基于稀疏自编码神经网络的产品再设计模块识别方法
2019-08-07马斌彬马红占褚学宁李玉鹏
上海交通大学学报 2019年7期
马斌彬, 马红占, 褚学宁, 李玉鹏
(1. 上海交通大学 机械与动力工程学院, 上海 200240; 2. 中国矿业大学 矿业工程学院, 江苏 徐州 221116)
随着运行时间的增长,产品功能模块的性能逐渐退化,而产品的薄弱环节通常是退化严重、对产品的安全性和可靠性产生重大不利影响的功能模块[1],因此,设计人员往往采用再设计的方法对产品的薄弱环节进行重新设计.其中,再设计功能模块识别方法是通过找出产品的薄弱环节并对其重新展开设计,从而进一步提高产品的可靠性和服务水平.目前,国内外学者基于产品的故障数据和运行数据对再设计功能模块识别方法进行了研究.例如:Francesco等[2]提出了改进的产品失效模式、影响和危害性分析(FMECA)方法;全睿等[3]通过建立模糊故障树来识别影响燃料电池发动机安全性的薄弱环节.但是,由于船舶、起重机等复杂机械产品具有可靠性高、寿命长的特点,偶发的故障数据不能真实反映产品在一段时间内的连续状态变化情况,所以基于故障数据的产品再设计模块识别的结果不能很好地反映功能模块间退化水平的差异.随着传感器和无线技术的发展,获取产品运行状态的实时数据变得可行[4].Shin等[5]基于产品性能时变数据,利用聚类方法分析了产品的失效情况,通过建立性能参数与设计参数之间的关联矩阵来对产品再设计进行改进,但利用聚类方法进行失效分析需要预先设定运行工况的个数,而产品的运行工况具有复杂性和多变性,因此,很难预先确定运行工况的个数;……
登录APP查看全文
