中国科学技术信息研究所--国家工程技术数字图书馆

排序：

[学位论文] 赵志傲国防科技大学 2018年博士导师: 邱静共161页

摘要 : 装备PHM技术的蓬勃发展带来两个亟需解决的问题，即装备PHM系统故障预测能力度量指标是什么？以及度量指标如何验证？研究装备PHM系统故障预测能力验证技术的目的在于为装备采购方、承制方提供科学的、可考核的装备PHM系统故障预测能力评价指标，并构... 展开装备PHM技术的蓬勃发展带来两个亟需解决的问题，即装备PHM系统故障预测能力度量指标是什么？以及度量指标如何验证？研究装备PHM系统故障预测能力验证技术的目的在于为装备采购方、承制方提供科学的、可考核的装备PHM系统故障预测能力评价指标，并构建一套较完整的装备PHM系统故障预测能力验证方法及技术流程。当前，装备PHM系统故障预测能力验证技术主要是针对单一故障预测算法或单一产品的故障预测能力进行验证。已有的研究成果主要存在三个方面的问题：一是无法满足多故障模式或复杂产品的整体故障预测能力验证与评估；二是针对单一故障预测算法或单一产品的故障预测能力评价指标繁多且各指标间关系不明，装备PHM系统整体故障预测能力度量指标研究不充分；三是在服从统计试验规律的条件下，装备PHM系统故障预测能力验证试验方案如何设计尚未进行充分研究。论文从装备系统角度出发，着力解决由各PHM单元组成的装备系统层面的故障预测能力验证中面临的“验什么”（故障预测能力指标构建）和“如何验”（故障预测能力验证试验方案设计）两大核心问题。深入研究并提出两个装备PHM系统故障预测能力度量指标。在此基础上，提出装备PHM系统故障预测能力验证试验方案总体设计流程，深入研究面向装备PHM系统故障预测能力的故障模式-退化过程二维度验证试验方案设计，验证试验方案设计主要包括二维度样本量和判决准则确定、样本分配与选择方法。论文研究内容和研究结论包括： 1．装备PHM系统故障预测能力指标构建及总体验证试验方案设计论文从装备系统角度出发，分析得出故障预测样本产生的二维特性（故障模式维度和退化过程维度），提出两个以预测故障发生时间为输出目标的装备PHM系统故障预测能力度量指标。其中，相对准确度是衡量PHM系统对故障发生时间预测准确度的计量型指标，故障预测率是衡量PHM系统对故障发生时间预测准确次数的计数型指标。根据装备PHM系统故障预测能力验证工程实践需求，提出装备PHM系统故障预测能力验证试验方案设计总体思路及工作流程。 2．基于随机过程的故障预测指标时变特性研究通过对装备PHM系统故障预测能力度量指标分析表明各故障模式的发生特性将影响整个系统故障预测指标时变特性。现有抽样检验理论只适用于检验指标不随时间发生变化的情形。论文以完美维修、最小维修、非完美维修三种维修行为下的故障发生速率模型为基础，分别对多故障模式系统的故障预测度量指标时变特性进行研究。结果表明：完美维修条件下（故障发生速率恒定）系统故障预测度量指标统计特性不随时间变化；在最小维修和非完美维修两种维修条件下，系统故障预测度量指标统计特征随时间发生变化，现有抽样检验理论无法满足此类指标的验证与评估。因此，论文研究以系统故障预测能力指标不随时间发生变化为假设基础，即不考虑最小维修、非完美维修等复杂维修行为导致系统指标随时间变化的故障预测能力验证问题。 3．故障模式维度故障预测能力验证试验方案设计故障模式维度PHM系统故障预测能力验证试验方案的核心是样本量、判决准则确定以及样本量分配。（1）基于假设检验理论的故障模式维度样本量和判决准则确定方法 ●基于双方风险和基于序贯抽样理论的故障模式维度样本量和判决准则（接收/拒收）确定方法在假定故障预测相对准确度服从正态分布的基础上，考虑采购方和承制方双方风险，提出基于正态分布的故障模式维度样本量和判决准则确定方法。针对基于双方风险样本量确定方法样本量需求大的问题，进一步提出正态分布假设下基于序贯抽样理论的故障模式维度样本量和判决准则确定方法，该方法可以降低故障模式维度样本数量。 ●基于改进Bayes后验风险的故障模式维度样本量和判决准则确定方法针对经典统计理论确定的故障模式维度样本量过大且传统Bayes后验方法存在先验分布与现场数据不相容的问题，为了避免先验分布与现场试验数据不相容的问题，提出基于异常值检验的相容性检验方法，在此基础上提出基于改进Bayes后验风险的故障模式维度样本量确定方法。与基于经典统计理论的基于双方风险的样本量确定方法相比，该方法能更有效地降低样本量。（2）故障模式维度样本综合加权分配故障模式维度样本分配中必需充分考虑影响PHM系统故障预测能力验证的多种因素，论文基于故障发生速率、严酷度、故障影响度等三个因素提出故障模式维度样本综合加权分配方法，旨在确定一个代表性好、样本结构优的故障模式样本集。 4．退化过程维度故障预测能力验证试验方案设计（1）基于假设检验理论的退化过程维度样本量和判决准则确定方法由于故障预测样本具有延时性，退化过程样本确定只能采用定数样本量确定方法，考虑到装备系统层面能否获取每一个单一故障模式的相对准确度和风险约束与否，论文给出两种情形下基于双方风险的退化过程维度样本量确定方法。（2）基于分段维纳过程的退化过程维度故障预测样本选择针对退化过程维度样本选择问题，提出基于退化过程特征参数作为样本选择权重因子的故障预测退化过程样本综合加权选择方法。以装备各故障模式退化历史数据为基础，建立基于分段维纳过程的故障退化过程模型来描述故障退化过程各退化阶段的起始退化量、退化量增量、退化速率、方差等四个参数，并以此四个参数作为样本选择因子确定故障退化过程各退化阶段的样本选择权重，实现退化过程维度样本优化选择。收起

关键词 : 机械设备故障预测能力度量指标

2. 基于时序知识图谱的电梯智能故障预测方法研究

[学位论文] 周伟跃浙江工业大学 2023年硕士导师: 张元鸣共91页

摘要 : 电梯作为人们生活中不可缺少的公共垂直交通工具，其安全性受到政府相关部门以及社会的高度重视。智能故障预测作为数据监控和分析的重要方法，能够为电梯预测性维护提供技术支撑。知识图谱具有强大的知识表示和知识推理能力，能够为智能故障预测提供... 展开电梯作为人们生活中不可缺少的公共垂直交通工具，其安全性受到政府相关部门以及社会的高度重视。智能故障预测作为数据监控和分析的重要方法，能够为电梯预测性维护提供技术支撑。知识图谱具有强大的知识表示和知识推理能力，能够为智能故障预测提供结构化知识库。针对现有智能故障预测未能充分利用时间域信息和空间域信息所导致的预测精度不高的问题，本论文研究了基于时序知识图谱的电梯智能故障预测方法，主要研究内容包括： 1）提出了电梯故障时序知识图谱建模方法：从监测数据中提取指标实体和监测关系，从组件数据中提取组件实体和关联关系，从FMECA数据中提取故障模式实体、故障影响实体、解决方法实体和对应关系，将所抽取的各类实体和关系融合为故障时序知识图谱，以精确刻画故障数据的时间和空间关联特征。 2）提出了基于图神经网络的智能故障预测模型：为了提取故障时序知识图谱中的时空特征，设计了基于图神经网络的智能故障预测框架，该框架首先采用图神经网络提取图谱的节点特征向量和图级特征向量，然后采用图 Transformer对图级特征向量序列进行特征学习，得到未来时刻的图级特征向量，最后根据图级特征向量经过全连接层进行故障预测。实验结果表明，本模型在公开数据集上的RMSE指标比最先进的基线分别提升了8.9%、20.8%、26.6%、18.2%。 3）实现了电梯智能故障预测原型系统：利用本文所提出的智能故障预测模型，实现了电梯智能故障预测原型系统，主要包括门系统故障预测模块、曳引系统故障预测模块和轿厢系统故障预测模块，并通过实验证明了方法的有效性，为电梯预测性维护提供辅助决策，提升了电梯运行的安全性和可靠性。收起

关键词 : 智能故障预测时序知识图谱知识表示知识推理能力