本文選題：礦冶典型零部件 + 支持向量機�。� 參考：《江西理工大學》2015年碩士論文

【摘要】：由于礦冶典型零部件常處于灰塵多、腐蝕大、磨損快的特殊工況,對其退化狀態(tài)的識別及其維修與再制造評估方法正日益成為企業(yè)關注的熱點。礦冶典型零部件主要是指采、選、冶等礦山行業(yè)裝備中的大型曲軸、齒輪、軸承等關鍵件,通常分為在線服役的零部件和報廢裝備拆解產(chǎn)生的廢舊零部件兩類。對第一類在線服役的零部件,因礦冶特殊工況其退化往往具有很強的隨機性,存在狀態(tài)退化趨勢難以預測的難題,從而對其維修決策帶來了困難;對于拆解下來的第二類廢舊零部件,它們則正成為全世界增長最快的廢棄物,若對其盲目再制造將導致成本過高、資源浪費,因此對其可再制造性評估決策并分類,是再制造循環(huán)利用的前提和基礎。本文針對礦山行業(yè)存在的上述問題展開研究,探索了一套面向特殊工況的零部件退化狀態(tài)識別、壽命預測及其可再制造評估系統(tǒng)新方法,為礦冶領域的裝備健康管理與廢舊資源再制造循環(huán)利用提供理論支撐。針對第一類在線服役的礦冶零部件存在問題,開展了以下研究工作:(1)構建了特殊工況的衰退性能指標。針對現(xiàn)有方法中提取的單源特征易受噪聲干擾,對零部件衰退趨勢不敏感,多源特征之間存在重疊冗余的問題,提出采用面向礦冶特殊工況的主成分分析方法對多源特征進行融合,獲得礦冶零部件衰退性能指標,該指標具有較強抗干擾能力且對衰退敏感,又能有效地消除原始特征信息之間的冗余,通過表征效果驗證所構建的指標,能夠較好的反映礦冶在役零部件的退化趨勢;(2)提出了基于低秩打分的礦冶在役零部件特征選擇新方法,以提高預測礦冶在役零部件退化狀態(tài)的準確率。對礦冶在役零部件退化狀態(tài)準確識別的關鍵在于特征的選擇和識別模型的建立,通過對分類問題的研究,提出用低秩打分對特征進行選擇的新方法,運用低秩表示模型尋找分類效果最好的特征,在此基礎上構建低秩打分準則,進而提出一種低秩打分的特征選擇新算法,通過支持向量機模型實現(xiàn)退化狀態(tài)的識別。以試驗平臺滾動軸承狀態(tài)識別為例,驗證了該方法的有效性;(3)提出了一套對在線服役零部件的退化狀態(tài)識別與維修決策的新方法。通過該方法識別出在線服役零部件所處的健康退化狀態(tài),據(jù)此將在線服役零部件的維修分為三類:繼續(xù)使用、小修、大修(再制造),大大提高了設備效率,有效地降低了維護成本。針對拆解下來的第二類廢舊零部件存在的問題,開展了以下研究工作:(1)建立了專門針對礦冶廢舊零部件改進的威布爾分布剩余壽命預測模型,從而為其是否值得再制造提供依據(jù)。以歷史數(shù)據(jù)為基礎,通過對威布爾分布的改進,并融合支持向量回歸模型對廢舊零部件剩余壽命進行預測;(2)構建了基于霍爾三維結構的再制造評估方法,為廢舊零部件是否值得再制造進行決策,并把它們按可靠性、經(jīng)濟性、成本等角度分成三類處理方式:小修(再利用)、大修(再制造)、回爐循環(huán)利用,從而實現(xiàn)了廢舊零部件固體廢物再制造循環(huán)利用。最后以礦冶廢舊零部件曲軸為例,驗證了所提方法的有效性。
[Abstract]:This paper studies the characteristics of mining and metallurgy parts , such as large crankshaft , gear , bearing and so on . Based on the historical data , a new method for estimating the residual life of waste parts is established by the improvement of Weibull distribution and fusion support vector regression model .

【學位授予單位】：江西理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F273;F426.1

【參考文獻】

相關期刊論文 前5條

1 谷玉波;賈云獻;張英波;;基于Gamma退化過程的剩余壽命預測及維修決策優(yōu)化模型研究[J];軸承;2013年04期

2 奚立峰;黃潤青;李興林;劉中鴻;李杰;;基于神經(jīng)網(wǎng)絡的球軸承剩余壽命預測[J];機械工程學報;2007年10期

3 雷亞國;何正嘉;訾艷陽;;基于混合智能新模型的故障診斷[J];機械工程學報;2008年07期

4 李素華;段齊明;;汽車零部件再制造系統(tǒng)的研究[J];制造業(yè)自動化;2012年19期

5 肖文斌;陳進;周宇;王志陽;趙發(fā)剛;;小波包變換和隱馬爾可夫模型在軸承性能退化評估中的應用[J];振動與沖擊;2011年08期

，

本文編號：1810843