- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
机械故障预测模型应用研究
摘要:机械故障的预测技术已经成为了确保机械设备能够满负荷、长期和安全运作的一项关键性技术,预测模型在机械故障的预测技术当中是一项核心的内容。加强机械设备故障的预测技术和预测模型应用的研究,意义和作用极为重大,发展前景十分广阔。本文简要介绍了机械故障预测技术的含义、作用及发展趋势,深入分析了机械故障预测技术常见模型及其应用,希望对于机械故障预测模型的应用研究和实践工作能够起到一定帮助和借鉴作用。
关键词:机械故障预测模型应用
随着我国国民经济的持续增长和科学技术不断进步,特别是现代自动化控制技术水平的快速发展,使得各种工程系统性能得到提高、复杂程度大为增加,由于工程系统的安全性与可靠性是保障系统社会与经济效益的关键性因素, 因此工程系统故障的预测与诊断问题越来越受到人们高度的重视和普遍的关注。从实际情况看,故障诊断的传统技术已经无法满足复杂的机械设备运行的实际要求,由于机械设备的运行故障的原因,造成近年来机械类灾难性的事故多发频发的问题突出。加强对机械设备状态的监控与故障的预测,确保设备及时得到维修、保持零故障运作的状态,成为对机械故障进行预测的研究焦点。机械故障的预测技术已经成为了确保机械设备能够满负荷、长期和安全运作的一项关键性技术。预测模型在机械故障的预测技术当中是一项核心的内容。所以加强机械设备故障的预测技术和预测模型应用的研究,对于减少相关经济的损失,延长机械设备的使用寿命、加强机械设备安全事故预防工作均有着非常重要的作用和意义,发展和应用的前景十分广阔。本文简要介绍了机械故障预测技术的含义及发展趋势,深入分析了机械故障预测技术常见模型及其应用,希望对于机械故障预测模型的应用研究和实践工作能够起到一定帮助和借鉴作用。
1.机械故障预测技术概述
1.1机械故障预测技术的含义
机械故障预测指的是用来保证机械设备能够长期、安全且满负荷地运行的一种关键性技术,属于机械故障的诊断学的学科范畴和研究重点。机械故障预测技术的常用方法有两种,一种是特征参数的跟踪法,就是按照监测参数的一些历史性数据,来作出对未来某一时刻特征参数的数值推断,从而确定出设备故障发生的可能性概率;另一种是油液分析法,就是通过分析润滑油里金属的成分及含量,来判断部件的磨损及其程度。
1.2 机械故障预测技术发展的趋势
对机械故障的预测过程中,创建符合实际情况的故障预测的模型是非常关键的步骤。结合机械设备故障的突出特点,机构故障的预测技术呈现出如下的发展趋势:一是使用多参数进行预测,为准确地对机械设备使用的寿命进行预报,需要考虑多种诊断性指标,以便于对不同类型的故障以及不同的阶段进行描述。二是通过组合方式进行预测。由于机械故障的发展过程存在着多种可能和趋势,具有确定性与随机性相结合的特点,所以要想准确地预测相关的机械故障必须综合运用各类预测的模型,通过预测模型的组合运用,确保信息充分利用,增强预测的精度。
2. 机械故障预测技术的常用模型及其应用
当前故障预测中常用的模型有以下几种:
2.1 曲线拟合的模型
曲线拟合的模型属于一种最为简单的故障预测的模型,对历史数据进行回归分析、并采取相关的数学处理方法,绘制出和历史的数据最为相符的曲线,运用曲线外推法预测出机械的工况,特点是原理相对简单且实施较为方便,但预测的误差较大,常用于对简单装置进行监控的系统。
2.2 滤波的模型
Kalman 滤波模型可以从存在干扰噪声的一些观测信号当中,来对被观测的系统状态统计和估值,可能同时得出机械预报的方程,所以被大量应用到预报的领域之中。采取Kalman 滤波器来对数据进行测量和处理,能够在不增加基本计算量条件下提高数据辨识的精度,和其他的方法比较,有着计算量小且预报的精度较高等特点,其局限性是只可用在线性的系统中。
2.3 时间序列的模型[4]
自回归的滑动平均的模型ARMA(n,m),把观察值Xt用来表示在t时刻之前n项观察值Xt-1~Xt-n及m项随机性线性组合,而它的权值因子就是自回归的参数和滑动平均的参数。因为ARMA(n,m)模型的定阶十分复杂,计算的时间较长,不方便用来预测,因此人们将它简化成AR(n)模型,有着建模简单且计算快速的优点,可以用来对早期碰摩的故障检测及未知故障的预报。
2.4灰色的模型
灰色预测模型是建立灰色系统的理论基础之上的。对于部分信息为已知、而部分信息为未知的那些系统被称作灰色的系统。由于影响观察家机械设备的工作状况因素较多,这当中有着确定性的因素,也有着非确定性的因素,就是通常说的灰色0,所以灰色的模型可以适用机械故障的预测。GM(1,1)模型是一种最为常用的故障预测灰色模型,用在机械故障的短期预测当中效
文档评论(0)