趋势预测法在机械设备状态评价中的应用和展望

doi:10.16731/j.cnki.1671-3133.2017.11.029

现代制造工程 ›› 2017, Vol. 446 ›› Issue (11): 157-161.doi: 10.16731/j.cnki.1671-3133.2017.11.029

• 专题论述 • 上一篇

趋势预测法在机械设备状态评价中的应用和展望

曲盼盼^1,2, 宣征南^2,3, 张铱鈖¹, 何照荣², 孙志伟²

1 太原理工大学化学化工学院,太原 030024;
2 广东石油化工学院机电工程学院,茂名 525000;
3 广东省石化装备故障诊断重点实验室,茂名 525000

收稿日期:2016-03-09 出版日期:2017-11-20 发布日期:1900-01-01
作者简介:曲盼盼,硕士研究生,研究方向为石化装备关键机组磨损测控系统建立。 E-mail:panqu0205@163.com
基金资助:
国家自然科学基金项目(61174113);茂名市科技计划项目(201327);广东省石化装备故障诊断重点实验室开放基金项目(GDUPTKLAB201314);广东省高校石油化工过程装备故障诊断与信息化控制工程技术开发中心开放基金项目(512015)

The application and prospect of trend prediction for equipment condition in oil-monitoring

Qu Panpan^1,2, Xuan Zhengnan^2,3, Zhang Yifen¹, He Zhaorong², Sun Zhiwei²

1 College of Chemistry and Chemical Engineering,Taiyuan University of Technology,Taiyuan 030024,China;
2 College of Mechanical and Electrical Engineering,Guangdong University of Petrochemical Technology,Maoming 525000,Guangdong,China;
3 Guangdong Provincial Key Laboratory of Petrochemical Equipment Fault Diagnosis,Guangdong University of Petrochemical Technology,Maoming 525000,Guangdong,China

Received:2016-03-09 Online:2017-11-20 Published:1900-01-01

摘要/Abstract

摘要： 设备状态趋势预测是设备故障诊断的主要任务之一,也是该领域的重要研究内容。尤其是在机械设备的维修方式由定期维修过渡到预测维修后,为了准确地预测设备状态的发展趋势,制定出科学、合理的维修措施,设备的状态趋势预测技术尤为重要,因此,对机械设备状态趋势分析的方法及进展进行了介绍,并结合油液监测技术,提出了一种以多元信息融合为基础的设备趋势预测新方法。

关键词: 设备状态, 趋势预测, 油液监测, 多源信息融合

Abstract: The prediction for equipment condition trend is not only one of the main tasks of fault diagnosis,but also an important research in this field.Especially,since the equipment maintenance mode changed from regular maintenance to predictive maintenance,in order to predict the trend of equipment condition accurately and formulate scientific and reasonable remedy,the prediction technology for equipment condition trend is particular significant.Therefore,the methods and research process for equipment condition trend prediction are introduced.Thus,combined with oil-monitoring technology,a new method of equipment trend prediction which is based on multi-source information fusion is proposed.

Key words: equipment condition, trend predict, oil-monitoring, data fusion

中图分类号:

TH17
TP207

曲盼盼, 宣征南, 张铱鈖, 何照荣, 孙志伟. 趋势预测法在机械设备状态评价中的应用和展望[J]. 现代制造工程, 2017, 446(11): 157-161.

Qu Panpan, Xuan Zhengnan, Zhang Yifen, He Zhaorong, Sun Zhiwei. The application and prospect of trend prediction for equipment condition in oil-monitoring[J]. Modern Manufacturing Engineering, 2017, 446(11): 157-161.

参考文献

[1]杨国安.机械设备故障诊断实用技术[M].中国石化出版社,2007:32-34.
[2] HE Q,YAN R,KONG F,et al.Machine condition monitoring using principle component representation[J].Mechanical Systems and Signal Processing,2009,23(2):446-466.
[3] WIDODO A,YANG B S.Support vector machine in machine condition monitoring and fault diagnosis[J].Mechanical Systems and Signal Processing,2007,21(6):2560-2574.
[4] 邹新元.设备状态趋势的变参数指数加权平滑预测方法研究[J].长沙电力学院学报,2002,17(4):56-59.
[5] 马平,吕锋,杜海莲,等.多传感器信息融合基本原理及应用[J].控制工程,2006,13(1):48-51.
[6] 范昕炜.支持向量机算法的研究及其应用[D].杭州:浙江大学信息科学与工程学院,2003.
[7] 王红军,徐小力.支持向量机理论在设备状态趋势预测上的应用研究[J].兰州理工大学学报,2005,31(6):36-39.
[8] 温后珍,孟碧霞,徐小力,等.基于支持向量机的旋转机组状态趋势预示技术[J].重型机械,2006(2):36-39.
[9] 徐达,武新星,郭磊,等.基于最小二乘支持支持向量机的坦克炮身管剩余寿命预测方法[J].装甲兵工程学院学报,2010,24(2):42-44.
[10] 高伟,王宁.浅海混响时间序列的支持向量机预测[J].计算机工程,2008,34(6):25-27.
[11] 徐永俊.基于混沌和SVR的短时交通流预测方法研究[D].成都:西南交通大学,2011.
[12] WU CHUNHSIN,HO JANMING,LEE D T.Travel-time prediction with support vector regression[J].IEEE Transactions on Intelligent Transportation Systems,2004,5(4):276-281.
[13] 许娟.基于神经网络的机械振动故障诊断系统设计[D].沈阳:沈阳工业大学,2003.
[14] 马海志,王福林,王慧鹏,等.基于改进BP神经网络的黑龙江农机总动力预测[J].农机化研究,2016(2):22-26.
[15] 余宾.基于神经网络的飞机发动机性能趋势预测系统[J].中国制造业信息化,2008,37(21):58-63.
[16] 王吉芳,费仁元,徐小力,等.ARIMA与RBF复合模型在设备运行状态趋势预测中的应用[J].机械传动,2011,35(9):85-87.
[17] 阮羚,谢齐家,高胜友,等.人工神经网络和信息融合技术在变压器状态评估中的应用[J].高电压技术,2014,40(3):822-828.
[18] 陈士玮,李柱国.灰色理论在柴油机油液监测中的应用研究[J].内燃机学报,2007,23(5):475-479.
[19] 李国辉.基于灰色理论与BP神经网络的电力负荷预测[D].哈尔滨:哈尔滨理工大学,2005.
[20] 谭开忍,肖熙.基于灰色理论的海底管道腐蚀剩余寿命预测方法[J].上海交通大学学报,2007,(2):25-29.
[21] 王国荣,胡刚,何霞,等.基于灰色系统理论的压裂泵阀箱用钢疲劳寿命预测[J].热加工工艺,2015,44(6):48-52.
[22] 朱大奇,易健雄,袁芳,等.基于小波灰色预测理论的旋转机械故障预测分析仪[J].仪器仪表学报,2008,29(6):1116-1121.
[23] 汪洋.发电厂风机状态趋势分析与寿命预测[J].湖北电力,2006,30(4):36-38.
[24] 孙见忠,左洪福,刘鹏鹏,等.基于动态线性模型的民航发动机性能状态监控与在翼寿命预测[J].系统工程理论与实践,2013,33(12):3243-3250.
[25] 黎敏,阳建宏,徐金梧,等.基于高维空间流形变化的设备状态趋势分析方法[J].机械工程学报,2009,45(2):213-218.
[26] 李凯.灰色预测模型及其应用[D].荆州:长江大学,2011.
[27] 韩崇昭,米洪艳,段战胜,等.多元信息融合[M].北京:清华大学出版社,2010:2-5.

趋势预测法在机械设备状态评价中的应用和展望

The application and prospect of trend prediction for equipment condition in oil-monitoring

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 4

编辑推荐

Metrics

[1]	李亚平，李素杰，马波，郭俊霞. 基于TCN的滚动轴承振动趋势与剩余寿命预测研究[J]. 现代制造工程, 2021, 492(9): 124-131.
[2]	韩志昕，隋修武. 基于多源信息融合的肌电轮椅智能控制技术研究[J]. 现代制造工程, 2020, 480(9): 136-144.
[3]	王峰, 韩建霞. 重型车辆传动系统磨损状态的评价方法研究[J]. 现代制造工程, 2017, 438(3): 155-161.
[4]	张宇翔, 宣征南, 孙志伟, 张铱鈖. 基于油液监测技术的齿轮箱运行状态模糊综合评价[J]. 现代制造工程, 2017, 446(11): 22-28.