基于数字孪生模型的产品故障预测技术研究开题报告

 2020-02-10 10:02
1.目的及意义(含国内外的研究现状分析)

1.1 研究背景

装备制造业作为我国国民经济的支柱产业,复杂装备更是高端制造的重要载体,我国的制造业整体仍是以生产比重大为主的模式,处于产业价值链的中低端。伴随经济全球化、信息技术革命和现代管理思想的发展,装备制造业逐渐向全球化、服务号方向进行发展,由传统的生产型制造逐渐转向了服务型制造。因此必须重视于产品售后服务相关内容,促进制造业的转型升级,迈向产业链高端的重要途经。

而产品的维修作为售后服务的重要部分,具有较高的产业附加值。根据现有的装备维修管理的实践表明,维修保障费用约占装备全寿命费用的15%-40%,其中1/3的装备维修保障费用是由于不合理的维修工作所造成的。为提高装备维修保障能力,节约维修保障的费用,对现有的维修保障制度和维修保障方式进行改革,提高维修保障的科学性和精确性。

国外在产品售后维修服务方面开展了大量的研究和实践。比如英国著名的罗·罗公司旗下的发动机“租用服务”,将“出售发动机”转变为出售“租用服务时间”,租用期内承担一切保养、维修和服务,2007年服务收入达到公司总收入的53.7%。同样,美国的通用电气公司,70%的业务是与其主业密切相关的“技术 管理 服务”构成,通过对发动机状态的实时监控,并提供及时的检查、维护和维修服务[1-4]

1.2 研究意义

传统的维修保障模式主要分为:事后维修和计划维修。事后维修是当装备已经发生故障后,针对于具体故障进行的维修,但是装备发生故障损坏往往会影响其他部件,损坏整个装备,造成巨大的财产损失。计划维修是在设计阶段时对装备的使用寿命的进行预测,并根据预测的寿命时间来安排进行小修、中修和大修等不同规模的维修。但是计划维修局限于已知寿命分布规律的装备,而实际中,由于装备复杂度不同,使用环境不同,故造成的故障规律有较大的差异,难以进行计划维修。

因传统维修方式的局限性,现在许多制造企业提出采用预知维修来代替传统的事后维修和计划维修,所谓预知维修就是根据对装备未来使用状态的准确预测,确定是否需要进行装备维修,并采取什么样的维修策略。预知维修在减少因为过剩维修引起的维修费用上升,也可防止因不足维修导致的事故发生。而预知维修的基础在于故障预测技术的发展,通过故障预测技术的指导,对装备在未来装备运行阶段可能发生的故障进行预测,制订合理的维修计划,以保障装备运行过程的顺利。故本文拟结合数字孪生技术,进行产品故障预测技术的相关研究,并以电梯为例进行验证。


1.3 国内外研究现状


1.3.1故障预测技术发展现状


预测学作为一门新兴学科,根据历史数据和状态数据,以相关理论和方法作为指导,分析和推断研究对象在一段未来时间内的变化。预测技术在工业、商业、金融和气象等领域得到了广泛的应用。故障预测技术是依据设备实际运行数据,评估设备当前的状态和未来时间内的状态。因此国内外许多专家学者都针对于故障预测方面进行了一定的研究,目前的国内故障预测技术可以分为以下几类:基于可靠性理论的预测方法、基于数据驱动的预测方法和基于时效物理模型的预测方法。


基于可靠性的预测方法是根据故障的分布规律进行预测。寿命预测和故障树分析是经常采用的两种重要技术。武滢等人利用构件的二维疲劳载荷谱,对累积损伤分散性来源进行分析,建立等幅疲劳中值Sa-Sm-N曲面,提出基于二维载荷谱的疲劳寿命分析预测模型,估算构件的疲劳寿命分布[5]。秦俊奇对大口径火炮进行了详细系统的故障统计分析和故障树分析,构建了完整的故障树,寻求推理路径和获取预测知识的基础,将变权引入故障预测,建立动态模糊关系矩阵描述故障,解决火炮在不同外界条件下的故障预测问题[4]。Chen等提出一种利用自适应神经模糊推理系统和高阶粒子滤波的集成剩余寿命预测方法,可以预测了故障指标的演化,并估计剩余寿命的概率密度函数[6]。Liu提出了一种新的特征提取方法,通过相空间重构和特征矩阵的近似对角化联合获得敏感特征,再将特征输入到极限学习机中,训练寿命预测模型[7]。Huang等提出了一种偏斜维纳过程模型来描述轴承的随机退化轨迹,并提出了一种在线滤波算法,可以充分利用先验知识喝历史数据进行更加准确的寿命预测[8]


基于数据驱动的故障预测方法主要采用对输入、输出和状态参数之间的关系的分析来建立各种数学模型,通过大量数据的学习,发现输入于输出之间的关系,从而进行故障预测。

您需要先支付 5元 才能查看全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找,微信号:bysjorg 、QQ号:3236353895;