機械設(shè)備波動運行狀態(tài)參數(shù)的預(yù)測方法研究.pdf

1、本文基于國家自然科學基金資助項目—非線性旋轉(zhuǎn)機械轉(zhuǎn)子系統(tǒng)的突變故障預(yù)測研究(50975105)撰寫。隨著生產(chǎn)技術(shù)的高速發(fā)展,電力、機械等行業(yè)的設(shè)備日趨大型化和精密化,設(shè)備的健康狀況對企業(yè)的安全、經(jīng)濟生產(chǎn)具有重要意義。預(yù)測技術(shù)可以從設(shè)備歷史狀態(tài)參數(shù)的發(fā)展趨勢中挖掘其變化規(guī)律,對潛在的故障隱患進行預(yù)報,為合理安排維修計劃提供技術(shù)支持,從而保證設(shè)備的安全運行。
　　本文首先針對機械設(shè)備振動狀態(tài)數(shù)據(jù)通常具有波動性的問題,提出了一種利用馬爾

2、科夫方法對灰色預(yù)測結(jié)果修正的預(yù)測模型。首先利用灰色等維新息GM(1,1)模型對樣本數(shù)據(jù)進行灰預(yù)測,根據(jù)狀態(tài)實測數(shù)據(jù)與其灰預(yù)測結(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。在對設(shè)備狀態(tài)進行預(yù)測的時候,利用馬爾科夫狀態(tài)轉(zhuǎn)移概率矩陣和當前狀態(tài)的誤差百分比狀態(tài)向量計算得到馬爾科夫修正值,對灰色預(yù)測結(jié)果進行修正,實現(xiàn)對波動狀態(tài)參數(shù)的預(yù)測;此外,本文從尋求新方法的角度出發(fā),通過對蟻群算法的學習,建立了基于蟻群算法的信號重構(gòu)

3、波動運行狀態(tài)參數(shù)預(yù)測模型,首先對波動性數(shù)據(jù)使用信號重構(gòu)處理之后讓其在一定范圍內(nèi)波動,然后采用蟻群算法中信息素的思想來對數(shù)據(jù)進行預(yù)測;最后,本文介紹了作者在研究生期間的主要科研項目-國內(nèi)某汽車制造廠商的發(fā)動機工廠設(shè)備點檢與維修信息管理系統(tǒng),并介紹在該系統(tǒng)中如何實現(xiàn)對設(shè)備的故障預(yù)測。
　　通過對潛油泵的實例證明,首先本文所建立的灰色-馬爾科夫波動運行參數(shù)預(yù)測模型,不論在數(shù)據(jù)預(yù)測精度還是在對波動性數(shù)據(jù)的趨勢預(yù)測上都有不錯的效果;其次基于