论文部分内容阅读
设备维护管理是企业管理的重要组成部分,在降低企业运营成本和增强企业竞争力等方面发挥着重要作用。其发展历经事后维护、定期维护和中途抢修等阶段,目前已进入到基于状态维护（CBM）。故障预测和健康管理（PHM）是CBM的核心内容之一,设备状态评估是PHM的基础步骤,其具有重要的研究意义和学术价值。当前设备状态评估研究过多地从设备故障诊断的角度出发,忽略在出现故障之前设备会出现性能退化的状况。隐马尔可夫模型（HMM）因其优越的性能逐渐被用于设备状态评估领域,并取得良好效果。为更好描述设备健康状态劣化过程,学者们致力于改进传统的HMM。本文针对传统HMM在描述设备劣化过程中设定转移概率为固定值,将劣化因素引入传统HMM中,即劣化HMM。本文具体主要研究内容有:（1）梳理基于传统HMM的设备状态评估过程传统HMM的设备状态评估过程包括三个部分:数据收集和处理,HMM构建和设备健康状态评估方法。数据收集和处理,介绍了数据预处理、特征提取和特征空间降维。HMM构建,包括HMM的健康状态分级、初始值确定和训练算法。设备健康状态评估方法,采用了最大后验估计的方法。（2）在HMM中引入劣化因子和进行参数估计研究将劣化因素引入HMM中,提出了一个基于考虑劣化因素的HMM的设备状态评估模型。开发了一个双重EM算法,来同时估计初始状态转移概率A0和劣化因子。（3）构建基于改进HMM的设备状态评估过程设备状态评估过程包括:数据收集和处理,劣化HMM构造和基于劣化HMM的设备状态评估方法。设备状态评估方法部分,本文提出了考虑劣化因素的设备状态评估方法来确定设备健康状态,继而完成基于改进HMM的设备状态评估过程构建。本文最后通过算例展示了所提出的基于改进HMM的设备状态评估过程,算例分析也证明了本文所提模型的有效性和准确性,对于完善现有设备状态评估研究提供了一定支持。