导读:本文包含了无故障数据论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:数据,无故障,向量,齿轮箱,数据包,轴箱,隐患。
无故障数据论文文献综述
张媛,杜艳平,高振清,秦勇,魏秀琨[1]（2019）在《基于PSO-SVDD正常域的无故障数据条件下轴承隐患监测》一文中研究指出面向现场工况中常发的故障数据缺乏的条件下滚动轴承状态辨识和监测问题,提出了一套体系化的基于正常域估计理论的隐患监测方法。首先,对正常域理论中的基本概念进行了阐述,并给出了正常域的形式化表达;其次,梳理了基于正常域估计进行隐患监测的学术思想和实施步骤;而后,为解决边界估计这一核心问题提出了基于粒子群-支持向量数据描述(Particle Swarm Optimization-Support Vector Data Description,PSO-SVDD)的边界估计算法;最后,基于滚动轴承的振动数据进行了试验。结果表明基于PSO-SVDD的正常域边界估计方法能够获得较平滑的曲面边界且鲁棒性和适应性较好,且所估计出的正常域边界能够精确区分正常和异常状态,验证了方法的可行性。(本文来源于《现代制造工程》期刊2019年08期）
张媛,杜艳平,高振清,秦勇,魏秀琨[2]（2019）在《基于正常域的无故障数据条件下轴承隐患监测》一文中研究指出针对滚动轴承状态辨识和监测中缺乏故障数据的实际情况,系统化地提出基于正常域估计理论的隐患监测方法;对正常域理论中的基本概念进行阐述,并给出正常域的形式化表达;梳理基于正常域估计进行隐患监测的学术思想和实施步骤,提出基于凸包理论解决正常域边界估计问题,并选用快包法进行边界估计,基于滚动轴承的振动数据进行实验。结果表明,基于快包法的正常域边界估计方法快速并且有效,估计出的正常域边界能够区分正常和异常状态,验证了所提出的方法的可行性。(本文来源于《济南大学学报(自然科学版)》期刊2019年04期）
Nilesh,Badodekar[3]（2018）在《未来物联网系统中的无故障数据存储》一文中研究指出随着物联网的逐步兴起,所有设备都开始通过网络实现互联。一个方案是把所有信息都上传到云,远程对信息进行处理。但这一方案只适用于规模小而分散的系统。随着世界互联的程度不断提高,将会有大量甚至过剩的系统进行信息的上传,在这样的情况下我们需要考虑网络和本地两种存储和处理的成本差异。如何选择最好的本地数据存储对未来的系统发展极为重要。(本文来源于《中国电子商情(基础电子)》期刊2018年12期）
张朋,李慧敏,邓铭,杜正春,杨建国[4]（2018）在《基于MCMC方法的机床无故障数据可靠性分析》一文中研究指出定时截尾试验中的无失效数据问题在可靠性研究中越来越普遍,利用配分布曲线法解决这一问题的核心是估计截尾时刻的失效概率。多层贝叶斯估计因充分利用先验信息而在此问题的研究中备受关注,但存在后验密度函数难以求解的问题。为此,提出应用马尔科夫链的蒙特卡罗法(MCMC)求解失效概率的多层贝叶斯后验估计,并据此拟合得到双参数威布尔模型的参数估计值,解决了无失效数据产品的可靠性分析问题。结合机床刀架的实例,验证了所提方法的可行性。最后,将模型应用于不同种类产品进行分析,计算结果表明该方法较之于现有方法具有一定的准确性和可推广性。(本文来源于《机械设计与研究》期刊2018年05期）
Nilesh,Badodekar[5]（2018）在《未来物联网系统中的无故障数据存储》一文中研究指出随着物联网的逐步兴起,所有设备都开始通过网络实现互联。保守估计,2020年将有100亿台设备实现联网,其中包括汽车、工业自动化设备、植入式医疗器械、可穿戴设备和智能家居等新一代产品。下一代5G网络已经开始在某些地区部署并有望承担上述设备产生的大部分流量。但是,数据科学家和系统设计师仍有几个尚未解决的问题。(本文来源于《中国电子商情(基础电子)》期刊2018年10期）
孙琦[6]（2018）在《无故障数据驱动的高速列车轴箱轴承故障诊断方法研究》一文中研究指出高速列车轴箱轴承安装在高速列车轴箱中,是高速列车传递牵引力的关键部件。它将轮轴与轴座之间的滑动摩擦转变为滚动摩擦,起到减小摩擦损耗的作用。在实际应用中,高速列车轴箱轴承健康状态的恶化,会产生不可逆的缺陷,形成安全隐患,因此需要实时监测其健康状态。不同于一般工业轴承,高速列车轴箱轴承工作时具有基座非固定安装、机械背景复杂、激振源多的特点,这一特点使得高速列车轴箱轴承故障诊断的研究成果较少。为了推动高速列车轴箱轴承工程实际环境下的故障诊断发展,本文提出无故障数据下的高速列车轴箱轴承故障诊断方法研究的。本文以泛信息理论下的本征融合方法为指导思想,提出了一套完整的无故障数据下的高速列车轴箱轴承故障诊断方法。该方法的核心内容是:对高速列车在运营条件下测得的无故障的轴箱振动信号进行数据预处理、特征提取、特征降维、数据建模,从而获得高速列车轴箱轴承的安全域边界和性能退化数据模型。该方法的主要创新是:提出了一套针对高速列车轴箱振动数据的数据“清洗”方法;提出了一个能较全面表征高速列车轴箱轴承健康状态的320维特征向量;提出了基于t-SNE方法降低安全域边界函数阶数实现安全域边界估计的目的。该方法的优势是:适应当下轨道交通领域真实故障数据难得的客观限制;避开了高速列车复杂的机械结构及相互影响机制的研究,具有较强的工程应用价值。本文在无故障数据样本的情况下研究高速列车轴箱轴承故障诊断方法,一改传统的分内圈、外圈、保持架、滚动体故障分别诊断的研究思路,充分挖掘了样本数据中的有用信息,依据大量样本数据建立了高速列车轴箱轴承的安全域,从域的角度实现了高速列车故障诊断的目的。该方法的研究为提高列车运行安全性、减少维修费用、取消计划性检查、实时通报设备各级保障链、在潜在的灾难性失效发生之前及时捕获状态信息、缩短设备整个生命周期的检修占时等高速列车轴箱轴承智能运维的工业需求提供了技术支撑。(本文来源于《西南交通大学》期刊2018-04-01）
刘仕林[7]（2016）在《无故障数据下高速列车轮对轴承安全域估计方法研究》一文中研究指出铁路交通系统的安全运营取决于高速列车的正常运行。高速列车的正常运行则很大程度上取决于列车关键部件的运行状态。但是,高速列车关键部件的状态检测数据大多数是符合期望的正常样本,由于故障样本获取代价高或获取困难,导致异常数据缺失。这种情况决定了高速列车的状态检测不能按照传统的方式进行,因此无故障数据下如何检测列车的安全性成为研究的重点。本文以高速列车轮对轴承为研究对象,对无故障数据下高速列车轮对轴承的安全域估计方法进行研究。首先,分析了轮对轴承故障诊断、安全域理论的国内外研究现状,借鉴相关研究成果,提出基于支持向量数据描述的轮对轴承安全域估计方法。然后,介绍了安全域的理论及方法,提出基于安全域的轮对轴承状态检测的方法,给出具体的实施步骤,并根据轮对轴承数据的条件,利用支持向量数据描述这一单值分类工具实现安全域的边界估计。主要研究工作如下:(1)针对轮对轴承安全域模型中惩罚参数选择问题,本文从惩罚参数优化效率方面考虑,结合不同数据复杂程度差异,提出了一种选择惩罚参数的方法。这种方法的基本思想是首先将样本数据映射到高维特征空间,基于样本点在核空间的位置分布计算所有样本点到核空间中心的距离,然后求得所有样本点的距离熵,进而求得最优的惩罚参数。实验结果表明,该算法可以减少参数选择时间。(2)高速列车轮对轴承的安全域能否得到较好的边界估计,在很大程度上取决于模型训练中特征选择效果的好坏。为避免单一准则的局限性,本文结合有效性和相关性特征评价准则对特征进行全面的评价。实验结果表明,该算法可以降低特征冗余度及安全域模型的复杂度,同时可以提高安全域的故障识别率。(3)以某高速列车轮对轴承为实验对象,设计实验采集轴承正常、外圈故障、内圈故障及滚动体故障四种类型数据,并进行特征处理。采用用文中提出的无故障数据下高速列车轮对轴承安全域估计研究方法对轴承状态进行辨识。实验结果表明,基于支持向量数据描述的轮对轴承安全域方法能够在异常轴承数据匮乏的情况下展现出良好的异常检测性能。(本文来源于《电子科技大学》期刊2016-05-02）
安宗文,许洁,刘波[8]（2015）在《基于无故障数据的风电机组齿轮箱可靠度预测》一文中研究指出以1.5 MW国产风电机组齿轮箱为研究对象,基于风电齿轮箱的无故障数据,在威布尔分布场合下,应用Bayes方法和最优置信限法对其进行可靠性分析.在配分布曲线的思想下,应用Bayes方法结合加权最小二乘法建立风电齿轮箱可靠度模型;引入保守估计的经典估计方法,结合Bayes方法得出的结论,给出风电齿轮箱寿命分布函数形状参数的估计范围,将此范围应用于最优置信限法,求出风电齿轮箱可靠度在置信水平为1-α下的最优置信下限,并验证此估计范围的合理性;最后分别应用Bayes方法和最优置信限法对风电机组齿轮箱可靠度进行预测,得出此型号风电齿轮箱无故障运行9a的可靠度约为45%,运行10a的可靠度约为30%.(本文来源于《兰州理工大学学报》期刊2015年02期）
郑锐[9]（2014）在《无故障数据下的数控机床可靠性分析》一文中研究指出随着数控机床可靠性水平的不断提高,对其可靠性试验时经常会出现在试验周期内无故障发生的情况,尤其是对于某些高可靠性的部件。此时应用经典方法估计其可靠性特征量会引入较大误差。针对数控机床的定时截尾试验,提出基于无故障数据的可靠性分析方法。假设部件的故障时间服从指数分布,在先验分布为伽马分布时,给出了多层Bayes估计方法。最后,结合数控机床的主轴系统进行计算。(本文来源于《制造技术与机床》期刊2014年11期）
韩庆田,曹文静,李文强[10]（2012）在《基于多源信息的发动机无故障数据可靠性评估》一文中研究指出针对弹用发动机无故障数据可靠性评估问题,提出基于多源信息的可靠性评估方法;综合应用修正极大似然估计和Bayes估计方法,给出信息源权值的计算公式和可靠性评估步骤,最后给出应用实例。计算结果表明,多源信息融合方法计算简单,评估结果合理,具有一定工程应用价值。(本文来源于《导弹与航天运载技术》期刊2012年03期）
无故障数据论文开题报告
（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：
针对滚动轴承状态辨识和监测中缺乏故障数据的实际情况,系统化地提出基于正常域估计理论的隐患监测方法;对正常域理论中的基本概念进行阐述,并给出正常域的形式化表达;梳理基于正常域估计进行隐患监测的学术思想和实施步骤,提出基于凸包理论解决正常域边界估计问题,并选用快包法进行边界估计,基于滚动轴承的振动数据进行实验。结果表明,基于快包法的正常域边界估计方法快速并且有效,估计出的正常域边界能够区分正常和异常状态,验证了所提出的方法的可行性。
（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。
无故障数据论文参考文献
[1].张媛,杜艳平,高振清,秦勇,魏秀琨.基于PSO-SVDD正常域的无故障数据条件下轴承隐患监测[J].现代制造工程.2019
[2].张媛,杜艳平,高振清,秦勇,魏秀琨.基于正常域的无故障数据条件下轴承隐患监测[J].济南大学学报(自然科学版).2019
[3].Nilesh,Badodekar.未来物联网系统中的无故障数据存储[J].中国电子商情(基础电子).2018
[4].张朋,李慧敏,邓铭,杜正春,杨建国.基于MCMC方法的机床无故障数据可靠性分析[J].机械设计与研究.2018
[5].Nilesh,Badodekar.未来物联网系统中的无故障数据存储[J].中国电子商情(基础电子).2018
[6].孙琦.无故障数据驱动的高速列车轴箱轴承故障诊断方法研究[D].西南交通大学.2018
[7].刘仕林.无故障数据下高速列车轮对轴承安全域估计方法研究[D].电子科技大学.2016
[8].安宗文,许洁,刘波.基于无故障数据的风电机组齿轮箱可靠度预测[J].兰州理工大学学报.2015
[9].郑锐.无故障数据下的数控机床可靠性分析[J].制造技术与机床.2014
[10].韩庆田,曹文静,李文强.基于多源信息的发动机无故障数据可靠性评估[J].导弹与航天运载技术.2012
论文知识图
