简介:摘 要:针对高铁列车车载蓄电池剩余寿命的问题,本文采用故障预测与健康管理方法,提出通过选取特征因子表征蓄电池的状态,并在基于大量数据基础采用神经网路算法对蓄电池剩余使用时长进行预测。为高速铁路列车车载蓄电池的延长使用寿命和维护工作提供一定的指导。
简介:摘要:锂离子电池因其容量高、安全性好、环保等优点被广泛应用于各行各业,如电子通讯、航空航天等。但锂离子电池在使用一段时间后往往会变质,这对设备和仪器非常不利。因此,预测锂离子电池的使用寿命非常重要。
简介:摘要:由于刀具磨损状态对加工质量影响较大,提出了一种基于单隐含层前馈神经网络——ELM的刀具磨损状态在线监测方法。根据铣削刀具的实时工况数据,采用统计分析、快速傅里叶变换和小波变换多种特征提取方法,提取出34个对刀具磨损敏感的时域、频域、时频域混合特征。将提取的特征与磨损量输入极限学习机网络框架中进行训练得到ELM模型,把测试集特征放入ELM模型进行预测评估,得到对应的预测刀具磨损量及剩余走刀次数。通过与SVR和遗传算法优化BP神经网络的预测结果比较发现,ELM具有学习速度快、预测精度高、泛化能力强的显著优势,能实现刀具磨损状态的在线监测。
简介:摘要:针对航空管制雷达驱动机构中的轴承实际工作环境中往往环境噪声较大,严重制约了信号的分析,影响最终的信号分析与判断的问题,本文提出了一种基于完全集合经验模态分解(Complete EEMD with Adaptive Noise,CEEMDAN)和长短期记忆网络(LSTM,Long Short-Term Memory)的滚动轴承剩余寿命预测方法。以PHM2012滚动轴承数据集为实验数据,利用采集到三种不同工况下的X轴和Y轴振动信号,利用 CEEMDAN对振动信号分解并筛选主要 IMF分量,计算前 7阶 IMF分量的能量熵作为特征向量;最后将特征向量LSTM进行寿命预测。实验结果表明本文提出的模型有效,为工程应用中滚动轴承剩余寿命预测提供参考。
简介:摘要:随着国内外锂离子动力电池领域的高速发展,动力电池结构也产生了迭代的趋势,导致动力电池的特性进一步向高能量密度、强稳定性、长寿命和低功耗方面演进。锂离子动力电池系统由于具有输出电压大、循环寿命长、体积密度大、自放电量小、操作温度波动范围广泛等优点,因而应用较为广泛。不过由于镍氢电池系统本身的特殊性,在过充、过放、过温的情况下,锂离子脱嵌动力电池的性能也会面临着很大的发展问题,甚至可能产生安全性问题。精准的电池状态预测和电池使用寿命预测,可以帮助客户准确地掌握电池信息和更换已失效电池,从而确保了整个电池组的健康有效的工作。因此,本文将重点以锂离子动力电池状态控制与使用寿命预估中的有关问题展开内容探讨。
简介:摘要:我国电力变压器现行维护标准采用的机制仍然是定期维修机制,定期维修机制与生俱来的“维修不足”和“维修过剩”缺点在实际操作中时有发生。过度保养和维修不及时会给变压器零部件造成不可逆转的损伤,人为地缩短变压器的使用寿命,对电力网安全可靠运行造成影响。由于定期维修的弊端日益显现,应用在电力变压器系统上的视情维修机制被提出。变压器视情维修机制在对变压器故障机理分析的基础上,根据在线监测数据分析出电力变压器运行的潜在风险,并对被监测变压器及时更换、维修,从而避免功能故障的发生。而视情维修前提件是建立起一套准确度高的、完善的故障诊断机制以准确判断计划停机时间来进行视情维修。
简介:摘 要:本文提出了一种结合物理模型方法所需样本量少和数据驱动方法预测精度高及预测速度快的优点的Wiener-ANN模型用于电梯轴承剩余使用寿命预测。单一时域特征未能完整地描述轴承的退化过程,所以本文使用了时频域特征作为多源输入数据对模型进行优化和预测。首先对轴承振动信号进行小波分解得到不同频段的能量密度时频域特征作为多源输入数据,用于优化Wiener过程模型的参数并使用优化后的Wiener模型进行第一阶段预测;构建了一个三层ANN网络,以第一阶段的一系列预测结果作为训练数据优化ANN网络模型;用优化后的Wiener模型联合ANN网络对测试数据集进行剩余寿命预测。