导读:本文包含了剩余寿命评估论文开题报告文献综述及选题提纲参考文献，主要关键词:公共安全,游乐设施,剩余寿命,关键零部件
剩余寿命评估论文文献综述
梁朝虎,沈功田,张琨,赵强[1]（2019）在《游乐设施剩余寿命评估方法研究》一文中研究指出研究游乐设施剩余寿命的评估方法,为在用游乐设施的剩余寿命评估提供理论依据。针对与游乐设施安全密切相关的关键零部件,从疲劳、磨损和锈蚀3个影响其剩余寿命的主要因素出发,首先提出了销轴类、复杂结构类和钢结构类等常见游乐设施关键零部件的疲劳剩余寿命评估方法,又研究了游乐设施关键零部件磨损和锈蚀剩余寿命评估方法,在此基础上给出了多因素下游乐设施关键零部件的剩余寿命评估方法。根据游乐设施整机和其关键零部件剩余寿命之间的关系,并考虑关键零部件可更换的因素,建立了游乐设施整机剩余寿命评估模型,提出了整机剩余寿命评估方法。应用该方法对一台已使用10年的过山车进行剩余寿命评估,评估了车架、车轮架、行走轮轴、侧轮轴、底轮轴、水平轴、轨道等关键零部件的疲劳、磨损、锈蚀剩余寿命和整机剩余寿命,通过实例验证了该评估方法的有效性。(本文来源于《安全与环境学报》期刊2019年04期）
马硕[2]（2019）在《废旧机床关键零件的剩余寿命预测与评估研究》一文中研究指出与传统制造相比,再制造的毛坯是废旧件,由于其原始工艺与质量、服役工况存在极大的不确定性,导致可再制造性差别很大,废旧件的可再制造性评估是再制造的前提。而废旧件的剩余寿命预测与评估是可再制造性评估的关键。因此,开展废旧件剩余寿命预测与评估研究对实现节约能源,资源再利用具有重要意义。本文的研究课题来源于“绿色再制造系统集成项目”工信部中国制造2025重大专项资助课题—“机床绿色再制造关键工艺技术及应用示范”。由沈阳机床有限公司提供实际数据,深入研究废旧机床主轴的剩余寿命预测评估,主要研究内容如下:(1)针对现有的研究模型是根据基材的S-N曲线,而不是基于实际零件的疲劳寿命曲线进行预测的。本文提出了一种获得废旧机床主轴的疲劳寿命曲线的方法,采用原废旧主轴的轴身为原材料加工成若干个疲劳试件结合有限元仿真通过拉压疲劳试验得到基于实际零件的S-N曲线的方法。(2)针对基于断裂力学主要以连续疲劳损伤模型为主,但是大多数连续疲劳损伤模型没有考虑裂纹闭合效应。本文提出了以连续疲劳损伤模型为以基础对其进行修正的方法,通过CHABOCHE提出的非线性连续疲劳损伤模型为基础,加入了裂纹有效拓展效因子对其模型进行修正以及针对废旧机床主轴剩余寿命评估模型,其中公式的重要参数,没有通过系统的,规范的方法去计算求解。本文提出以了一种基于最小二乘法的方法通过python编程实现非线性拟合得到该模型中的参数。(3)针对载荷加载顺序会影响裂纹闭合因子从而导致剩余寿命预测结果不准确,本文提出了对加入裂纹有效拓展效因子的废旧机床剩余寿命预测评估模型进行修正的方法,对其模型中的裂纹有效拓展效因子进行考虑载荷加载顺序的修正,通过二级加载疲劳试验来模拟废旧机床主轴已经服役的情况,来验证构建的废旧主轴剩余寿命评估模型的预测精度。以沈阳机床有限公司的CAK5085废旧机床的主轴为例,首先通过疲劳试验获得疲劳寿命曲线,其次对模型进行修正获得机床主轴剩余寿命预测评估模型,最后通过二级载荷加载疲劳试验数据和模型计算进行验证,结果表明该模型的有效性和可行性,为废旧机床可再制造性评估提供有效途径。(本文来源于《沈阳工业大学》期刊2019-06-04）
曾文文[3]（2019）在《锂离子电池健康状态评估及剩余寿命预测方法》一文中研究指出锂离子电池因其具有能量密度大、循环寿命长、安全性能高等优点被广泛应用于电动汽车、通讯设备、航空航天等领域。作为系统的核心部件,电池退化会影响整个系统的正常运行,甚至会引发严重的安全事故和经济损失。锂离子电池健康状态(State of Health,SOH)估计及剩余寿命(Remaining Useful Life,RUL)预测能有效预知其性能退化程度,有助于实现视情维修和提高系统的可靠性,具有重要的研究和实用价值。本文以锂离子电池为研究对象,并对其SOH估计及RUL预测两个核心问题进行深入研究,主要研究内容如下:首先,给出基于经验退化模型的锂离子电池RUL预测方法。通过对锂离子电池寿命退化数据进行分析,本文从退化率的角度建立一种电池容量经验退化模型,以克服现有预测模型中模型普适性差、建模复杂、预测精度不足等问题。该模型适用于标准工况下同型号的锂离子电池,只需知道电池初始容量,即可直接模拟出电池寿命曲线,具有良好的实用性。其次,建立基于经验退化模型与误差补偿模型相结合的融合型锂离子电池SOH估计方法。经验退化模型虽然能预测出电池全局退化趋势,但难以对电池退化过程中差异性及非线性退化现象进行精确描述。在经验退化模型的基础上,结合基于数据驱动方法的误差补偿模型,以对经验退化模型中未能描述的退化信息进行补充说明;误差补偿模型综合考虑了实际运行环境对电池退化的影响,从根本上提高了电池退化过程中SOH估计的精度。最后,提出基于蒙特卡洛思想的锂离子电池SOH全寿命周期退化区间预测方法。在前文所建融合型SOH估计方法的基础上,结合蒙特卡洛思想,在一定工况范围内随机产生大量工况条件特征,以模拟相似运行环境下的锂离子电池退化特性,最终预测出锂离子电池全寿命周期下SOH退化区间,所绘制的退化区间对同型号锂离子电池健康管理具有一定的指导意义。本文基于NASA PCoE研究中心提供的锂离子电池公开数据集对所提方法进行了实验验证,结果表明了所提方法良好的预测表现及适用性。图[33]表[10]参[88]。(本文来源于《安徽理工大学》期刊2019-05-30）
任利娟[4]（2019）在《滚动轴承性能退化评估与剩余寿命预测》一文中研究指出滚动轴承作为旋转机械设备中重要的组成零件,其健康状况关乎着整个机械设备是否正常运行。滚动轴承由于使用环境和工作位置多样化,造成相同的轴承使用寿命也不相同。导致轴承失效的原因众多,但主要是疲劳损伤、安装不当以及外界污染等原因造成的轴承断裂以及损坏。如果能够实现对轴承从正常状态到最后完全失效的全过程监测,并对其进行及时维修,实现轴承的主动性维护,将大大降低因轴承造成的经济财产损失以及人员伤亡。本文通过加速度传感器得到滚动轴承的振动信号,采用小波降噪对原始信息进行降噪处理,然后提取轴承的时域、频域以及时频域上的特征信息,并对其进行分析,初步判断轴承的健康状况。在时域上着重对均方根值、峭度值等特征进行探究,提取其振动冲击的时刻以及观察数值走向和趋势,在频域上主要对幅值谱、功率谱和频率均值等特征详细探究,挖掘振动信号中的频域特征。关于时频域,主要利用以上分析得到的冲击时刻进行短时傅里叶变换、Wigner-Viller分布,从中可以明显看到冲击能量的存在。另外提取的小波能量熵也作为时频域上的重要特征。从所得到的熵图中既可以分析出频率特征,也将振动冲击信息提取出来,说明以上方法都具有提取振动信号特征的实用性,具有挖掘振动信号中的反常信号的能力。然后选择针对本文特征降维效果较好的非线性算法ISOMAP对上述特征进行数据简化,既祛除不必要的特征,又防止数据冗余造成的计算量过大所造成的模型效率过低。再与高斯混合模型融合,建立基于对数似然概率的退化指标,采用局部加权回归进行平滑处理提高指标的精确度。并根据概率统计中的3σ法则,建立衰退指标的阈值,完成轴承寿命的退化评估。最后将特征输入到相关向量机模型中进行训练与预测,完成轴承的剩余寿命预测。并采用PCA与T-SNE降维方法进行实验结果对比,验证其特征提取的优劣,实现轴承剩余寿命预测最优结果。(本文来源于《山东大学》期刊2019-05-18）
陈自强[5]（2019）在《基于LSTM网络的设备健康状况评估与剩余寿命预测方法的研究》一文中研究指出随着科学技术的发展,航空航天、制造业、能源、冶金等领域的设备系统日益智能化、复杂化,传统维护策略存在着“维护不足”或“维护过剩”等问题,难以满足实际维护需求。为了保障设备系统安全可靠运行,在当前大数据时代背景下,针对设备系统复杂工况应用场景,研究基于数据驱动的故障预测与健康管理(Prognosis and Health Management,PHM)方法具有重要的意义。PHM的核心内涵是,基于状态监测数据,借助智能化的算法模型,实时评估系统健康状况及预测设备剩余使用寿命(Remaining Useful Life,RUL),并据此制定维护计划。长短期记忆(Long Short-Term Memory,LSTM)网络作为典型的深度学习模型,由于其对时期依赖特征的提取优势,促使其在机器翻译、时间序列预测等领域得到广泛应用并取得了较好成绩。因此,本文针对复杂工况下设备系统PHM的核心问题,结合LSTM网络,深入研究了基于数据驱动的健康状况评估建模方法和RUL预测方法,具体内容如下:1.研究了一种基于LSTM网络和变分自编码器混合模型的健康状况评估新方法。该方法以无监督方式训练,一方面通过引入LSTM网络,可有效提取监测数据中的长短期时间依赖特征:另一方面结合变分自编码器(Variational Autoencoder,VAE),可将特征数据映射到连续隐空间中,实现深层次的特征提取,同时对多工况切换干扰具有很好的鲁棒性。本文基于PHM08数据集进行算法性能验证,并与传统建模方法开展了对比实验。实验结果验证了其有效性和优越性,对比实验表明,本文所提方法具备更好的单调性和鲁棒性。2.研究了一种基于多层LSTM网络的RUL直接预测方法。传感器监测数据本质上就是时间序列数据,结合LSTM网络处理时序数据的优势,本文通过时间窗滑动法构造样本,并设计了基于多层LSTM网络的RUL直接预测框架。在PHM08和C-MAPSS两个公开数据集上开展了验证实验,实验结果表明多层LSTM网络相较于传统浅层模型取得了更高的预测精度。3.设计并开发了基于Azure云平台的健康管理系统。基于本论文的主要研究算法,以涡轮发动机设备系统为应用研究对象,搭建了基于Azure云的涡轮发动机健康管理系统,并对其核心功能模块进行了验证测试。上述研究结果表明,针对复杂工况下设备系统PHM的应用场景,结合深度学习理论,本文提出的基于LSTM-VAE健康状况评估新方法与多层LSTM网络的直接RUL预测方法,一定程度上解决了传统方法存在过多依赖领域专家经验、深层特征无法获取以及不具备通用性等问题,通过在PHM08等公开数据集上进行比较测试,取得了更好的结果。(本文来源于《中国科学技术大学》期刊2019-05-01）
邵力为,王友仁,孙权[6]（2019）在《基于Wiener过程的功率变换器剩余寿命评估方法》一文中研究指出针对功率变换器难以准确建立表征其性能退化过程物理模型的问题,提出一种基于Wiener随机过程的剩余寿命评估方法实现其剩余寿命预测。通过分析电路关键元器件退化对电路性能的影响,选用输出电压均值为DC-DC变换电路失效特征参数,利用Wiener过程建立电路性能退化模型,通过逐步递推预测寿命特征参数值并结合电路失效阈值从而实现功率变换器剩余寿命预测。以闭环SEPIC电路为例,分析了建模数据与建模尺度对剩余寿命预测结果的影响,实验验证了该方法的有效性。(本文来源于《机械制造与自动化》期刊2019年02期）
宁永杰[7]（2019）在《基于机器学习的滚动轴承状态评估与剩余寿命预测》一文中研究指出随着制造业发展的突飞猛进,旋转机械设备应用场景日益复杂化,旋转机械设备故障诊断也逐渐从依靠专家经验转向智能化处理。而轴承作为其关键部件之一,如何进行状态评估与寿命预测是核心内容。针对这一问题,本文在旋转机械设备信号处理中引入机器学习,并进行滚动轴承状态评估与剩余寿命预测研究。针对轴承诊断中不同特征选择算法相互孤立的不足,提出一种面向网络变量筛选与特征熵融合的轴承特征选择算法。算法充分利用了基于网络的特征平均影响值和特征熵在特征选择和特征分类中的互补性,将该标准用于敏感特征集的筛选,并通过支持向量机进行状态评估。实验结果表明由于融合了不同特征选择算法,本文方法分类精度更高。传统轴承退化状态建模方法存在局限性,本文从机械设备的一维监测数据出发,深入研究基于数据驱动的轴承退化状态建模方法。为了充分利用有限状态数据下滚动轴承剩余寿命预测问题中特征变化的影响因数,以及特征与时间变化的关联性,本文提出一种基于变量相关性和时间相关性的特征筛选方法。在该模型中,首先将MIV算法用于轴承训练集计算的特征进行选择,实现面向回归网络的变量第一次筛选;并将剩余特征通过相关系数标识进行可分性测度计算,实现基于时间相关性的特征的第二次筛选;然后将两次筛选出的特征向量通过RNN获得轴承退化曲线;最后使用粒子滤波算法获得剩余寿命。结果表明与其它轴承退化曲线构造算法相比,该算法在精度方面明显提高。针对人工特征建模方法的局限性,本文研究了基于深度学习的轴承退化状态建模方法,提出了一种基于卷积自编码网络的轴承退化状态建模方法,在此基础上,该算法考虑到轴承退化状态模型的评价倾向,并进行目标函数的改进。仿真结果表明,该算法不仅能够无视工况,而且在精度和稳定性方面也有了不错的提升。(本文来源于《中国矿业大学》期刊2019-04-01）
韩赛赛[8]（2019）在《电力变压器的运行可靠性评估及剩余寿命预测研究》一文中研究指出随社会用电需求的不断上升,电力变压器逐渐向特高压、大容量方向发展。电力变压器作为电力系统重要的电压变换设备,其运行可靠性直接影响电网的安全运行。对变压器的运行可靠性及剩余寿命进行有效预测,能够及时发现变压器可能发生的潜伏性故障,有效降低变压器被迫停运所带来的损失。工程实际中,通常以年为单位对变压器进行状态检修,但由于变压器运行可靠性受到绝缘老化、外界环境等多方面因素的影响,短期内也可能存在停运风险,所以,本文分别建立适应短期和中长期预测的变压器动态故障率模型,并根据求出的故障率对变压器剩余寿命进行建模。具体内容如下:(1)通过理论分析和实例计算的方法,分别研究变压器绝缘老化程度、油中气体含量和产期速率、绝缘纸含水量、绕组热点温度、故障时间分布参数对变压器运行可靠性的影响,验证考虑以上影响因素能够有效提高模型预测精度的结论。(2)基于马尔科夫状态转移过程,考虑油中气体含量、绕组热点温度、绝缘纸含水量等影响因素,建立变压器短期故障率预测模型。该模型研究了绝缘老化程度和故障率的定量关系。(3)采用马尔科夫链蒙特卡罗方法对变压器故障周期进行场景模拟,考虑油中气体含量和产气速率、故障时间分布参数等影响因素,建立变压器中长期故障率预测模型。采用模拟方法能够有效避免解析法直接求解的难题。(4)根据预测的变压器故障率,建立变压器无故障时间的剩余寿命预测模型,给变压器状态检修提供直观的变压器健康状况数据。通过各章节的算例分析可以发现:与现有仅考虑油中气体含量数据所建立的变压器故障率模型进行对比,当考虑以上影响因素时,能够充分利用变压器的监测数据,有效提高模型的预测精度,给变压器的状态检修提供符合实际的故障率和剩余寿命数据,并指导选择合适的维修策略。(本文来源于《华北电力大学(北京)》期刊2019-03-01）
杨海宾,朱涛,肖守讷,阳光武,杨冰[9]（2019）在《基于结构应力法的车体结构疲劳裂纹扩展与剩余寿命评估》一文中研究指出为了弥补名义应力法不能针对具有初始裂纹的焊接结构进行评估的不足,采用结构应力法,在断裂力学的基础上推导了考虑裂纹扩展增量的焊缝裂纹扩展计算方法。以复铰式100%低地板有轨电车为研究对象,采用名义应力法确定了典型工况下车体疲劳强度薄弱焊缝的位置,并基于结构应力法提取了该位置的膜应力和弯曲应力,并应用焊缝裂纹扩展计算方法对车体薄弱位置的焊缝进行了剩余寿命评估。研究结果表明:初始裂纹的存在导致车体寿命远低于设计寿命(1E7),但仍然具有一定的服役空间,可以利用焊缝裂纹扩展计算方法对含有缺陷的结构进行剩余寿命评估,并根据计算结果制定相应的维修策略。(本文来源于《铁道机车车辆》期刊2019年01期）
周新远,董丽虹,于鹤龙,史佩京,张伟[10]（2019）在《GB/T 34631-2017《再制造机械零件剩余寿命评估指南》国家标准解读》一文中研究指出再制造的对象是经历一次或多次服役周期的零件,该零件是否还有剩余寿命,其剩余寿命能否再适应下一服役周期,这是在制造加工前应首要解决的问题。再制造工程的目标是使废旧产品经过再制造加工性能达到或超过新品,不经寿命评估将已无剩余寿命的零件再装机使用,都会给用户和企业带来损失。本文介绍了寿命评估对于发展再制造产业的重要性,阐述了《再制造机械零件剩余寿命评估指南》国家标准的编制原则、编制过程和主要内容,进一步明确了该标准的技术要点及注意事项,指明了制定该标准的重要意义,帮助标准使用者更好地理解标准的主要技术内容。(本文来源于《标准科学》期刊2019年02期）
剩余寿命评估论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
与传统制造相比,再制造的毛坯是废旧件,由于其原始工艺与质量、服役工况存在极大的不确定性,导致可再制造性差别很大,废旧件的可再制造性评估是再制造的前提。而废旧件的剩余寿命预测与评估是可再制造性评估的关键。因此,开展废旧件剩余寿命预测与评估研究对实现节约能源,资源再利用具有重要意义。本文的研究课题来源于“绿色再制造系统集成项目”工信部中国制造2025重大专项资助课题—“机床绿色再制造关键工艺技术及应用示范”。由沈阳机床有限公司提供实际数据,深入研究废旧机床主轴的剩余寿命预测评估,主要研究内容如下:(1)针对现有的研究模型是根据基材的S-N曲线,而不是基于实际零件的疲劳寿命曲线进行预测的。本文提出了一种获得废旧机床主轴的疲劳寿命曲线的方法,采用原废旧主轴的轴身为原材料加工成若干个疲劳试件结合有限元仿真通过拉压疲劳试验得到基于实际零件的S-N曲线的方法。(2)针对基于断裂力学主要以连续疲劳损伤模型为主,但是大多数连续疲劳损伤模型没有考虑裂纹闭合效应。本文提出了以连续疲劳损伤模型为以基础对其进行修正的方法,通过CHABOCHE提出的非线性连续疲劳损伤模型为基础,加入了裂纹有效拓展效因子对其模型进行修正以及针对废旧机床主轴剩余寿命评估模型,其中公式的重要参数,没有通过系统的,规范的方法去计算求解。本文提出以了一种基于最小二乘法的方法通过python编程实现非线性拟合得到该模型中的参数。(3)针对载荷加载顺序会影响裂纹闭合因子从而导致剩余寿命预测结果不准确,本文提出了对加入裂纹有效拓展效因子的废旧机床剩余寿命预测评估模型进行修正的方法,对其模型中的裂纹有效拓展效因子进行考虑载荷加载顺序的修正,通过二级加载疲劳试验来模拟废旧机床主轴已经服役的情况,来验证构建的废旧主轴剩余寿命评估模型的预测精度。以沈阳机床有限公司的CAK5085废旧机床的主轴为例,首先通过疲劳试验获得疲劳寿命曲线,其次对模型进行修正获得机床主轴剩余寿命预测评估模型,最后通过二级载荷加载疲劳试验数据和模型计算进行验证,结果表明该模型的有效性和可行性,为废旧机床可再制造性评估提供有效途径。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
剩余寿命评估论文参考文献
[1].梁朝虎,沈功田,张琨,赵强.游乐设施剩余寿命评估方法研究[J].安全与环境学报.2019
[2].马硕.废旧机床关键零件的剩余寿命预测与评估研究[D].沈阳工业大学.2019
[3].曾文文.锂离子电池健康状态评估及剩余寿命预测方法[D].安徽理工大学.2019
[4].任利娟.滚动轴承性能退化评估与剩余寿命预测[D].山东大学.2019
[5].陈自强.基于LSTM网络的设备健康状况评估与剩余寿命预测方法的研究[D].中国科学技术大学.2019
[6].邵力为,王友仁,孙权.基于Wiener过程的功率变换器剩余寿命评估方法[J].机械制造与自动化.2019
[7].宁永杰.基于机器学习的滚动轴承状态评估与剩余寿命预测[D].中国矿业大学.2019
[8].韩赛赛.电力变压器的运行可靠性评估及剩余寿命预测研究[D].华北电力大学(北京).2019
[9].杨海宾,朱涛,肖守讷,阳光武,杨冰.基于结构应力法的车体结构疲劳裂纹扩展与剩余寿命评估[J].铁道机车车辆.2019
[10].周新远,董丽虹,于鹤龙,史佩京,张伟.GB/T34631-2017《再制造机械零件剩余寿命评估指南》国家标准解读[J].标准科学.2019