適於複雜機械系統的人工免疫狀態診斷技術研究

《適於複雜機械系統的人工免疫狀態診斷技術研究》是依託杭州電子科技大學，由孟慶華擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：適於複雜機械系統的人工免疫狀態診斷技術研究
• 項目類別：青年科學基金項目
• 項目負責人：孟慶華
• 依託單位：杭州電子科技大學

項目摘要

針對複雜機械系統運行時狀態信號表現出的非線性導致狀態診斷困難，甚至無法診斷的情況，以人工免疫危險理論和雲理論為基礎，研究適用於複雜機械系統的狀態診斷技術。首先，針對基於人工免疫自體-非自體識別機理的複雜機械系統故障診斷方法存在的正常工況和故障工況界限模糊不易診斷、未知工況自學習能力較差、有效適應複雜機械系統正常變化的自學習、自適應能力較差和偽肯定率、偽否定率較高等不足，構建基於人工免疫危險理論的危險信號識別模型，提高診斷識別的正確率。其次，針對複雜機械系統狀態信號的不確定性導致診斷準確性下降問題，研究雲理論和危險理論的融合，構建雲決策模型，對識別困難的不確定性信號進一步進行識別，提高系統診斷的精確性。最後，以汽車發動機為研究對象，建立一套狀態診斷系統，用於驗證本研究所提出的方法的有效性。本項目的研究有助於提高複雜機械系統狀態診斷的高精確度和智慧型化，對於避免發生嚴重、突發事故具有重要意義。

結題摘要

根據本項目申請書的內容，在過去的3年時間裡本項目組成員按照計畫開展了研究工作。完成了與該項目研究相關領域國內外的文獻檢索與閱讀。採用學術調研和參加國際學術會議的方式與國內外相關研究人員進行了學術交流。完善了汽車發動機故障模擬實驗台，在現有的豐田發動機故障模擬實驗台上增加了採用NI多功能數據採集卡和北京東方振動研究所生產的能夠實時檢測發動機振動、噪聲以及模態的檢測系統。研究了複雜機械系統信號的噪聲忍耐和特徵提取算法和適於危險信號識別的檢測器集合生成算法以及複雜機械系統未知危險工況自適應學習機理和基於克隆變異原理的自學習、自適應機理。對雲理論和危險理論進行了融合研究，構建了雲決策模型，實現了對識別困難的不確定性信號進一步進行識別，提高了系統診斷的精確性。以發動機為具體對象，在發動機故障模擬試驗台上進行了試驗，驗證了該診斷方法的有效性。還針對電動汽車和輪轂軸承單元等複雜機械系統進行了動力學方面的研究，有助於掌握其動力學回響，為更好的對其進行故障檢測提供了理論基礎。項目成果還成功套用於汽車輪轂軸承單元的線上檢測，幫助企業提高了產品的出廠質量。通過本項目的研究，形成了一套以人工免疫危險理論和雲理論為核心的複雜機械系統狀態診斷技術，發表了相關論文10篇，其中EI檢索4篇，申請到了軟體著作權4項，授權實用新型專利8項，7項國家發明專利處於實質審查階段。獲得省部級三等獎項2項。培養了9名碩士研究生。完成了項目的研究內容和任務，達到了項目的預期目標。