考慮設備狀態退化特點的自適應診斷研究

《考慮設備狀態退化特點的自適應診斷研究》是依託電子科技大學,由苗強擔任醒目負責人的青年科學基金項目。

基本介紹

• 中文名：考慮設備狀態退化特點的自適應診斷研究
• 依託單位：電子科技大學
• 項目類別：青年科學基金項目
• 項目負責人：苗強

項目摘要

機械設備由於老化、磨損等原因存在狀態退化過程，如果在狀態監控過程中通過有效的監測或評估退化程度，對組織生產和設備維修具有重要的價值和意義。本項目以隱馬爾科夫模型自適應線上學習為理論基礎，提出健康監控過程中自適應故障診斷技術研究。項目通過對機械設備運行中採集的振動信號進行基於小波分解/分形理論的奇異點分析，實現對Lipschitz指數的估計和系統故障特徵的提取；通過對狀態特徵參數選擇和融合技術的研究，強化故障特徵使之能更好地反應系統當前狀態並實現對故障特徵信息的壓縮，提高故障特徵的敏感度；構建相應的狀態評估系統使之能準確及時地反映系統健康狀態；通過對隱馬爾科夫模型中Bayesian自適應框架下RKL/RPE線上學習方法的理論研究，進一步改進和提高基於隱馬爾科夫模型故障診斷系統的效率和性能。因此，本項目的實施不僅可以改善故障診斷識別系統的性能和效率，而且能夠豐富模式識別領域的理論和方法。

結題摘要

針對機械設備存在的狀態退化過程，本項目以隱馬爾科夫模型自適應線上學習為理論基礎，針對設備健康監控過程中的自適應診斷技術開展了三個方面的研究，即：（1）微弱信號檢測與特徵提取；（2）設備健康狀態評估；（3）自適應故障診斷。在青年科學基金項目的資助下，已申請國家發明專利2項，發表論文19篇（其中SCI收錄6篇，EI收錄15篇），另有2篇論文已錄用。獲得自然科學基金青年面上連續資助、973二級子課題等項目的資助，與航空裝備研究所開展合作課題1項。2011年入選第九批四川省學術和技術帶頭人後備人選，以及教育部新世紀優秀人才支持計畫。2012年入選電子科技大學百人計畫。 在微弱特徵信號檢測方面，針對旋轉機械中存在的微弱周期信號和非周期信號，從增強特徵信號能量和提高信噪比的角度，實現微弱特徵信號檢測算法的設計與開發。針對系統多故障發生時由於頻率混疊導致不同故障特徵頻率難以辨識這一極具挑戰性的問題，開展了插值離散傅利葉變換（IpDFT）方法的研究。在此基礎上，創新的提出了Zoom IpDFT方法，該方法綜合局部頻帶放大和IpDFT的思想，顯著提高了信號頻譜分析的精度和頻率解析度。 在系統健康評估方面，提出了小波分解細節信號基於故障特徵能量的優選方法，在最優細節信號基礎上，構造了設備的健康參數FSGI；同時，建立了相應的故障判定準則，實現被監測對象的早期故障檢測及健康狀態的量化描述。該研究成果適用於齒輪箱系統的健康評估和剩餘壽命預測，在發表兩年多的時間裡，該論文受到國內外學者和研究人員的關注，Google Scholar引用超過30次。 多次擔任國際會議程式委員會/技術委員會委員，參與國際會議的組織工作，並應邀在國際會議做專題講座和特邀報告。曾擔任ICRMS 2009國際會議論文集的主編，現擔任國際期刊IEEE Transactions on Reliability以及Microelectronics Reliability的客座編委。2012年被聘為香港城市大學客座教授，現為國際電工電子工程學會（IEEE）和美國工業工程學會（IIE）高級會員，美國機械工程學會（ASME）會員。擔任多個國內外學術期刊的審稿人，並為CRC Press、John Wiley and Sons等出版社評審專著寫作計畫。