1 国网宁夏电力有限公司 电力科学研究院, 银川 750001
2 国网宁夏电力公司 石嘴山供电公司, 宁夏 石嘴山 753099
3 北京邮电大学, 北京 100876
针对光通信网设备风险预警无法进行人工分析的问题, 提出基于用户画像技术与深度学习算法的设备故障预测算法。基于数据采集与数据增强构建设备健康画像, 从含有脏数据且格式不统一的原始数据中抽取与设备故障相关联的标签序列, 将序列数据“喂”入深度学习模型, 获得高准确度的故障预测结果。仿真结果表明: 该算法能够基于设备原始数据构建设备健康画像并实时训练深度学习模型, 获得接近100%的设备故障预测准确率;与全标签序列的算法和未进行数据增强的算法相比, 所提算法将故障预测准确率分别提升了7.8%和3.3%。
故障预测 健康画像 光通信设备 深度学习 failure prediction health profiles optical communication equipment deep learning
1 北京航空工程技术研究中心,北京 100000
2 沈阳飞机设计研究所,沈阳 110000
故障预测与健康管理(PHM)技术作为新一代飞机设计与使用中的关键技术和重要组成部分,受到国内外专家学者的广泛关注。针对未来航空装备无人化、协同化的特点,利用系统工程的方法对有人机/无人机协同作战机群PHM系统进行场景分析,通过系统用例图与活动图建模对系统需求进行分析综合,提出了一种面向机群的PHM系统顶层架构,包括功能架构设计、逻辑体系架构设计、数据传输服务,并针对系统设计中涉及的关键技术进行论述。研究成果对于协同作战场景下机群PHM系统设计具有一定的指导意义。
有人机/无人机 协同作战 故障预测与健康管理 系统工程 需求分析 体系结构 manned/unmanned aerial vehicle cooperative operation Prognostics and Health Management (PHM) system engineering requirement analysis architecture
针对高斯过程超参数使用共轭梯度法求解导致的依赖初始值以及容易陷入局部最优解的问题, 提出了一种基于参数非线性动态调整策略的改进粒子群算法, 并应用到超参数求解中。首先, 提出参数动态调整策略, 针对不同的搜索阶段采用不同的参数; 然后,根据免疫思想的浓度调节机制, 提高算法全局搜索能力。仿真实验结果表明,所提算法在最优化求解中能够快速收敛到函数最优值, 同时该算法在求解高斯过程超参数中具有有效性和优越性, 可以为后期预测模型的建立提供精度保障。
故障预测 高斯过程回归 粒子群优化 超参数求解 fault prediction Gaussian process regression particle swarm optimization hyperparameter solving
为了获得更高的预测精度,针对高斯过程回归(GPR)算法在具体应用中出现的依赖核函数的选择以及精度提升空间有限等问题,结合AdaBoost算法思想提出了一种基于AdaBoost.RT算法的GPR预测算法。该算法从统计学角度引入预置阈值的概念,将不同核函数的GPR算法预测结果定性分成正确和错误两部分,并经过两层训练,通过最终权值的大小反映出针对不同核函数的GPR算法的信度大小,最终融合各个核函数输出高质量的预测值。在锂电池的故障预测仿真实验中,该算法的预测相较于传统的GPR算法,平均误差下降了82.14%,证明该算法的合理性和实用性。
AdaBoost算法 高斯过程回归 故障预测 可靠性 AdaBoost algorithm Gaussian Process Regression (GPR) fault prediction reliability
针对现有DC/DC电路故障预测中以距离作为故障特征参数存在的不足, 提出了将分段动态时间弯曲距离作为DC/DC电路故障特征参数, 并将此特征参数与长短时记忆神经网络(Long Short-Term Memory,LSTM)算法相结合, 对DC/DC电路进行故障预测。首先, 选择电路输出电压作为监测信号; 然后,利用动态时间弯曲算法计算其与无故障输出电压的分段动态时间弯曲距离作为电路的故障特征参数; 最后, 基于LSTM预测模型实现电路故障特征参数时间序列预测。以Boost电路为例进行了仿真实验, 验证了该方法的有效性和准确性。
DC/DC电路 故障预测 动态时间弯曲 DC/DC circuit fault prediction dynamic time warping LSTM LSTM
1 南阳师范学院机电工程学院, 河南 南阳 473061
2 河南省经济管理学校汽车工程系, 河南 南阳 473000
3 空装驻洛阳地区第二军事代表室, 河南 洛阳 471000
针对大数据下产生式规则推理效率低下的缺点以及异构信息融合时知识元权重分配困难的问题, 以数据和音频两种异构信息为信息源, 设计了基于梯次推理获益原则的产生式规则知识表示方法。根据映射特征向量与非映射特征向量知识元灵敏度的不同, 采用分组分级的推理策略;采用互信息-信息增益作为获益尺度, 根据知识元特征的获益值确定各知识元的权重。以某飞行数据和同步座舱音频为信源模拟了发动机故障实例并进行故障预测, 验证了梯次推理和获益原则的产生式规则表示方法具有较高的执行效率、知识元结构强度和较好的推理效果, 可以应用于实际工程的故障诊断和预测。
故障预测 梯次推理 获益原则 互信息 知识代表 failure predicition echelon inference benefit principle mutual information konwledge representation
中国电子科技集团公司 第三十八研究所, 安徽 合肥 230088
**装备全寿命周期管理的需求推动了雷达故障预测与健康管理技术的研究和发展, 雷达装备也逐步由原先的预防性维修和事后维修模式向视情维修模式转变。大数据技术和雷达健康管理系统的有机结合, 可以有效地整合雷达在役阶段的数据资源, 与设计、制造、售后等其他寿命周期阶段串联在一起, 真正实现雷达装备的全寿命周期管理。提出一种基于大数据的雷达健康管理系统的网络平台框架, 并介绍了雷达健康管理系统的关键技术。
大数据 故障预测与健康管理 视情维修 全寿命周期 big data Prognostic and Health Management Condition -Based Maintenance life cycle 太赫兹科学与电子信息学报
2019, 17(4): 686
航电系统的故障预测与健康管理技术(PHM)能够大幅提高飞机的安全性、可靠性和稳定性,从而减少设备损耗和维修费用。简要介绍了综合模块化航电(IMA)系统的构架和系统管理功能。基于ASAAC标准与OSA-CBM模型,重点对IMA的PHM系统设计从结构、功能分层和树形运行蓝图(RTBP)上进行了分析。最后根据航电系统的特性,对我国未来航电系统PHM技术的应用与发展进行了探讨。
航电系统 故障预测与健康管理 运动蓝图 avionics system prognostics and health management run-time blueprint
中国电子科技集团公司光电研究院, 天津 300308
通过深入研究PHM技术的概念和内涵, 分析了构建机载模块BIT设计及故障诊断系统的基本条件, 提出了在现有机载模块和地面故障检测系统的基础上, 构建机载模块BIT设计及故障诊断系统的具体构架。通过分析总结, 从建模的角度提出基于PHM的故障预测模型设计的思路, 结合机载模块BIT设计及故障诊断的方法及流程, 为机载模块及的在线测试、产品测试性和维修性工作提供理论支持。
预测与健康管理 故障诊断 故障预测模型 机载模块 prognostics and health management (PHM) fault diagnosis fault prediction model airborne module
为实现装备的故障预测,把支持向量机(SVM)作为基础学习算法,采用加权支持向量机回归方法,对突变点赋予较大的权值,增强对突变点的训练,提高故障预测精度。采用权重自适应裁剪方法,通过计算样本点的回归权重,剔除权重较小的样本点,减少每次参与训练的样本个数,提高预测速度。选定合适的核函数及相关参数,建立故障预测模型,研究以某通信电台为例,验证了算法的有效性和优越性。
故障预测 支持向量回归 突变点 自适应裁剪算法 核函数 fault prediction support vector regression catastrophic point adaptive clipping algorithm kernel function