提出了一种针对挖掘机液压系统的非线性有源自回归(nonlinear auto-regressive with extrainputs,NARX)网络模型的故障检测方法。NARX网络模型是一种将有源自回归(auto-regressivewith extra inputs,ARX)模型与神经网络相结合的系统建...提出了一种针对挖掘机液压系统的非线性有源自回归(nonlinear auto-regressive with extrainputs,NARX)网络模型的故障检测方法。NARX网络模型是一种将有源自回归(auto-regressivewith extra inputs,ARX)模型与神经网络相结合的系统建模方法,具有很强的非线性辨识能力。该方法首先选取合理的网络模型结构,并根据AIC准则确定最佳模型阶数;使用正常状态样本对NARX网络进行训练,建立系统的辨识模型;然后运用序贯概率比检验(sequential probability ratiotest,SPRT)对NARX辨识模型的残差进行假设检验,检测系统的故障状态。实验分析表明,基于NARX网络模型的故障检测方法能够有效地应用于挖掘机液压系统。展开更多
提出了一种基于多元状态估计(Multivariate State Estimation Techniques,MSET)和序贯概率比检验(Sequential Probability Ratio Test,SPRT)的内燃机气阀机构振动监测方法。在该方法中,首先建立正常工况下各监测参数之间的关联模型;然...提出了一种基于多元状态估计(Multivariate State Estimation Techniques,MSET)和序贯概率比检验(Sequential Probability Ratio Test,SPRT)的内燃机气阀机构振动监测方法。在该方法中,首先建立正常工况下各监测参数之间的关联模型;然后根据系统当前观测特征向量与各建模样本特征向量之间的相似性程度,使用MSET对当前观测特征向量进行估计,得到与观测特征向量相对应的估计残差;最后使用SPRT对观测特征向量的估计残差进行均值和方差检验,确定系统的工作状态。试验中,通过设置不同的气阀间隙大小来模拟内燃机气阀机构不同程度的异常工况,以整周期缸盖振动信号幅值域特征作为系统工况监测参数。试验结果表明,MSET可有效增强故障状态下的信号特征呈现,而SPRT可在较少的周期内实现内燃机气阀机构异常工况的识别,MSET和SPRT的结合有效地实现了对内燃机气阀机构异常工况的早期监测。展开更多
针对电源车健康维护存在的问题,提出了一种基于长短时间记忆LSTM(Long Short Time Memory)网络与序贯概率比检验SPRT(Sequential Probability Ratio Test)融合的电源车故障诊断方法。该方法基于LSTM网络建立电源车的多变量时间序列模型...针对电源车健康维护存在的问题,提出了一种基于长短时间记忆LSTM(Long Short Time Memory)网络与序贯概率比检验SPRT(Sequential Probability Ratio Test)融合的电源车故障诊断方法。该方法基于LSTM网络建立电源车的多变量时间序列模型,并引入SPRT方法进行自适应多样本故障诊断。经在电源车仿真系统上进行对比实验,结果表明LSTM诊断模型有更强的学习和映射能力,LSTM-SPRT融合的故障诊断方法,显著提高了电源车故障诊断的准确率和可靠性。展开更多
提出了一种基于多元状态估计技术(MSET,multivariate state estimation techniques)和序贯概率比检验(SPRT,sequential probability ratio test)的导弹机构振动故障诊断方法。首先建立常规情况下导弹3处振动传感器所收集的振动信号的关...提出了一种基于多元状态估计技术(MSET,multivariate state estimation techniques)和序贯概率比检验(SPRT,sequential probability ratio test)的导弹机构振动故障诊断方法。首先建立常规情况下导弹3处振动传感器所收集的振动信号的关联模型;然后根据导弹3处异常振动信号的当前观测测特征向量与各建模样本特征向量之间的相似性程度,使用MSET对当前异常信号特征向量进行估计,得到与异常信号特征向量相对应的估计残差;最后使用SPRT对异常信号的估计残差进行均值和方差检验,确定系统的工作状态。仿真结果表明,MSET可有效地增强故障状态下的信号特征呈现,而SPRT可在较少的周期内实现对弹体机构异常工作的识别,MSET和SPRT的结合有效地实现了对导弹机构异常工作的早期诊断。展开更多
文摘提出了一种针对挖掘机液压系统的非线性有源自回归(nonlinear auto-regressive with extrainputs,NARX)网络模型的故障检测方法。NARX网络模型是一种将有源自回归(auto-regressivewith extra inputs,ARX)模型与神经网络相结合的系统建模方法,具有很强的非线性辨识能力。该方法首先选取合理的网络模型结构,并根据AIC准则确定最佳模型阶数;使用正常状态样本对NARX网络进行训练,建立系统的辨识模型;然后运用序贯概率比检验(sequential probability ratiotest,SPRT)对NARX辨识模型的残差进行假设检验,检测系统的故障状态。实验分析表明,基于NARX网络模型的故障检测方法能够有效地应用于挖掘机液压系统。
文摘提出了一种基于多元状态估计(Multivariate State Estimation Techniques,MSET)和序贯概率比检验(Sequential Probability Ratio Test,SPRT)的内燃机气阀机构振动监测方法。在该方法中,首先建立正常工况下各监测参数之间的关联模型;然后根据系统当前观测特征向量与各建模样本特征向量之间的相似性程度,使用MSET对当前观测特征向量进行估计,得到与观测特征向量相对应的估计残差;最后使用SPRT对观测特征向量的估计残差进行均值和方差检验,确定系统的工作状态。试验中,通过设置不同的气阀间隙大小来模拟内燃机气阀机构不同程度的异常工况,以整周期缸盖振动信号幅值域特征作为系统工况监测参数。试验结果表明,MSET可有效增强故障状态下的信号特征呈现,而SPRT可在较少的周期内实现内燃机气阀机构异常工况的识别,MSET和SPRT的结合有效地实现了对内燃机气阀机构异常工况的早期监测。
文摘针对电源车健康维护存在的问题,提出了一种基于长短时间记忆LSTM(Long Short Time Memory)网络与序贯概率比检验SPRT(Sequential Probability Ratio Test)融合的电源车故障诊断方法。该方法基于LSTM网络建立电源车的多变量时间序列模型,并引入SPRT方法进行自适应多样本故障诊断。经在电源车仿真系统上进行对比实验,结果表明LSTM诊断模型有更强的学习和映射能力,LSTM-SPRT融合的故障诊断方法,显著提高了电源车故障诊断的准确率和可靠性。
文摘提出了一种基于多元状态估计技术(MSET,multivariate state estimation techniques)和序贯概率比检验(SPRT,sequential probability ratio test)的导弹机构振动故障诊断方法。首先建立常规情况下导弹3处振动传感器所收集的振动信号的关联模型;然后根据导弹3处异常振动信号的当前观测测特征向量与各建模样本特征向量之间的相似性程度,使用MSET对当前异常信号特征向量进行估计,得到与异常信号特征向量相对应的估计残差;最后使用SPRT对异常信号的估计残差进行均值和方差检验,确定系统的工作状态。仿真结果表明,MSET可有效地增强故障状态下的信号特征呈现,而SPRT可在较少的周期内实现对弹体机构异常工作的识别,MSET和SPRT的结合有效地实现了对导弹机构异常工作的早期诊断。
