機(jī)械設(shè)備波動(dòng)運(yùn)行狀態(tài)參數(shù)的預(yù)測(cè)方法研究.pdf

1、本文基于國(guó)家自然科學(xué)基金資助項(xiàng)目—非線性旋轉(zhuǎn)機(jī)械轉(zhuǎn)子系統(tǒng)的突變故障預(yù)測(cè)研究(50975105)撰寫(xiě)。隨著生產(chǎn)技術(shù)的高速發(fā)展,電力、機(jī)械等行業(yè)的設(shè)備日趨大型化和精密化,設(shè)備的健康狀況對(duì)企業(yè)的安全、經(jīng)濟(jì)生產(chǎn)具有重要意義。預(yù)測(cè)技術(shù)可以從設(shè)備歷史狀態(tài)參數(shù)的發(fā)展趨勢(shì)中挖掘其變化規(guī)律,對(duì)潛在的故障隱患進(jìn)行預(yù)報(bào),為合理安排維修計(jì)劃提供技術(shù)支持,從而保證設(shè)備的安全運(yùn)行。
　　本文首先針對(duì)機(jī)械設(shè)備振動(dòng)狀態(tài)數(shù)據(jù)通常具有波動(dòng)性的問(wèn)題,提出了一種利用馬爾

2、科夫方法對(duì)灰色預(yù)測(cè)結(jié)果修正的預(yù)測(cè)模型。首先利用灰色等維新息GM(1,1)模型對(duì)樣本數(shù)據(jù)進(jìn)行灰預(yù)測(cè),根據(jù)狀態(tài)實(shí)測(cè)數(shù)據(jù)與其灰預(yù)測(cè)結(jié)果之間的誤差百分比劃分馬爾科夫狀態(tài)區(qū)間,建立馬爾科夫狀態(tài)轉(zhuǎn)移概率矩陣。在對(duì)設(shè)備狀態(tài)進(jìn)行預(yù)測(cè)的時(shí)候,利用馬爾科夫狀態(tài)轉(zhuǎn)移概率矩陣和當(dāng)前狀態(tài)的誤差百分比狀態(tài)向量計(jì)算得到馬爾科夫修正值,對(duì)灰色預(yù)測(cè)結(jié)果進(jìn)行修正,實(shí)現(xiàn)對(duì)波動(dòng)狀態(tài)參數(shù)的預(yù)測(cè);此外,本文從尋求新方法的角度出發(fā),通過(guò)對(duì)蟻群算法的學(xué)習(xí),建立了基于蟻群算法的信號(hào)重構(gòu)

3、波動(dòng)運(yùn)行狀態(tài)參數(shù)預(yù)測(cè)模型,首先對(duì)波動(dòng)性數(shù)據(jù)使用信號(hào)重構(gòu)處理之后讓其在一定范圍內(nèi)波動(dòng),然后采用蟻群算法中信息素的思想來(lái)對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè);最后,本文介紹了作者在研究生期間的主要科研項(xiàng)目-國(guó)內(nèi)某汽車(chē)制造廠商的發(fā)動(dòng)機(jī)工廠設(shè)備點(diǎn)檢與維修信息管理系統(tǒng),并介紹在該系統(tǒng)中如何實(shí)現(xiàn)對(duì)設(shè)備的故障預(yù)測(cè)。
　　通過(guò)對(duì)潛油泵的實(shí)例證明,首先本文所建立的灰色-馬爾科夫波動(dòng)運(yùn)行參數(shù)預(yù)測(cè)模型,不論在數(shù)據(jù)預(yù)測(cè)精度還是在對(duì)波動(dòng)性數(shù)據(jù)的趨勢(shì)預(yù)測(cè)上都有不錯(cuò)的效果;其次基于