搜索结果: 1-15 共查到“故障预测”相关记录60条 . 查询时间(0.134 秒)
“输送设备”广泛应用于冶金、建材、化工、电力、食品等工业生产，以及矿山、码头、料场等物流领域，其在实际运行中存在诸如输送带温度过高、堆料、输送带跑偏、打滑和断裂等各种问题。“故障预测与健康管理”,即PHM（Prognostics and Health Management），利用先进的传感器技术，借助各种算法和智能模型来预测、诊断、监控和管理装备的状态，能够完成故障检测、故障隔离、故障预测、剩余使...
2022年10月19日，中科院合肥研究院核能安全所戈道川课题组与香港城市大学先进制造与系统工程系谢旻教授团队合作，在复杂系统故障预测与健康管理软测量技术研究中取得进展。相关成果在线发表在领域内权威期刊《IEEE工业信息学汇刊》（IEEE Transactions on Industrial Informatics ）上。
为了对达林顿管进行故障预测，提出了基于KPCA与马氏距离的达林顿管故障预测方法。通过对达林顿管进行失效机理分析，设计了加速退化试验，并获取了集电极导通电流与饱和压降性能退化数据，利用小波包分解与核主成分分析进行数据处理，滤除了原始数据中的干扰信号，得到了退化数据的主成分，结合马氏距离对处理后的数据进行特征融合，得到了可以表征达林顿管健康状态变化的健康因子。使用2种故障预测算法对健康因子进行预测，故...
2017年故障预测与系统健康管理国际会议（2017 Prognostics and System Health Management Conference）
2017年 故障预测 系统 健康管理 国际会议 诊断 预测
2017/3/9
故障预测与系统健康管理(Prognostics and System HealthManagement,PHM)作为可靠性系统工程的关键技术和方法，通过对产品健康状态开展评估、诊断和预测，对于保障重大装备安全可靠运行、提升重大产业核心竞争力具有重要的工程意义和经济价值。
E级超级计算机故障预测的数据采集方法
超级计算机 故障预测 数据采集方法 数据汇集
2016/5/30
面向未来E级超级计算机，提出用于故障预测的数据采集框架，能够全面采集与计算结点故障相关的状态数据。采用自适应多层分组数据汇集方法，有效解决随着系统规模增长数据汇集过程开销过大的问题。在TH-1A超级计算机上的实现和测试表明，该数据采集框架具有开销小、扩展性好的优点，能够满足未来大规模系统故障预测数据采集的需求。
2015年10月21至23日，首届国际可靠性系统工程大会及2015年故障预测与系统健康管理国际会议（2015 ICRSE & PHM - Beijing）在北航举行。本次会议由IEEE可靠性协会倡导，北京航空航天大学可靠性与系统工程学院、可靠性与环境工程技术国家重点实验室、中国航空学会可靠性工程分会主办，美国马里兰大学先进寿命周期工程研究中心CALCE及香港城市大学等协办。IEEE可靠性协会北京分...
针对事后维修和定期维修在很多领域已经不能满足维修保障要求的问题，提出一种故障预测与健康管理 (prognostics and health management，PHM)视情维修技术。介绍PHM 技术的概念和目的，阐述PHM 系统的结构功 能、设计步骤以及关键技术，简要比较概括了15 种故障预测方法的优缺点，分析了当前发展PHM 技术需要解决的 问题。分析结果表明：该技术对维护机械设备安全性、可靠...
针对艇载导弹测试电源系统故障分析问题，提出一种基于灰色模型的艇载导弹测试电源系统故障预测 方法。为了提高导弹地面电源的工作效率，从分析历史检测数据入手，采用灰色理论的分析方法，建立了适合导 弹地面电源故障时间预测的GM(1,1)模型，详细阐述了模型检验的方法，并通过实例清晰地说明了模型运用和检 验的具体步骤。数据检验结果表明：该故障预测模型不但能够较好地模拟历史灾变数据，而且其预测的故障时间 与实...
为了提高导弹地面电源的工作效率,从分析历史检测数据入手,采用灰色理论的分析方法,建立了适合导弹地面电源故障时间预测的GM(1,1)模型,并且详细阐述了模型检验的方法。通过实例清晰的说明了模型运用和检验的具体步骤,数据检验表明,所建立的故障预测模型不但能够较好的模拟历史灾变数据,而且其预测的故障时间与实际情况相吻合。
基于灰色模型的艇载导弹测试电源系统故障预测
导弹地面电源 灰色理论 GM(1,1) 故障 预测
2016/4/6
为了提高导弹地面电源的工作效率,从分析历史检测数据入手,采用灰色理论的分析方法,建立了适合导弹地面电源故障时间预测的GM(1,1)模型,并且详细阐述了模型检验的方法。通过实例清晰的说明了模型运用和检验的具体步骤,数据检验表明,所建立的故障预测模型不但能够较好的模拟历史灾变数据,而且其预测的故障时间与实际情况相吻合。
基于概率神经网络的风洞设备故障预测诊断方法
PNN 风洞设备 故障预测诊断
2016/10/12
针对风洞设备故障征兆与故障原因之间的非线性关系，提出基于概率神经网络的风洞设备故障预测诊断 方法。利用概率神经网络强大的自主学习能力和较强的模式识别能力，来预测诊断风洞设备的故障原因，通过故障 样本对概率神经网络进行训练，并对待测样本进行故障预测诊断。结果表明：概率神经网络能满足故障诊断快速和 准确的要求，故障预测诊断精度较高，适用于在线检测，具有实际应用价值。
故障预测与健康管理(prognostics and health management, PHM)是一种视情维修技术,对维护机械设备安全性、可靠性,节约维修保障成本有十分重要的意义。介绍了PHM技术的概念和目的,阐述了PHM系统的结构功能、设计步骤以及关键技术,简要比较概括了15种故障预测方法的优缺点,分析了当前发展PHM技术需要解决的问题。
故障预测与健康管理(prognostics and health management, PHM)是一种视情维修技术,对维护机械设备安全性、可靠性,节约维修保障成本有十分重要的意义。介绍了PHM技术的概念和目的,阐述了PHM系统的结构功能、设计步骤以及关键技术,简要比较概括了15种故障预测方法的优缺点,分析了当前发展PHM技术需要解决的问题。
基于动态记忆反馈的改进ELM故障预测方法应用研究
极限学习机 动态递归 故障预测
2015/5/19
随着工业系统复杂性的逐步增加, 对故障预测的实时性和准确性提出了更高的要求. 对此, 提出一种基于动态记忆反馈的改进ELM神经网络模型进行故障预测. 此模型在结构上增加了反馈层用于记忆隐含层输出, 并从反馈层记忆的信息中提取数据变化趋势特征, 从而动态更新反馈层的输出权值. 通过对非线性动态系统的下一时刻输出进行预测, 并对预测输出进行诊断, 达到故障预测的目的. 通过人工数据Sinc 验证和TE...
核动力装置故障预测与健康管理研究
故障预测与健康管理 压水堆核动力装置
2015/11/5
传统的维修保障技术已经不能满足核动力装置安全性和可靠性的要求，故障预测与健康管理（prognostics and health management,PHM）技术是一种视情维修技术，对维护核动力装置安全性和可靠性有十分重要的意义。介绍了PHM技术的概念和意义，研究了PHM系统的关键技术，分析了压水堆核动力装置PHM技术应用的可行性，并设计了压水堆核动力装置集中-分布式PHM系统。