策略。本項目將能有效地提高設備狀態檢測和質量控制的準確性和實用性，推動狀態檢測和質量控制理論的發展和套用。
結題摘要
採用有限元分析法對單跨轉子和不同聯軸節的多跨轉子系統進行動力學回響分析，並根據實際約束條件，提出了旋轉機械軸向與徑向振動感測器的布置方法和策略；提出了基於相關熵與特徵相似度的感測器冗餘度計算方法，作為度量感測器信息間冗餘性的指標；提出了一種根據噪聲變化自適應調整窗長的方差估計算法，給出了對方差估計曲線突變段的尋找方式以及自適應窗長的選擇策略；提出了一種基於證據貼近度的加權權值的計算方法，並建立了一種基於神經網路和D-S證據理論的多感測器信息融合的故障診斷模型。針對傳統的BP網路在套用時易陷入局部最優、收斂速度慢等缺陷，提出了混合蛙跳算法（ISFLA）並融合BP網路形成ISFLA-BP網路的故障診斷模型，通過對滾動軸承的早期故障實驗，與BP網路、SFLA-BP網路相比，該模型泛化能力好，魯棒性較強，可以提高軸承早期故障模式識別的準確率。 基於遺傳算法的馬爾科夫特性，提出了將Markov鏈用於循環次數估計，並通過設定自適應交叉運算元以及變群體規模的一種自適應進化算法用於車削過程狀態監測的感測器布置策略。提高了模型的收斂特性。針對單工位多工步切削過程狀態監測，基於多工位誤差流理論構建了單工位多工步信息流模型，確定了故障/監測量信息傳遞係數用來表征不同測點感測器的監測能力。基於屬性層次模型（AHM）構建了感測器，故障/檢測量以及系統檢測能力之間的因果關係，提出了基於單工位狀態監測的六步感測器最佳化布置策略。針對切削過程中工件表面形貌形成的隨機性的特點，提出了基於隱馬爾科夫模型的工件表面粗糙度和圓度綜合質量監測方法。分析了刀尖在三個方向振動位移對於工件表面粗糙度和圓度的影響，構建了二者與刀尖振動位移的理論模型。基於數據分層思想，提出了一種判別矩陣判別法用於工件質量識別，提高了目標特徵的識別率。在硬車削全因子試驗樣本缺失的情況下，以ICA和SSA提取的多方向刀具振動信號融合特徵作為輸入，提出了基於貝葉斯推理的HMM-SVM工件表面質量二次識別方法，使其能有效滿足試驗樣本缺失條件下的硬車削監測要求。
