《基於泛函逼近的旋轉機械性能衰退預測方法研究》是依託哈爾濱理工大學，由葛江華擔任項目負責人的面上項目。
基本介紹
- 中文名：基於泛函逼近的旋轉機械性能衰退預測方法研究
- 項目類別：面上項目
- 項目負責人：葛江華
- 依託單位：哈爾濱理工大學
項目摘要,結題摘要,
項目摘要
工程實踐表明，複雜旋轉機械的性能衰退主要是由時間累積效應造成的。為避免由性能衰退引起的裝備故障，利用積累的裝備性能歷史數據預測其性能衰退的趨勢，具有重要的意義。針對現有性能預測方法難以反映性能數據中實際隱含的時間累積效應的問題，本課題將在深入研究泛函逼近理論的基礎上，提出一種基於泛函逼近的時間序列預測方法，並在該方法的基礎上建立性能衰退預測模型。基於泛函逼近的性能衰退預測模型的輸入是與時間相關的連續函式，因而其基於泛函回歸分析的模型求解非常複雜，工程實用性不強，而過程神經網路能夠以任意精度逼近任意連續泛函，因此本課題擬以過程神經網路為逼近運算元，研究新的基於卷積運算的過程神經網路學習算法，對建立的旋轉機械性能衰退預測模型進行求解。將課題的理論研究成果套用於直升機傳動系統的性能衰退預測中，並通過該傳動系統加速退化試驗驗證理論預測結果的正確性，以期對複雜旋轉機械的維修保障提供理論依據和技術支持。
結題摘要
本項目針對旋轉機械維修保障和維修理論的發展需求，對旋轉機械性能衰退預測理論展開研究。將函式型數據分析方法引入到旋轉機械的振動數據預處理，並套用卷積和神經網路相結合的人工智慧方法提高旋轉機械的性能預測精度，建立了一套以過程神經網路作為逼近運算元的旋轉機械性能預測方法，該方法能夠有效克服現有旋轉機械性能預測方法中存在的難以處理高頻性能數據、間隔採樣缺失而導致數據隱含信息丟失及預測精度低等問題。課題的研究豐富了學科在機械設備狀態監測與故障診斷的研究方向，為企業的設備維修和健康管理提供理論依據和技術支持，完善了機械裝備維修的理論，具有重要的套用價值。
