精华内容
下载资源
问答
  • 滚动轴承退化趋势预测
    千次阅读 热门讨论
    2020-09-28 20:13:42

    性能退化趋势预测总结

    个人觉得性能退化趋势预测比寿命预测做出东西简单一点,但是找问题的话都是不简单的,说到找问题,这就要写文献综述了,写文献综述的意义是找到你要解决的问题;看到这里就会问如何写文献综述?https://zhuanlan.zhihu.com/p/53322770(很详细)。

    性能退化趋势预测的关键步骤:

    1. 衰退性能指标的建立
    2. 预测模型的建立

    说白了预测模型就是拟合,不同的模型拟合程度不一样,重点是衰退指标的建立,衰退指标建立又和统计特征有关(时域、频域、时频域、三角函数等)。

    衰退指标建立方法

    在这里我就列一部份:

    线性降维方法:

             PCA,LDA等
    

    非线性降维方法:

            流行学习(LLE,IOSMAP等)。
    

    分类算法:

            SOM(自组织神经网络),SVDD(支持向量数据域描述),HMM(隐马尔可夫模型),FCM(模糊C均值理论)
    

    预测模型

    1.统计学模型:自回归模型,移动平均模型,自回归移动平均模型,差分自回归移动平均模型,季节性差分自回归移动平均模型。

    2. 传统机器学习:SVM,由SVM发展的LSSVM等一系列模型;

    3.深度学习:(循环神经网络等一系列变体(LSTM,GRU等等))

    预测模型

    评价指标:
    MAE(平均绝对误差)
    MSE(均方误差)
    MAPE(平均绝对百分比误差)
    均方根误差(RMSE)

    总结

    这篇文章是我研究方向的方法,总结了自己研究上的做法。后面会写一些原理和代码,记录自己的学习生活,加油!

    更多相关内容
  • 在分析了滚动轴承退化趋势预测是实现滚动轴承预防维护关键的基础上,提出了基于时间编码信号处理与识别(TESPAR)和最小二乘支持向量机(LS-SVM)相结合的滚动轴承性能退化趋势预测新方法。将通过TESPAR提取的性能退化...
  • 基于量子加权门限重复单元神经网络的性态退化趋势预测.pdf
  • 基于递归熵及长短期记忆神经网络的滚动轴承退化趋势预测.pdf
  • 设备的性能退化4%后只需要更换部件和零件,退化10%后需要更换子系统,退化100%后需要更换整个系统,这正是性退化预测研究的重要性的体现.


    设备的性能退化4%后只需要更换部件和零件,退化10%后需要更换子系统,退化100%后需要更换整个系统,这正是性退化预测研究的重要性的体现.

    展开全文
  • 行业资料-电子功用-含有奇异信号的电子产品退化状态趋势预测方法
  • 为了对RUL预测获得更有效和高效的退化特征选择,提出了三个良度指标/内在满足指标,如单调性、鲁棒性和预测性。单调性度量评估特征的增加或减少趋势信息,鲁棒性复制特征对异常值的容忍度。鲁棒性度量包括特征对运行...

    为了对RUL预测获得更有效和高效的退化特征选择,提出了三个良度指标/内在满足指标,如单调性、鲁棒性和预测性。单调性度量评估特征的增加或减少趋势信息,鲁棒性复制特征对异常值的容忍度。鲁棒性度量包括特征对运行条件下由于传感器噪声、轴承退化过程或变化的随机性而可能发生的随机波动的鲁棒性。预后性测量了系统群体中关键失效值的差异。
    单调性monotonicity、预测性Prognosability,这两个matlab自带的有,调用即可。
    在这里插入图片描述
    就像这样。我用的是matlab2019a版本,不知道别的版本是否自带。

    公式如下:在这里插入图片描述
    现在参考的是《基于自适应顺序的滚动轴承最优特征选取与寿命预测》刘胜兰1,高凌寒2,杜剑维1,刘 晨的论文,根据公式自己编写代码(只做参考,不保证正确)
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    相关性代码:
    输入的x、y是两个特征值之间的相关性,计算出来的得到的是一个数,在[0,1]之间。约靠近1,说明相关性越大。

    function co=correla(x,y)
    m1=mean(x);
    m2=mean(y);
    x1=x-m1;
    y1=y-m2;
    co=sum(x1.*y1)/sqrt(sum(x1.^2)*sum(y1.^2));
    end
    

    鲁棒性代码:

    function r=rob(f,lambda)
    fr=EWMA(f,lambda);
    k=length(f);
    for i=1:length(fr)
        q(i)=exp(-abs(fr(i)/f(i)));
    end
    r=(1/k)*(sum(q));
    
    function smoothed_z = EWMA(z,lambda)
    %
    % Computes the exponentially weighted moving average (with memory L) of
    % input data z
    %
    %lambda = 1-2/(L+1);
    smoothed_z = zeros(size(z));
    for i = 1:size(z,1)
        smoothed_z(i,1) = z(i,1);
        for j = 2:size(z,2)
            smoothed_z(i,j) = lambda * smoothed_z(i,j-1) + (1-lambda) * z(i,j);
        end
    end
    
    展开全文
  • 针对监测应力的复杂构成及监测数据较低的使用效率,提出一种基于统计理论的新型桥梁应力趋势预测评估方法。该方法主要基于统计理论,将季节性荷载、随机性荷载产生的应力从应力监测值中分离,然后准确观测并拟合结构...
  • matlab列车轴承性能退化评估研究matlab列车轴承性能退化评估研究摘要:轴承是列车的重要部件,同时也是极易损伤的部件。现阶段对于轴承故障诊断的研究比较多,而对轴承性能退化评估的研究则较少。性能退化评估可以...

    matlab列车轴承性能退化评估研究

    matlab列车轴承性能退化评估研究

    摘要:轴承是列车的重要部件,同时也是极易损伤的部件。现阶段对于轴承故障诊断的研究比较多,而对轴承性能退化评估的研究则较少。性能退化评估可以用于轴承的主动维护,能缩短维修时间,提高列车的利用率和可靠性。本先使用小波包-支持向量数据描述的方法对列车轴承性能退化评估进行理论分析。小波包分解是一种强大的信号分析处理工具,可对信号进行精细的刻画,从振动信号中提取特征。基于统计学习理论的支持向量数据描述是一种具有良好计算性能的单值分类方法,计算速度快。再通过使用matlab软件编程来读取原始数据,并以小波包分解的节点能量构成特征向量,用正常状态下的数据样本通过支持向量数据描述方法建立模型,来实现对待测样本退化程度的评估。最后,通过得到的评估结果验证了程序的正确性。12387

    关键词:轴承;性能退化评估;支持向量数据描述;小波包分解;特征提取

    Research on performance degradation assessment of train bearing

    Abstract:Bearing is an important part of the train, but also very easy to damage the parts. At the present stage, there are many researches on the bearing fault diagnosis, while the research on the performance degradation assessment of the bearing is less. Performance degradation assessment can be used for the active maintenance of bearings, which can shorten the maintenance time and improve the utilization and reliability of the train. In this paper, the method of wavelet packet-support vector data description is used to analyze the performance degradation of the train bearing. Wavelet packet decomposition is a powerful tool for signal analysis and processing, which can be used to characterize the signal and extract features from the vibration signal. The support vector data description based on statistical learning theory is a kind of single value classification method with good computing performance. Again by using the MATLAB software programming to read the original data, and the wavelet packet decomposition of the energy of the nodes to form a feature vector, with the normal state of sample data through support vector data description method to build the model, to achieve the treatment to measure the degree of sample degradation assessment. Finally, the evaluation results are obtained to verify the correctness of the program.

    4.1 本文总结27

    4.2 研究展望28

    致谢29

    参考文献30

    1绪论

    1.1 课题研究的背景与意义

    铁路运输是经济发展的一个重要动力因素,经济的发展又推动铁路运输的科学发展。随着中国经济增长步伐的不断加快,就要求铁路运输有更高的可靠性,满足经济发展的要求。机车车辆是运载工具,保证了它的可靠也就提高了铁路运输的安全性。列车轴承性能退化评估则是保障列车安全运行的一种

    展开全文
  • 利用振动信号对轴承的劣化趋势进行预测,对轴承全寿命周期各阶段的峰值指标、歪度指标、峭度指标、均方根等时域指标变化趋势进行分析,将峰值指标作为反映带式输送机轴承健康状态的退化特征量,形成退化特征序列。...
  • 地铁门夹紧力峰值数据在一定程度上可以反映其传动系统的...通过两种模型预测对比结果表明,EMD-ARIMA模型可以较好地预测地铁门夹紧力峰值的变化趋势,这种改进的预测方法可以对处于调试期车门退化状态的预测提供新思路.
  • 该方法采集振动加速度信号构建数据样本,提取有效值、峰值、小波熵等表征轴承退化趋势的特征指标;采用主元分析融合多个特征指标,消除特征间的冗余和相关性,构造出相对多特征的退化特征量;将退化特征量输入SVM...
  • 2019-11-10 10:42:35 ...由于意外的机器学习模型退化导致了几个机器学习项目的失败,我想分享一下我在机器学习模型退化方面的经验。实际上,有很多关于模型创建和开发阶段的宣传,而不是模型维护。 假设机器...
  • 针对风电机组中机械结构和电子系统性能退化的各自特点,归纳当前的研究进展,提出物理失效模型和数据驱动模型融合的故障预测方法;最后,归纳了利用风力发电机组数据采集与监控系统(SCADA)数据进行故障诊断与预测...
  • 根据经验设定机械设备完全失效对应的退化指标的阈值,用退化指标序列训练灰色模型,然后用训练好的模型预测退化指标的变化趋势,从而估计退化指标到达设定阈值时的时间并以此作为机械设备的剩余使用寿命。最后通过轴承...
  • 本帖最后由 zwlbeyond 于 2020-5-19 14:30 编辑数据集使用了PHM08挑战数据集,是涡轮风扇发动机退化模拟数据集。训练数据包含218个运行到故障模拟。这组测量被称为“集合”。每个集合成员都是一个包含26列的表。 ...
  • SMART的目的是监视硬盘驱动器的可靠性并预测驱动器故障,并执行不同类型的驱动器自检。 这些SMART硬盘驱动器自检可以帮助您在导致永久性数据丢失之前检测并更换发生故障的硬盘驱动器。 但是, smartd有两个问题: ...
  • 时间序列预测比赛小结(1)

    千次阅读 2021-11-30 13:00:24
    2.趋势性:随时间变化的序列的变化模式,可以是线性或者非线性增加或减少的行为 3.季节性:序列数据随时间变化的重复模式或周期性为 4.周期性:周期性的发生频率低于季节性波动。与季节性不同,周期性变化可能没有...
  • 在上一篇文章中我们讲到了三种机电产品算命方法:相似模型法、退化模型法和生存模型法。 这一篇我们将使用相似模型法构建完整的剩余使用寿命(RUL)估计工作流程。该案例来自MATLAB的Similarity-Based Remaining ...
  • Gamma过程的加速退化试验设计关键技术研究导读:本文在介绍步进应力加速退化试验设计基本理论的基础上,研究基十Gamma过程的步进应力加速退化试验设计相关问题,给出单应力、多应力下步进应力加速退化试验设计方法,...
  • 数据驱动背景下的设备故障预测一、设备故障预测1、基于可靠性模型的故障预测方法2、基于物理模型的故障预测方法3、基于数据驱动的故障预测方法三级目录 一、设备故障预测 设备故障预测是PHM(Prognostics Health ...
  • 越来越长的序列使模型的预测能力变得紧张,以至于这种趋势正在支撑对 LSTF 的研究。作为一个经验例子,图(1)显示了在真实数据集上的预测结果,其中 LSTM 网络从短期(12 个点,0.5 天)到长期预测变电站的每小时...
  • 因为计算能力是一个十分重要的问题,特别是现在传统算法的速度和记忆储存能力退化很快。而现在你可以很容易知道哪些数据是最容易分析的,不得不说,赛场易主了。”  Loconzolo表示:“我们最感兴趣的地方是,怎样...
  • 电池寿命预测

    千次阅读 多人点赞 2020-11-27 13:54:21
    全面总结了现阶段电池寿命预测技术的关键技术问题与挑战,并从多方面展望了电池寿命预测技术发展的未来趋势与方向。 论文概述 研究意义 近年来,为了应对传统化石燃料枯竭和环境恶化,锂离子电池在新能源汽车和电网...
  • 锂电池剩余寿命预测(简单介绍)

    千次阅读 2020-12-23 22:15:30
    我们简单的可以看成一个时间序列预测的问题,比如知道前100个点,预测接下来68个点,从已知的点中提取出特征用来反映容量的变化趋势,我们的目标是在知道的数据尽可能少的情况下,使预测精度尽可能高,最好一次充...
  • 本文将介绍激光SLAM的典型方案和未来的趋势,推荐收藏~ 前面的话 好久没有更新SLAM系列的文章了,前面我们讲到了激光SLAM技术。基于激光雷达的同时定位与地图构建技术(simultaneous localization and mapping, ...
  • 机器学习模型评估与预测

    千次阅读 2019-08-03 09:51:59
    模型评估与预测1.1经验误差与过拟合1.2 评估方法1.2.1留出法(hold-out)1.2.2交叉验证法1.2.3 自助法1.3性能度量1.3.1 查准率,查全率与F1 1.1经验误差与过拟合 定义几个概念: ⋅\cdot⋅ 错误率(error rate) ...
  • 粒子滤波实现刀具寿命预测

    千次阅读 2021-07-13 08:47:29
    粒子滤波实现刀具寿命预测(附python代码) 背景介绍 刀具失效是加工过程中的主要问题,通过多特征融合方法实现刀具磨损量预测后建立了刀具的健康指标。接下来就是利用得到的健康指标对刀具的剩余寿命进行预测。粒子...
  • 激光SLAM的发展和应用趋势

    千次阅读 2022-04-21 17:03:25
    激光SLAM的发展和应用趋势
  • 涡扇发动机的预测性维护

    千次阅读 2020-09-20 11:14:48
    尽管已经发布了十多年,但NASA的涡扇发动机退化模拟数据集(CMAPSS)仍然很受欢迎,并在今天具有重要意义。 截止到2020年,已有90多篇新研究论文发表[1]。 这些论文提出了新的算法并对其进行了基准测试,以预测涡轮...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 2,127
精华内容 850
关键字:

退化趋势预测