CN110750899A - 基于概率服役寿命代理关系的核主泵系统可靠性分析方法 - Google Patents
基于概率服役寿命代理关系的核主泵系统可靠性分析方法 Download PDFInfo
- Publication number
- CN110750899A CN110750899A CN201910991208.7A CN201910991208A CN110750899A CN 110750899 A CN110750899 A CN 110750899A CN 201910991208 A CN201910991208 A CN 201910991208A CN 110750899 A CN110750899 A CN 110750899A
- Authority
- CN
- China
- Prior art keywords
- main pump
- nuclear main
- service life
- pump system
- probability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Monitoring And Testing Of Nuclear Reactors (AREA)
Abstract
基于概率服役寿命代理关系的核主泵系统可靠性分析方法，属于核反应堆冷却剂泵设计和制造领域。该方法用Kriging代理模型拟合核主泵零部件失效试验数据，获得零部件概率服役寿命曲线的显式代理关系；采用核主泵数值模拟输出的运行载荷数据，获得核主泵零部件载荷概率分布函数；依据零部件线性累积损伤法则处理泵壳、叶轮、热屏、飞轮、泵轴、导轴承、推力轴承、屏蔽套或轴密封，建立核主泵串联系统可靠度模型；随机抽取核主泵零部件运行载荷和概率服役寿命曲线，循环计算各零部件累积损伤，获得核主泵系统服役寿命，计算核主泵系统失效概率密度分布函数，最终获得核主泵系统可靠度。优点是：核主泵可靠性超小样本高精度分析，且具有普适性。
Description
技术领域
本发明涉及一种基于概率服役寿命代理关系的核主泵系统可靠性分析方法，属于核反应堆冷却剂泵设计和制造领域。
技术背景
目前，科研人员针对机电产品系统可靠度评估问题进行了许多研究，主要研究方法包括产品服役寿命直接分析、状态监测评估，以及基于应力-强度干涉模型的评估方法。1989年，Astridge报道了“Helicopter transmissions-design for safety andreliability”论文，采用服役寿命直接分析法对直升机变速箱寿命评估得到了寿命分布，再通过寿命分布预测变速箱服役的可靠度。然而，服役寿命直接分析方法需要产品失效的大量统计数据，分析评估效率低，而且对处于设计、研发或只有少批量生产的产品，由于难以获得足够的统计数据，不能应用此类方法。2011年，Shen报道了“Investigation of oilconditioning, real-time monitoring and oil sample analysis for wind turbinegearboxes: NREL/PR-5000-50301”论文，对风力发电机齿轮箱系统振动状态进行监测，在线监测信号可较好地反映该系统的磨损状态。但是，无初始裂纹零件的疲劳失效具有极大的突然性，且多数疲劳失效破坏前并不能发出或检测到异常信号，依据状态监测难以评估存在零件疲劳失效等突发性失效成因的系统可靠度。
2013年，Dong 等报道了“Time domain-based gear contact fatigue analysisof a wind turbine drivetrain under dynamic conditions”论文，基于裂纹扩展理论研究了风力发电机传动系统疲劳寿命。1999年，Place 等报道了“Reliability predictionof helicopter transmission systems using stress-strength interference withunderlying damage accumulation”论文，以扩展的应力-强度干涉模型研究了直升机变速箱系统的可靠度，以2个零件的串联系统为例，通过多元累积分布函数的轮廓线方法计算了考虑失效相关的系统可靠度。2014年，Nejad 等报道了“On long-term fatigue damageand reliability analysis of gears under wind loads in offshore wind turbinedrivetrains”论文，以经验公式方法计算了海上风力发电机传动系统输入载荷的应力响应，并以线性累积损伤方法计算了随机载荷下传动系统各轮齿的寿命。2006年，谢里阳等报道了“系统共因失效分析及其概率预测的离散化建模方法”论文，提出了系统层的载荷-强度干涉概念，并在不作“系统中各零件失效是相互独立的”假设条件下建立系统失效概率估算公式，运用全概率思想建立了考虑失效相关的串联系统可靠度函数。上述经典的结构可靠度评估方法和较新的系统可靠度评估方法都是在应力-强度干涉模型的基础上的不同扩展，比产品服役寿命直接分析、状态监测评估更具普适性的优势。近期还发展出利用代理模型对材料疲劳寿命数据进行拟合及曲线预测的新方法，2016年，Kawai和Yano报道了“Anisomorphic constant fatigue life diagrams of constant probability offailure and prediction of PSN curves for unidirectional carbon/epoxylaminates”论文，应用神经网络和重构等寿命疲劳曲线方法预测了复合材料的疲劳寿命，给出了拟合的复合材料概率疲劳寿命（PSN）曲线，但是神经网络拟合PSN曲线也需要较多样本点，较少的疲劳试验数据导致了拟合结果精度不高。
尽管应力-强度干涉模型的评估方法在机电产品疲劳寿命研究方面不断取得进展，但是，相关可靠性评价方法尚未应用于核主泵系统可靠度的研究。核主泵系统在内的较为复杂的机电产品，包含多种零部件且存在疲劳、磨损、冲击、腐蚀损伤等多种服役失效模式，已有的较为广泛的基于应力-强度干涉模型的可靠度评估方法，主要针对磨损或疲劳单一失效成因，新发展的PSN疲劳寿命分析方法也难以应用。同时，已有的机电产品系统可靠性的评估方法均存在需要大量试验样本点、分析精度受限且效率低等问题，推广应用受限。因此，亟待发展利用少量实验数据样本点即可拟合机电系统多失效模式的概率服役寿命曲线、实现可靠度评估的方法，用于核主泵系统可靠性的高效高精度分析，可为核主泵的设计与制造提供依据，降低核主泵研制和运行成本。
发明内容
本发明的目的和任务：克服现有机电产品可靠性分析方法主要考虑疲劳寿命曲线的数据、未能全面考虑复杂系统多失效模式的概率服役寿命曲线的数据，以及需要大量试验样本数据、分析精度和效率低，无法用于核主泵系统可靠性评估的问题。结合核主泵零部件构成，考虑核主泵零部件的失效模式，提出可用于核主泵系统的可靠性分析方法。
本发明所提出的基于概率服役寿命代理关系的核主泵系统可靠性分析方法，通过以下技术方案实现：
利用Kriging代理模型算法获得零部件概率服役寿命曲线的显式代理关系；利用核主泵数值模拟输出的运行载荷数据，获得核主泵零部件载荷概率分布函数；依据零部件线性累积损伤法则建立核主泵串联系统可靠度模型；对核主泵各零部件概率服役寿命曲线和运行载荷进行随机抽取，计算各零部件单次循环的损伤，并进行多次循环累计计算直至出现核主泵系统失效，获得一次核主泵服役寿命数据；根据核主泵可靠度分析置信度要求，计算多次核主泵服役寿命数据，并依据此数据计算核主泵系统失效概率密度分布函数，最终获得核主泵系统可靠度。
利用Kriging代理模型拟合核主泵零部件损伤失效试验数据，依次对零部件j(j =1,2,…,n)的疲劳、磨损、冲击、腐蚀工况试验样本点进行拟合，确定Kriging代理模型的回归系数和径向基函数，建立各零部件失效的概率-载荷-循环次数的显式函数关系，获得各零部件损伤失效的概率服役寿命曲线。
依据零部件线性累积损伤法则建立的核主泵串联系统可靠度模型，由核主泵泵壳、叶轮、热屏、飞轮、泵轴、导轴承、推力轴承、屏蔽套或轴密封串联构成，依据零部件线性累积损伤法则分别处理核主泵系统的各零部件，任意一个零部件失效即导致核主泵系统失效。利用核主泵零部件载荷概率分布函数随机抽取的第i次运行载荷，利用显式代理关系随机抽取零部件j(j = 1,2,…,n)损伤失效的概率服役寿命曲线，确定第i次载荷下零部件j的服役寿命Nji，可确定第i次载荷损伤为Dji = 1/Nji，由线性累积损伤法则计算各核主泵零部件第i次载荷循环后的总损伤为Σ1/Nji，当零部件j的总损伤大于1时，判断零部件j失效。
对核主泵零部件概率服役寿命曲线和运行载荷进行蒙特卡罗法随机抽取，进行多次运行载荷循环累计计算各零部件总损伤，直至出现核主泵系统失效，得到核主泵系统服役寿命样本数据。
核主泵系统可靠度的分析计算，根据给定置信区间的置信度要求确定核主泵系统服役寿命样本数m，进行m次核主泵系统服役寿命蒙特卡罗仿真计算，计算核主泵系统寿命样本fni(i=1,2,…,m)序列的均值和方差，得到核主泵系统失效概率密度分布函数，最终获得给定寿命的核主泵系统的可靠度分析结果。
本发明的优点：基于概率服役寿命代理关系的核主泵系统可靠性分析方法，与已有的基于PSN曲线机电产品可靠性分析方法相比，全面考虑核主泵系统多零部件、多失效模式的概率服役寿命曲线的数据，只需要利用超小试验样本点即可高精度、高效率分析核主泵系统的可靠性，提供了一种准确表征核主泵工作性能的方法，且具有普适性，可为核主泵的设计与制造提供依据，降低核主泵研制和运行成本。
附图说明
基于概率服役寿命代理关系的核主泵系统可靠性分析方法实现核主泵可靠性定量分析，提供了一种准确表征核主泵工作性能，降低核主泵设计、制造和运行成本的核主泵可靠性分析方法。下面结合附图，进一步说明本发明的细节。
图1给出了基于概率服役寿命代理关系的核主泵系统寿命蒙特卡罗仿真流程图。按照以下流程进行计算：
1. 输入不同载荷下的n个零部件疲劳寿命样本，计算不同载荷下各个零部件失效概率分布函数，建立一组载荷-失效概率-寿命样本；
2. 利用Kriging代理模型对零部件疲劳试验数据进行拟合，获得核主泵零部件j(j =1,2,…,n)的概率服役寿命曲线；
3. 运行载荷循环初始化i = 0，零部件线性累积损伤初始化Dj = 0 (j = 1, 2, …n);
4. 进入运行载荷循环，累计次数i = i+1；零部件次序统计循环初始化j = 0，并扫描所有零部件的损伤Dj (j = 1, 2, …n)，更新零件力学性能和表面尺寸；
5. 依据零部件性能和表面尺寸的更新结果，更新核主泵数字样机；
6. 进入零部件循环，累计次数j = j+1；利用核主泵数字样机输出的运行载荷数据，获得零部件j的载荷分布；
7. 随机抽取零部件j的第i次载荷循环的载荷Li；将Li代入随机抽取的零部件j的服役寿命曲线，获得第i次载荷循环的服役寿命Ni；
8. 获得零部件j第i次循环后的损伤Dji=1/Nji，并累计零部件j的损伤Dj = ΣDji=Σ1/Nji；判断j是否等于n，否则返回步骤6；
9. 扫描所有零部件j的累计损伤，判断是否Dj≥1，如果否则返回步骤4，如果是则标记Dj≥1的j，根据循环次数i计算出核主泵系统的服役寿命，终止循环。
图2给出了基于核主泵系统寿命蒙特卡罗仿真的可靠度计算流程。根据给定置信区间的置信度要求确定核主泵系统服役寿命样本数m，依照图1所示的流程进行m次核主泵系统服役寿命蒙特卡罗仿真计算，获得m个服役寿命样本点，利用样本点计算核主泵系统寿命fni(i=1,2,…,m)序列的均值和方差，得到核主泵系统失效概率密度分布函数，最终获得给定寿命的核主泵系统的可靠度分析结果。
实施例1 以下针对本发明应用于屏蔽式核主泵系统可靠度计算进行说明。
利用Kriging代理模型算法获得零部件概率服役寿命曲线的显式代理关系；利用核主泵数值模拟输出的运行载荷数据，获得核主泵零部件载荷概率分布函数；依据零部件线性累积损伤法则建立核主泵串联系统可靠度模型；对核主泵各零部件概率服役寿命曲线和运行载荷进行随机抽取，计算各零部件单次循环的损伤，并进行多次循环累计计算直至出现核主泵系统失效，获得一次核主泵服役寿命数据；根据核主泵可靠度分析置信度要求，计算多次核主泵服役寿命数据，并依据此数据计算核主泵系统失效概率密度分布函数，最终获得核主泵系统可靠度。
利用Kriging代理模型拟合核主泵零部件损伤失效试验数据，依次对零部件j(j =1,2,…,n)的疲劳、磨损、冲击、腐蚀工况试验样本点进行拟合，确定Kriging代理模型的回归系数和径向基函数，建立各零部件失效的概率-载荷-循环次数的显式函数关系，获得各零部件损伤失效的概率服役寿命曲线。
依据零部件线性累积损伤法则建立的核主泵串联系统可靠度模型，由核主泵泵壳、叶轮、热屏、飞轮、泵轴、导轴承、推力轴承、屏蔽套串联构成，依据零部件线性累积损伤法则分别处理核主泵系统的各零部件，任意一个零部件失效即导致核主泵系统失效。利用核主泵零部件载荷概率分布函数随机抽取的第i次运行载荷，利用显式代理关系随机抽取零部件j(j = 1,2,…,n)损伤失效的概率服役寿命曲线，确定第i次载荷下零部件j的服役寿命Nji，可确定第i次载荷损伤为Dji = 1/Nji，由线性累积损伤法则计算各核主泵零部件第i次载荷循环后的总损伤为Σ1/Nji，当零部件j的总损伤大于1时，判断零部件j失效。
对核主泵零部件概率服役寿命曲线和运行载荷进行蒙特卡罗法随机抽取，进行多次运行载荷循环累计计算各零部件总损伤，直至出现核主泵系统失效，得到核主泵系统服役寿命样本数据。
核主泵系统可靠度的分析计算，根据给定置信区间的置信度要求确定核主泵系统服役寿命样本数m，进行m次核主泵系统服役寿命蒙特卡罗仿真计算，计算核主泵系统寿命样本fni(i=1,2,…,m)序列的均值和方差，得到核主泵系统失效概率密度分布函数，最终获得给定寿命的屏蔽式核主泵系统的可靠度分析结果。
实施例2 以下针对本发明应用于轴封式核主泵系统可靠度计算进行说明。
利用Kriging代理模型算法获得零部件概率服役寿命曲线的显式代理关系；利用核主泵数值模拟输出的运行载荷数据，获得核主泵零部件载荷概率分布函数；依据零部件线性累积损伤法则建立核主泵串联系统可靠度模型；对核主泵各零部件概率服役寿命曲线和运行载荷进行随机抽取，计算各零部件单次循环的损伤，并进行多次循环累计计算直至出现核主泵系统失效，获得一次核主泵服役寿命数据；根据核主泵可靠度分析置信度要求，计算多次核主泵服役寿命数据，并依据此数据计算核主泵系统失效概率密度分布函数，最终获得核主泵系统可靠度。
利用Kriging代理模型拟合核主泵零部件损伤失效试验数据，依次对零部件j(j =1,2,…,n)的疲劳、磨损、冲击、腐蚀工况试验样本点进行拟合，确定Kriging代理模型的回归系数和径向基函数，建立各零部件失效的概率-载荷-循环次数的显式函数关系，获得各零部件损伤失效的概率服役寿命曲线。
依据零部件线性累积损伤法则建立的核主泵串联系统可靠度模型，由核主泵泵壳、叶轮、热屏、飞轮、泵轴、导轴承、推力轴承、轴密封串联构成，依据零部件线性累积损伤法则分别处理核主泵系统的各零部件，任意一个零部件失效即导致核主泵系统失效。利用核主泵零部件载荷概率分布函数随机抽取的第i次运行载荷，利用显式代理关系随机抽取零部件j(j = 1,2,…,n)损伤失效的概率服役寿命曲线，确定第i次载荷下零部件j的服役寿命Nji，可确定第i次载荷损伤为Dji = 1/Nji，由线性累积损伤法则计算各核主泵零部件第i次载荷循环后的总损伤为Σ1/Nji，当零部件j的总损伤大于1时，判断零部件j失效。
对核主泵零部件概率服役寿命曲线和运行载荷进行蒙特卡罗法随机抽取，进行多次运行载荷循环累计计算各零部件总损伤，直至出现核主泵系统失效，得到核主泵系统服役寿命样本数据。
核主泵系统可靠度的分析计算，根据给定置信区间的置信度要求确定核主泵系统服役寿命样本数m，进行m次核主泵系统服役寿命蒙特卡罗仿真计算，计算核主泵系统寿命样本fni(i=1,2,…,m)序列的均值和方差，得到核主泵系统失效概率密度分布函数，最终获得给定寿命的轴封式核主泵系统的可靠度分析结果。
Claims (6)
1.基于概率服役寿命代理关系的核主泵系统可靠性分析方法，其特征在于，利用Kriging代理模型算法获得零部件概率服役寿命曲线的显式代理关系；利用核主泵数值模拟输出的运行载荷数据，获得核主泵零部件载荷概率分布函数；依据零部件线性累积损伤法则建立核主泵串联系统可靠度模型；对核主泵各零部件概率服役寿命曲线和运行载荷进行随机抽取，计算各零部件单次循环的损伤，并进行多次循环累计计算直至出现核主泵系统失效，获得一次核主泵服役寿命数据；根据核主泵可靠度分析置信度要求，计算多次核主泵服役寿命数据，并依据此数据计算核主泵系统失效概率密度分布函数，最终获得核主泵系统可靠度。
2.根据权利要求1所述的基于概率服役寿命代理关系的核主泵系统可靠性分析方法，其特征在于，所述利用Kriging代理模型算法获得零部件概率服役寿命曲线的显式代理关系，利用Kriging代理模型拟合核主泵零部件损伤失效试验数据，依次对零部件j = 1,2,…,n的疲劳、磨损、冲击、腐蚀工况试验样本点进行拟合，确定Kriging代理模型的回归系数和径向基函数，建立各零部件失效的概率-载荷-循环次数的显式函数关系，获得各零部件损伤失效的概率服役寿命曲线。
3.根据权利要求1所述的基于概率服役寿命代理关系的核主泵系统可靠性分析方法，其特征在于，所述依据零部件线性累积损伤法则建立核主泵串联系统可靠度模型，由核主泵泵壳、叶轮、热屏、飞轮、泵轴、导轴承、推力轴承、屏蔽套或轴密封串联构成，依据零部件线性累积损伤法则分别处理核主泵系统的各零部件，任意一个零部件失效即导致核主泵系统失效。
4.根据权利要求1所述的基于概率服役寿命代理关系的核主泵系统可靠性分析方法，其特征在于，所诉依据零部件线性累积损伤法则分别处理核主泵系统的各零部件，利用核主泵零部件载荷概率分布函数随机抽取的第i次运行载荷，利用显式代理关系随机抽取零部件j = 1,2,…,n损伤失效的概率服役寿命曲线，确定第i次载荷下零部件j的服役寿命Nji，可确定第i次载荷损伤为Dji = 1/Nji，由线性累积损伤法则计算各核主泵零部件第i次载荷循环后的总损伤为Σ1/Nji，当零部件j的总损伤大于1时，判断零部件j失效。
5.根据权利要求1所述的基于概率服役寿命代理关系的核主泵系统可靠性分析方法，其特征在于，对核主泵零部件概率服役寿命曲线和运行载荷进行蒙特卡罗法随机抽取，进行多次运行载荷循环累计计算各零部件总损伤，直至出现核主泵系统失效，得到核主泵系统服役寿命样本数据。
6.根据权利要求1所述的基于概率服役寿命代理关系的核主泵系统可靠性分析方法，其特征在于，核主泵系统可靠度的分析计算，根据给定置信区间的置信度要求确定核主泵系统服役寿命样本数m，进行m次核主泵系统服役寿命蒙特卡罗仿真计算，计算核主泵系统寿命样本fni序列的均值和方差，i=1,2,…,m得到核主泵系统失效概率密度分布函数，最终获得给定寿命的核主泵系统的可靠度分析结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910991208.7A CN110750899B (zh) | 2019-10-18 | 2019-10-18 | 基于概率服役寿命代理关系的核主泵系统可靠性分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910991208.7A CN110750899B (zh) | 2019-10-18 | 2019-10-18 | 基于概率服役寿命代理关系的核主泵系统可靠性分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110750899A true CN110750899A (zh) | 2020-02-04 |
| CN110750899B CN110750899B (zh) | 2023-08-01 |
Family
ID=69278745
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910991208.7A Active CN110750899B (zh) | 2019-10-18 | 2019-10-18 | 基于概率服役寿命代理关系的核主泵系统可靠性分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110750899B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115358097A (zh) * | 2022-10-20 | 2022-11-18 | 河北工业大学 | 固体姿轨控发动机燃气阀的最大推力可靠性分析方法 |
| CN112131797B (zh) * | 2020-09-28 | 2024-02-02 | 衢州学院 | 一种基于应力分析的主轴轴承寿命预测和可靠性评估方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103559369A (zh) * | 2013-09-14 | 2014-02-05 | 西安电子科技大学 | 一种基于cad蒙特卡洛分析的电路成品率估算方法 |
| CN104880992A (zh) * | 2014-12-23 | 2015-09-02 | 湘潭大学 | 基于Kriging代理模型的磁控电弧传感器参数优化方法 |
| CN107103140A (zh) * | 2017-04-28 | 2017-08-29 | 电子科技大学 | 一种基于双线性累积损伤的时变疲劳可靠性分析方法 |
| CN109165425A (zh) * | 2018-08-03 | 2019-01-08 | 湖南大学 | 一种齿轮接触疲劳可靠性分析方法 |
-
2019
- 2019-10-18 CN CN201910991208.7A patent/CN110750899B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103559369A (zh) * | 2013-09-14 | 2014-02-05 | 西安电子科技大学 | 一种基于cad蒙特卡洛分析的电路成品率估算方法 |
| CN104880992A (zh) * | 2014-12-23 | 2015-09-02 | 湘潭大学 | 基于Kriging代理模型的磁控电弧传感器参数优化方法 |
| CN107103140A (zh) * | 2017-04-28 | 2017-08-29 | 电子科技大学 | 一种基于双线性累积损伤的时变疲劳可靠性分析方法 |
| CN109165425A (zh) * | 2018-08-03 | 2019-01-08 | 湖南大学 | 一种齿轮接触疲劳可靠性分析方法 |
Non-Patent Citations (1)
| Title |
|---|
| 孙洪哲;孙志礼;: "利用Kriging和Monte Carlo进行球头铣刀铣削力概率分布预测", 机械设计与制造, no. 09 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112131797B (zh) * | 2020-09-28 | 2024-02-02 | 衢州学院 | 一种基于应力分析的主轴轴承寿命预测和可靠性评估方法 |
| CN115358097A (zh) * | 2022-10-20 | 2022-11-18 | 河北工业大学 | 固体姿轨控发动机燃气阀的最大推力可靠性分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110750899B (zh) | 2023-08-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Saufi et al. | Challenges and opportunities of deep learning models for machinery fault detection and diagnosis: A review | |
| CN110750899A (zh) | 基于概率服役寿命代理关系的核主泵系统可靠性分析方法 | |
| Butler et al. | A feasibility study into prognostics for the main bearing of a wind turbine | |
| Ahsan et al. | Reliability analysis of gas turbine engine by means of bathtub‐shaped failure rate distribution | |
| Ma et al. | Subspace-based MVE for performance degradation assessment of aero-engine bearings with multimodal features | |
| CN116956751B (zh) | 一种基于二进制量化的航空发动机寿命预测方法及系统 | |
| Ramezani et al. | Prognostics and health management in machinery: A review of methodologies for RUL prediction and roadmap | |
| He et al. | Prognostic analysis based on hybrid prediction method for axial piston pump | |
| CN102207998A (zh) | 基于无失效数据的评估产品寿命及其可靠性的方法 | |
| Jia et al. | Review on engine vibration fault analysis based on data mining | |
| CN118036389A (zh) | 预测航空发动机叶片剩余寿命的方法及航空发动机 | |
| Owolabi et al. | FEM and ANN approaches to wind turbine gearbox monitoring and diagnosis: a mini review | |
| Mahmoud et al. | Designing and prototyping the architecture of a digital twin for wind turbine | |
| Miao et al. | Singularity detection in machinery health monitoring using Lipschitz exponent function | |
| CN117909800A (zh) | 基于可解释的隐式扩散模型的旋转机械设备故障诊断方法 | |
| CN116335892A (zh) | 风电机组叶片异常检测方法及系统 | |
| Senthilnathan et al. | Recent Advancements in Fault Diagnosis of Spherical Roller Bearing: A Short Review | |
| CN116399593A (zh) | 矿井钻孔机器人滚动轴承故障诊断方法 | |
| Rosli et al. | Application of principal component analysis vs. Multiple linear regression in resolving influential factor subject to air booster compressor Motor failure | |
| Srivyas et al. | Study of various maintenance approaches types of failure and failure detection techniques used in hydraulic pumps: a review | |
| Wang et al. | Prognosis-informed wind farm operation and maintenance for concurrent economic and environmental benefits | |
| CN114417514A (zh) | 一种风电机组齿轮箱故障诊断系统、方法、计算机设备、存储介质 | |
| Wang et al. | Research on early warning of rolling bearing wear failure based on empirical mode decomposition | |
| CN112699598A (zh) | 齿轮箱油温异常智能诊断方法及装置 | |
| Wang et al. | Degradation pattern identification and remaining useful life prediction for mechanical equipment using SKF-EN |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |