亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于稀疏自編碼神經(jīng)網(wǎng)絡(luò)的產(chǎn)品再設(shè)計模塊識別方法

        2019-08-07 03:17:54馬斌彬馬紅占褚學(xué)寧李玉鵬
        上海交通大學(xué)學(xué)報 2019年7期
        關(guān)鍵詞:時變功能模塊特征

        馬斌彬, 馬紅占, 褚學(xué)寧, 李玉鵬

        (1. 上海交通大學(xué) 機械與動力工程學(xué)院, 上海 200240; 2. 中國礦業(yè)大學(xué) 礦業(yè)工程學(xué)院, 江蘇 徐州 221116)

        隨著運行時間的增長,產(chǎn)品功能模塊的性能逐漸退化,而產(chǎn)品的薄弱環(huán)節(jié)通常是退化嚴(yán)重、對產(chǎn)品的安全性和可靠性產(chǎn)生重大不利影響的功能模塊[1],因此,設(shè)計人員往往采用再設(shè)計的方法對產(chǎn)品的薄弱環(huán)節(jié)進行重新設(shè)計.其中,再設(shè)計功能模塊識別方法是通過找出產(chǎn)品的薄弱環(huán)節(jié)并對其重新展開設(shè)計,從而進一步提高產(chǎn)品的可靠性和服務(wù)水平.目前,國內(nèi)外學(xué)者基于產(chǎn)品的故障數(shù)據(jù)和運行數(shù)據(jù)對再設(shè)計功能模塊識別方法進行了研究.例如:Francesco等[2]提出了改進的產(chǎn)品失效模式、影響和危害性分析(FMECA)方法;全睿等[3]通過建立模糊故障樹來識別影響燃料電池發(fā)動機安全性的薄弱環(huán)節(jié).但是,由于船舶、起重機等復(fù)雜機械產(chǎn)品具有可靠性高、壽命長的特點,偶發(fā)的故障數(shù)據(jù)不能真實反映產(chǎn)品在一段時間內(nèi)的連續(xù)狀態(tài)變化情況,所以基于故障數(shù)據(jù)的產(chǎn)品再設(shè)計模塊識別的結(jié)果不能很好地反映功能模塊間退化水平的差異.隨著傳感器和無線技術(shù)的發(fā)展,獲取產(chǎn)品運行狀態(tài)的實時數(shù)據(jù)變得可行[4].Shin等[5]基于產(chǎn)品性能時變數(shù)據(jù),利用聚類方法分析了產(chǎn)品的失效情況,通過建立性能參數(shù)與設(shè)計參數(shù)之間的關(guān)聯(lián)矩陣來對產(chǎn)品再設(shè)計進行改進,但利用聚類方法進行失效分析需要預(yù)先設(shè)定運行工況的個數(shù),而產(chǎn)品的運行工況具有復(fù)雜性和多變性,因此,很難預(yù)先確定運行工況的個數(shù);Ma等[6]以履帶起重機的功能模塊的性能參數(shù)為輸入,通過建立混合高斯模型來擬合性能參數(shù)的取值區(qū)間,以用于產(chǎn)品再設(shè)計模塊的識別.但是,混合高斯模型需要在每個狀態(tài)點更新退化模型,其計算過程復(fù)雜,不利于實時處理.而神經(jīng)網(wǎng)絡(luò)模型可用于處理具有多狀態(tài)(非線性)的性能特征參數(shù),適用于描述運行工況復(fù)雜的產(chǎn)品退化狀態(tài)[7],因此,本文利用產(chǎn)品在健康狀態(tài)下的性能時變數(shù)據(jù)構(gòu)建稀疏自編碼神經(jīng)網(wǎng)絡(luò)(SAENN)模型,以用于產(chǎn)品功能模塊退化程度的評估,并通過對比模塊功能間的退化差異來識別需要再設(shè)計的功能模塊.

        1 基于SAENN的產(chǎn)品功能退化建模

        1.1 稀疏自編碼神經(jīng)網(wǎng)絡(luò)

        在產(chǎn)品運行過程中,傳感器采集到的各種性能特征參數(shù)在一定程度上反映了產(chǎn)品功能退化的程度,這些狀態(tài)信息對產(chǎn)品再設(shè)計具有重要的價值.然而,產(chǎn)品的退化過程復(fù)雜,其功能退化的規(guī)律與性能特征參數(shù)之間存在著復(fù)雜的非線性時變關(guān)系,難以利用確定的解析模型來評估,而神經(jīng)網(wǎng)絡(luò)模型可以表征產(chǎn)品性能參數(shù)之間的非線性關(guān)系,因此,它可用于評估產(chǎn)品功能的退化程度,進而比較不同功能模塊間的退化差異.

        自編碼神經(jīng)網(wǎng)絡(luò)(AENN)模型是一種無監(jiān)督的神經(jīng)網(wǎng)絡(luò)模型,包括輸入層、隱含層和輸出層,其主要通過編碼-重構(gòu)過程來表征輸入樣本的數(shù)據(jù)特性[8].通過建立AENN模型、訓(xùn)練產(chǎn)品在健康狀態(tài)下各功能模塊的性能特征數(shù)據(jù),能夠提取在健康狀態(tài)下產(chǎn)品性能參數(shù)之間的抽象特征.當(dāng)產(chǎn)品功能發(fā)生退化時,這些性能參數(shù)的特征與健康狀態(tài)下的具有明顯差異,通過分析其差異即可評估各功能模塊的退化程度.而SAENN模型是在AENN模型的基礎(chǔ)上在隱含層神經(jīng)元引入了稀疏性限制條件,從而增強了模型的泛化能力(模型對于健康狀態(tài)下性能特征的識別能力).稀疏性限制條件能夠使AENN模型的隱含層通過特征選擇來找出高維數(shù)據(jù)中重要的若干維,從而學(xué)習(xí)相對稀疏、簡明的數(shù)據(jù)特征,以更好地表達輸入數(shù)據(jù),它克服了AENN模型泛化能力較差、不能提取數(shù)據(jù)內(nèi)在特征的缺點.

        1.2 產(chǎn)品功能退化評估模型的建立

        以下為建立產(chǎn)品功能退化評估模型的步驟.

        (1) 構(gòu)建產(chǎn)品功能退化評估模型.首先,劃分功能模塊.對于機械產(chǎn)品來說,功能模塊可以按照實現(xiàn)功能的不同劃分為機、電、液等系統(tǒng),每個系統(tǒng)均采用對應(yīng)的性能特征參數(shù)來表征其功能模塊的退化程度.假設(shè)產(chǎn)品由N個功能組成,第n個功能表示為Fn(n=1,2,…,N),功能Fn有M個性能特征,則功能Fn的性能時變特征可用矩陣形式表示為

        (1)

        qi=sf(Wpi+b1)

        (2)

        式中:sf為從輸入層到隱含層的激活函數(shù),也就是Sigmoid函數(shù)f(x)=1/(1+e-x);W∈Rd×M,為隱含層的權(quán)重矩陣;b1∈Rd×1,為隱含層的偏置向量.從隱含層到輸出層進行特征重構(gòu),將qi經(jīng)過計算后所得與pi具有相同維度的性能特征向量為

        (3)

        圖1 功能退化的評估模型Fig.1 Assessment model of function degradation

        (4)

        (2) 增加稀疏性限制條件.在重構(gòu)誤差C的基礎(chǔ)上增加稀疏性限制條件.對于PM×t中M個輸入性能特征向量,假設(shè)隱含層中第k(k=1,2,…,d)個神經(jīng)元的平均活躍度為

        (5)

        稀疏性限制條件可以表示為

        (6)

        (7)

        因此,加入稀疏性限制條件后的重構(gòu)誤差可以表示為

        (8)

        式中:β為稀疏性懲罰因子的權(quán)重,決定了對稀疏性限制條件的重視程度.

        2 產(chǎn)品再設(shè)計功能模塊識別

        2.1 功能退化程度的評估

        (9)

        將評估矩陣中的性能時變特征向量逐次作為模型輸入,計算每一時刻的劣化指數(shù)DI,從而得到Fn的退化趨勢.

        2.2 性能特征重要度的分配

        性能特征重要度是性能參數(shù)對功能退化的影響程度.對于功能Fn的M個性能特征,其數(shù)值與正常的性能特征范圍的偏差對Fn層次的功能退化的影響程度有所不同.例如,液壓系統(tǒng)失壓比油溫偏高對功能造成的影響更嚴(yán)重,因此,在計算DI時,需給油壓分配更大的權(quán)重,以便于合理描述功能退化的程度.在實際應(yīng)用中,對于性能特征重要度的分配,主要依靠工程人員的知識和經(jīng)驗確定.假設(shè)性能特征重要度的權(quán)重向量為V,第j個性能特征的權(quán)重為vj,則

        (10)

        考慮到性能特征重要度權(quán)重的影響,修正后的劣化指數(shù)為

        (11)

        2.3 再設(shè)計功能模塊的識別

        首先,對產(chǎn)品的N個功能模塊分別建立功能退化評估模型,以分析功能退化趨勢與性能時變特征的關(guān)系;然后,采用修正后的劣化指數(shù)DI表征其退化程度.在對產(chǎn)品的薄弱功能模塊進行識別時,應(yīng)比較相同時間內(nèi)不同功能模塊的DI的變化趨勢.DI值越大,說明退化越嚴(yán)重,該模塊再設(shè)計的必要性越高,在再設(shè)計過程中需要格外關(guān)注.

        3 案例分析

        本文以國內(nèi)某大型工程機械制造企業(yè)的水平定向鉆產(chǎn)品為例進行案例分析.該企業(yè)的水平定向鉆產(chǎn)品包括小型機系列、中型機系列以及重型機系列,主要型號有SDD100型、SDD330型、SDD3000型等,本文的研究對象為重型機產(chǎn)品.

        3.1 產(chǎn)品功能模塊的劃分

        表1 功能模塊的性能特征及重要度Tab.1 Performance feature and importance rate of the function module

        3.2 功能退化評估與再設(shè)計的必要性

        首先,定義水平定向鉆在未出廠時的調(diào)試過程采集的性能時變數(shù)據(jù)為健康狀態(tài)下的產(chǎn)品性能特征,用該時段的數(shù)據(jù)訓(xùn)練退化評估模型;然后,對水平定向鉆出廠后投入運行3 a內(nèi)各功能退化的程度進行評估.每隔30 min采集一次各功能模塊的性能特征.其中,主軸時域信號采用振動信號的方均根(RMS)作為特征參數(shù).對于每個功能模塊,將采集的 1 620 組健康狀態(tài)下的性能特征數(shù)據(jù)作為訓(xùn)練集數(shù)據(jù),隨機抽取其中 1 296 組數(shù)據(jù)用于模型訓(xùn)練,324組數(shù)據(jù)用于模型驗證;將產(chǎn)品運行過程中的 6 000 組性能時變數(shù)據(jù)作為測試集數(shù)據(jù),以評估功能模塊的退化程度.評估過程分為3個步驟:

        (1) 數(shù)據(jù)預(yù)處理.由于產(chǎn)品功能模塊的性能時變數(shù)據(jù)的量綱和數(shù)值區(qū)間不同,直接進行訓(xùn)練會導(dǎo)致數(shù)值區(qū)間大的性能特征過分支配數(shù)值區(qū)間小的性能特征,所以需要采用數(shù)據(jù)標(biāo)準(zhǔn)化的方法將其統(tǒng)一變換為無單位數(shù)據(jù).本文采用0-1標(biāo)準(zhǔn)化方法[10]對訓(xùn)練集數(shù)據(jù)進行縮放,并將縮放比例應(yīng)用于測試集數(shù)據(jù).

        (3) 評估功能退化程度.獲取不同性能特征重要度的權(quán)重(見表1).采用步驟(2)中訓(xùn)練好的退化模型評估測試集數(shù)據(jù),計算得到修正后的劣化指數(shù)DI.所得3 a內(nèi)不同功能模塊的劣化指數(shù)的變化趨勢如圖2所示.由圖2可見,隨著運行時間增加,各功能劣化指數(shù)均逐漸增大.而劣化指數(shù)越大,說明功能退化越嚴(yán)重.

        圖2 不同功能模塊劣化指數(shù)的變化趨勢Fig.2 Degradation tendency of each function module

        由圖2還可以看出,液壓系統(tǒng)F1的功能劣化指數(shù)隨時間變化而迅速增長,其變化幅度遠超過其他功能;而機械系統(tǒng)F2相比初始時刻也有較明顯的增長趨勢.通過比較各功能模塊的劣化指數(shù)的最大值和變化趨勢發(fā)現(xiàn),液壓系統(tǒng)的功能退化最嚴(yán)重.

        另外,由企業(yè)調(diào)研中與產(chǎn)品設(shè)計師和相關(guān)技術(shù)人員的訪談可知,液壓系統(tǒng)中子系統(tǒng)眾多,但由于缺乏足夠的設(shè)計和工藝操作經(jīng)驗的積累,所以液壓系統(tǒng)的性能指標(biāo)和可靠性與國外同行業(yè)的先進水平還存在差距,提升該功能模塊的可靠性對于提升產(chǎn)品整體服務(wù)水平有著重要作用,因此,從實際工程的角度也說明液壓系統(tǒng)功能模塊再設(shè)計的必要性最高.

        3.3 結(jié)果分析

        為了驗證SAENN模型的精度,采用3.2節(jié)中F1的 1 620 組訓(xùn)練集數(shù)據(jù)及AENN和SAENN模型對于產(chǎn)品在健康狀態(tài)下的性能特征提取效果進行對比,其結(jié)果見表2.由表2可以看出:SAENN模型訓(xùn)練數(shù)據(jù)的平均重構(gòu)誤差略大于AENN模型,這是由于增加稀疏性限制條件的正則項的緣故,但其對模型精度的影響很小,且驗證數(shù)據(jù)的平均重構(gòu)誤差小于AENN模型,說明SAENN模型的泛化能力更強.因此,在訓(xùn)練數(shù)據(jù)重構(gòu)誤差差距不大的情況下,增加稀疏性限制條件能夠提高模型的泛化能力,減少訓(xùn)練過程中的過擬合現(xiàn)象.

        表2 不同模型的重構(gòu)誤差Tab.2 Reconstruction error of each model

        為進一步驗證SAENN模型的應(yīng)用效果,本文采用改進FMECA方法[2]、聚類方法[5]和混合高斯模型(GMM)方法[6]識別薄弱功能模塊(液壓系統(tǒng)),所得功能模塊的再設(shè)計必要性見表3.其中,根據(jù)方法的不同,模塊之間再設(shè)計必要性的高低有所區(qū)別.改進FMECA方法是通過分析不同功能模塊發(fā)生的故障模式及其可能造成的影響,按照故障的嚴(yán)重性、難檢度和發(fā)生頻次進行歸納,對各功能模塊的再設(shè)計必要性進行排序;聚類方法是通過預(yù)先設(shè)定健康狀態(tài)類別數(shù),根據(jù)時變性能特征向量與聚類中心的距離計算功能模塊的退化程度,進而比較功能模塊間的退化差異;GMM方法是通過建立混合高斯模型,將健康衰退指數(shù)作為功能模塊退化程度的評估指標(biāo),以確定各功能模塊再設(shè)計的必要性.由表3可見,利用產(chǎn)品故障數(shù)據(jù)進行識別時,無法確定功能模塊F2和F3的再設(shè)計必要性,其原因是產(chǎn)品故障數(shù)據(jù)來源于水平定向鉆的返廠維修記錄和用戶反饋信息,而水平定向鉆出廠投入運行3 a后只有2次返廠維修記錄,分別為液壓系統(tǒng)故障(表現(xiàn)為液壓管顫抖)以及液壓泵聲音異常和泥漿系統(tǒng)故障(表現(xiàn)為管路堵塞).因此,僅靠維修記錄無法評估F2和F3的再設(shè)計必要性.考慮性能時變數(shù)據(jù)后,采用聚類方法所得結(jié)果與GMM、SAENN方法的結(jié)果不同,其原因是聚類方法需預(yù)先確定工況個數(shù),產(chǎn)品運行環(huán)境的多變性影響了產(chǎn)品退化趨勢的評估;采用GMM模型與SAENN模型的結(jié)果一致,但GMM模型訓(xùn)練和評估的耗時較多,因此,采用SAENN模型進行再設(shè)計功能模塊識別的整體性能最優(yōu).

        表3 不同方法識別的再設(shè)計功能模塊的必要性Tab.3 Different identified functions using different methods

        4 結(jié)語

        本文將產(chǎn)品在健康狀態(tài)下的性能時變數(shù)據(jù)應(yīng)用于產(chǎn)品功能退化評估,提出了利用性能時變數(shù)據(jù)來指導(dǎo)產(chǎn)品再設(shè)計的思路,并將SAENN模型用于產(chǎn)品功能退化程度的評估,提高了再設(shè)計功能模塊識別方法的準(zhǔn)確性和客觀性.具體方法:將產(chǎn)品在健康狀態(tài)下的性能數(shù)據(jù)作為訓(xùn)練數(shù)據(jù),通過訓(xùn)練神經(jīng)網(wǎng)絡(luò)來學(xué)習(xí)性能參數(shù)深層次的特征,并引入稀疏性限制條件,以增強模型的泛化能力;利用產(chǎn)品運行階段的性能時變數(shù)據(jù)評估產(chǎn)品功能退化的趨勢;對比各功能模塊間性能退化的差異,以識別需要改進的功能模塊.所得識別結(jié)果可作為產(chǎn)品再設(shè)計的依據(jù),對提高產(chǎn)品可靠性具有重要意義.

        然而,文中采用專家打分法對性能特征重要度進行評估,其主觀性較強,下一步將考慮依據(jù)性能特征對產(chǎn)品在健康狀態(tài)下的敏感性和產(chǎn)品性能的退化程度來確定性能特征重要度.

        猜你喜歡
        時變功能模塊特征
        如何表達“特征”
        不忠誠的四個特征
        抓住特征巧觀察
        基于時變Copula的股票市場相關(guān)性分析
        智富時代(2017年4期)2017-04-27 17:08:47
        基于ASP.NET標(biāo)準(zhǔn)的采購管理系統(tǒng)研究
        煙氣輪機復(fù)合故障時變退化特征提取
        輸電線路附著物測算系統(tǒng)測算功能模塊的研究
        M市石油裝備公服平臺網(wǎng)站主要功能模塊設(shè)計與實現(xiàn)
        石油知識(2016年2期)2016-02-28 16:20:16
        基于MEP法的在役橋梁時變可靠度研究
        功能模塊的設(shè)計與應(yīng)用研究
        777精品久无码人妻蜜桃| 亚洲国产精品嫩草影院久久av| 水蜜桃在线精品视频网| 日本丰满熟妇videossexhd | 亚洲人成绝费网站色www| 手机看片国产日韩| 牛仔裤人妻痴汉电车中文字幕| 丰满女人猛烈进入视频免费网站| 国产精品国产三级国av在线观看| 香蕉成人啪国产精品视频综合网| 人妻一区二区三区免费看| 日韩极品视频免费观看| 国产成人亚洲综合色婷婷| 亚洲综合欧美在线| 国产一区亚洲一区二区| 精品久久有码中文字幕| 精品免费看国产一区二区| 91精品国产色综合久久不卡蜜| 青青草绿色华人播放在线视频| 中国孕妇变态孕交xxxx| 久久精品人人爽人人爽| 久9热免费精品视频在线观看| 激情五月六月婷婷俺来也| 97精品人人妻人人| 最近中文av字幕在线中文| 人妖熟女少妇人妖少妇| 精品人妻一区二区三区在线观看| 最近中文字幕完整版免费| 国产精品九九九久久九九| 自拍av免费在线观看| 日本真人边吃奶边做爽动态图| 国产70老熟女重口小伙子| 无码91 亚洲| 亚洲精品在线视频一区二区| 久久人妻少妇嫩草av无码专区| 亚洲黄色一级毛片| 一区二区在线观看日本免费 | 欧美成aⅴ人高清免费| 亚洲男女视频一区二区| 亚洲精品无码久久久久y| 亚洲欧洲巨乳清纯|