1 火箭军工程大学, 西安 710000
2 火箭军装备部驻西安地区第二军事代表室, 西安 710000
工业设备、**装备等大型复杂系统在全寿命周期中通常会经历贮存、待机、测试、运转、维修等多个状态, 且不同状态下设备内部损耗速率各不相同, 这给设备的剩余寿命预测问题带来新的挑战。鉴于此, 提出了基于维纳过程建立多状态切换设备的退化模型, 结合半马尔可夫模型和离散马尔可夫链模型, 推导得到了多状态切换设备的剩余寿命, 并提出了一种蒙特卡罗仿真算法进行求解。此外, 采用了期望最大化算法和极大似然算法辨识所提模型参数。最后, 通过仿真实验和实际案例证明了所提算法的有效性。
多状态 剩余寿命预测 维纳过程 半马尔可夫 离散马尔可夫链 multi-state remaining useful life Wiener process semi-Markov discrete Markov chains
无人装备一般数量众多、执行任务时间长、环境恶劣, 因此剩余使用寿命(RUL)预测尤为重要。综合性能指标序列使用单一模型的预测精度较低, 为解决此问题, 提出基于Kalman融合模型的RUL预测方法。首先, 采用面积最大值法提取无人装备关键部件综合性能指标的退化阶段; 其次, 利用具有指数特征的GM(1,1)模型、线性支持向量机SVR模型、非线性极端学习机(ELM)模型对综合性能指标进行预测, 每种模型可以捕捉综合性能指标的不同特征; 最后, 通过Kalman框架将3种模型的预测结果以迭代最小二乘的原则进行融合。实验结果显示, Kalman融合模型的预测方法可显著提高对综合性能指标的预测精度, 与ELM, SVR和GM(1,1)单一模型相比, 拟合精度分别提高了16.96%, 1.61%和39.84%, 预测精度分别提高了45.06%, 38.35%和74.12%。
剩余寿命预测 GM(1,1)模型 极端学习机(ELM) SVR支持向量机 Kalman融合模型 RUL prediction GM(1,1) model Extreme Learning Machine (ELM) SVR support vector machine Kalman fusion model
1 广西交通职业技术学院,南宁 530007
2 广西道路与结构重点实验室,南宁 530007
3 长安大学建筑工程学院,西安 710061
4 广西交科集团有限公司,南宁 530007
5 广西理工职业技术学院,崇左 532200
为探究钢渣粗骨料对混凝土抗硫酸盐侵蚀性能的影响,对不同钢渣粗骨料替代率(0%、30%、60%、90%,质量分数)混凝土在不同浓度(5%、10%、15%,质量分数)硫酸钠(Na2SO4)溶液中进行了侵蚀试验。基于熵权法建立了以混凝土质量、抗压强度和相对动弹性模量三个典型耐久性指标为参数的钢渣粗骨料混凝土耐久性综合评价指标D。通过D值反映钢渣粗骨料替代率和Na2SO4溶液浓度对混凝土耐久性的影响,并通过灰色理论的GM(1,1)模型对不同侵蚀条件下钢渣粗骨料混凝土的使用寿命进行预测。结果表明,整个侵蚀过程中,钢渣替代率低于60%的钢渣粗骨料混凝土的D值均高于普通混凝土,钢渣替代天然骨料配制混凝土可以提高混凝土抗硫酸盐侵蚀性能。GM(1,1)模型预测结果与试验结果基本一致,60%钢渣粗骨料替代率下混凝土的使用寿命均优于其他组。
钢渣粗骨料混凝土 硫酸盐侵蚀 熵权法 灰色理论 寿命预测 steel slag coarse aggregate concrete sulfate attack entropy weight method grey theory life prediction
1 西安理工大学, 省部共建西北旱区生态水利国家重点实验室, 西安 710048
2 上海勘测设计研究院有限公司, 上海 200434
3 中国电建集团西北勘测设计研究院有限公司, 西安 710065
以纳子峡水利枢纽工程为背景, 进行了粉煤灰、纤维素纤维双掺混凝土硫酸盐干湿循环试验。基于熵权法建立了可以综合反映混凝土质量、抗压强度和抗劈拉强度的耐久性指标耐久性值(D), 分析了硫酸钠溶液质量分数和粉煤灰掺量对D值的影响, 并构建了Grey Models-Back Propagation(GM-BP)神经网络, 用以揭示混凝土D值的时变规律, 得到了不同条件下混凝土的预期寿命。结果表明: D值可以反映出硫酸钠溶液质量分数和粉煤灰掺量对混凝土耐久性的影响。180 d时, 混凝土D值损失在10%(质量分数)内与硫酸钠溶液质量分数成正比; 粉煤灰最佳掺量在10%掺量梯度下为20%; 在数据量较小时, GM-BP神经网络相比于GM模型可以更加精确地预测混凝土在盐侵-干湿循环下D值的时变规律。
混凝土 硫酸盐侵蚀 耐久性 熵权法 寿命预测 concrete sulphate attack durability entropy weight method life prediction
1 中北大学能源与动力工程学院, 山西 太原 030051
2 中北大学机电工程学院, 山西 太原 030051
3 北京理工大学机械与车辆学院, 北京 100081
4 中国人民解放军32184部队, 北京 100072
针对湿式离合器油液监测数据具有来源分散、 数据量大及时间轴不稳定等问题, 对光谱分析得到的多数据进行融合, 利用维纳过程的预测实时性和预测准确的优点, 建立模型开展离合器剩余寿命预测研究。 首先, 通过排列熵加权证据融合方法对离合器寿命试验获得的指示元素进行融合, 构建健康指数； 其次, 结合维纳过程建立退化模型并通过极大似然法对模型中的参数进行估计； 再次, 根据历史退化数据对参数进行更新得到离合器剩余寿命预测模型； 最后, 将预测模型与实例进行对比, 得到利用融合多元素的健康指数建立的维纳过程预测模型预测准确性相比单指示元素预测有了很大提升, 其预测点更接近试验值。 通过观察也发现, 湿式离合器运行50～60 h左右时, 预测点有了明显的变化, 而同样在220～230 h时, 预测点有了明显的偏差, 在240 h左右又重新接近试验值, 其突变点对应了离合器磨损的三个阶段, 即初期磨损, 正常磨损和剧烈磨损。 研究结果表明, 融合油液光谱数据结合维纳过程建立的预测模型用于湿式离合器的剩余寿命预测, 具有预测实时性强且预测精度高的优点, 而通过预测结果和试验值对比发现, 湿式离合器磨损状态的不同对预测结果也有一定的影响, 尤其磨损状态转变点对预测结果的影响更大。
维纳过程 湿式离合器 加权证据融合 健康指数 剩余寿命预测 Wiener process Wet clutch Weighted evidence fusion Health index Residual life prediction 光谱学与光谱分析
2023, 43(4): 1314
1 中国电子科技集团 第五十八研究所， 江苏 无锡 214035
2 无锡中微高科电子有限公司， 江苏 无锡 214125
对比封装体不同的热疲劳寿命预测模型，选择适用于微弹簧型陶瓷柱栅阵列(CCGA)封装的寿命预测模型，并对焊点的热疲劳机制进行分析。利用Workbench对焊点进行在温度循环载荷作用下的热疲劳分析。对比不同热疲劳寿命预测模型的结果，表明基于应变能密度的预测模型更适用于微弹簧型CCGA。随后对等效应力、塑性应变、平均塑性应变能密度和温度随时间变化的曲线进行分析，结果表明，在温度保持阶段，焊柱通过发生塑性变形或积累能量来降低其内部热应力水平，减少热疲劳损伤累积；在温度转变阶段,焊柱的应力应变发生剧烈变化，容易产生疲劳损伤。
微弹簧 陶瓷柱栅阵列 热疲劳寿命预测 热疲劳机制 microcoil spring CCGA thermal fatigue life prediction thermal fatigue mechanism
1 江苏大学土木工程与力学学院，镇江 212013
2 上海中森建筑与工程设计顾问有限公司，上海 200062
采用纳米强化再生骨料表面的措施来改善再生骨料性能，建立多相再生混凝土细观数值模型，进行氯离子在再生混凝土内部传输的模拟和试验验证，并预测了氯盐环境下再生骨料表面强化混凝土耐久性寿命。结果表明：数值模拟得到的氯离子在再生混凝土内的分布与试验结果吻合较好；同一深度处，越靠近骨料表面，氯离子浓度越大，其中未强化再生骨料表面的氯离子浓度要大于强化再生骨料表面的氯离子浓度；增加保护层厚度可以有效提高纳米强化再生混凝土在氯盐环境下的耐久性寿命；随纳米包裹层氯离子扩散系数的减小，再生混凝土的耐久性寿命有所增加。
再生混凝土 骨料强化 随机分布 细观模型 氯盐侵蚀 寿命预测 recycled aggregate concrete aggregate strengthening random distribution mesoscopic model chloride erosion life prediction
基于dropout NN(dropout Neural Network)的设备剩余寿命(RUL)预测方法因使用具有固定分布形式的先验与近似后验的贝叶斯神经网络(BNN)导致预测精度较低。为解决该问题, 提出基于高斯近似后验BNN的RUL预测方法和基于混合高斯-伯努利网络的设备RUL预测方法, 前者引入混合高斯分布作为先验, 通过对参数梯度进行无偏蒙特卡罗估计以优化BNN, 后者引入一种离散化的高斯先验分布以正确地定义KL散度, 进而可以优化BNN。在PHM 2012轴承数据集上的验证结果表明所构建的混合高斯-高斯网络效果好于dropout NN, 证明了改变分布组合可以获得更好的预测效果。
设备剩余寿命预测 深度学习 贝叶斯神经网络 混合高斯-高斯网络 equipment remaining useful lifetime prediction deep learning Bayesian neural network mixed Gaussian-Gaussian network
1 中南大学材料科学与工程学院, 湖南 长沙 410083
2 北京动力机械研究所, 北京 100074
采用轴向应变控制法研究了激光增材制造成形GH3536合金在室温和800 ℃下的低周疲劳性能,并通过扫描电镜和透射电镜分别对合金的断口形貌、组织进行了分析。结果表明:温度和应变的增加会缩短合金的疲劳寿命。在室温下,合金在不同应变幅下均表现出了先循环硬化后循环软化的特征,且疲劳裂纹源单一;位错密度的增加是合金循环硬化的重要因素。在800 ℃下,合金在低应变幅下先循环硬化,再出现明显的循环稳定现象,最后循环软化至失效;在高应变幅下则表现为先循环硬化再循环软化。800 ℃下合金的裂纹源数量较多,相的析出及其对位错的钉扎使合金发生了硬化。合金的疲劳寿命与应变幅符合Basquin-Coffin-Manson关系。塑性应变能模型能够准确地预测疲劳寿命,预测结果均位于1.5倍分散带以内。
激光技术 低周疲劳 增材制造 GH3536合金 寿命预测 中国激光
2021, 48(22): 2202009
1 上海大学微电子研究与开发中心, 上海 200072
2 上海大学机电工程与自动化学院, 上海 200072
为了研究硅基OLED(Organic Light Emitting Diodes)微显示器的使用寿命,通过老化实验提出一种基于恢复模型的OLED亮度衰减模型,该亮度衰减模型融合传统延伸型指数衰减模型与OLED亮度恢复模型。使用亮度退化数据拟合衰减模型中的待定参数,得到初始亮度和占空比与OLED寿命之间的定性和定量关系,实现OLED的高精度亮度衰减预测。研究结果表明,对比所提模型的预测数据与实测亮度衰减数据可得,所提模型的预测误差小,拟合精度高达99.22%,相同初始亮度驱动下OLED的寿命预测准确度可提高79.1%。PWM(Pulse-Width Modulation)驱动下硅基OLED微显示器的寿命性能较传统电流/电压驱动型优越,在12.5%~87.5%的占空比下,可延长1.6~20.9倍的硅基OLED微显示器寿命。
光学器件 硅基OLED微显示器 亮度衰减模型 寿命预测 老化 占空比 光学学报
2021, 41(19): 1923003
