基于劣化隐马尔可夫模型的设备状态评估研究
发布时间：2021-04-23 08:59
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...
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
中文摘要
英文摘要
1 绪论
1.1 研究背景
1.2 设备状态评估研究现状
1.2.1 设备状态评估各主要方法研究现状
1.2.2 HMM-based设备状态评估研究现状
1.3 主要研究内容
1.4 研究目的及意义
1.5 论文各章节安排
1.6 本章小结
2 传统HMM-BASED的设备状态评估过程研究
2.1 HMM基本理论
2.1.1 Markov过程
2.1.2 HMM定义
2.1.3 HMM求解思路
2.2 HMM-BASED设备状态评估过程
2.2.1 数据收集与处理
2.2.2 模型构建
2.2.3 设备状态评估方法
2.3 本章小结
3 劣化HMM-BASED的设备状态评估过程研究
3.1 设备状态评估过程描述
3.2 劣化HMM建模
3.2.1 劣化HMM定义
3.2.2 参数估计
3.2.3 算法收敛性及学习率分析
3.3 设备状态评估方法
3.4 本章小结
4 算例应用
4.1 基础数据
4.2 模型构建
4.3 状态评估
4.4 本章小结
5 结论
致谢
参考文献
附录
攻读硕士学位期间已发表的论文
【参考文献】：
期刊论文
[1]基于SAEM-HMM的设备状态诊断模型研究[J]. 廖雯竹,李丹. 系统工程理论与实践. 2017(07)
[2]基于HMM模型语音识别系统中声学模型的建立[J]. 胡石,章毅,陈芳,陈心怡. 通讯世界. 2017(08)
[3]机械设备故障预测与健康管理综述[J]. 孙旭升,周刚,于洋,李凤宇. 兵工自动化. 2016(01)
[4]马尔科夫理论及其在预测中的应用综述[J]. 黄麒元,王致杰,王东伟,杜彬. 技术与市场. 2015(09)
[5]基于不完全数据的最大似然估计方法——EM算法[J]. 李顺静. 重庆工商大学学报(自然科学版). 2014(05)
[6]振动监测技术在旋转机械故障诊断中的应用[J]. 钱强. 噪声与振动控制. 2014(02)
[7]Human activity recognition based on HMM by improved PSO and event probability sequence[J]. Hanju Li,Yang Yi,Xiaoxing Li,Zixin Guo. Journal of Systems Engineering and Electronics. 2013(03)
[8]机械故障诊断技术中的信号处理方法:时域分析[J]. 王金福,李富才. 噪声与振动控制. 2013(02)
[9]基于隐Markov模型的重型数控机床健康状态评估[J]. 邓超,孙耀宗,李嵘,王远航,熊尧. 计算机集成制造系统. 2013(03)
[10]机械故障诊断基础研究“何去何从”[J]. 王国彪,何正嘉,陈雪峰,赖一楠. 机械工程学报. 2013(01)
博士论文
[1]基于隐马尔可夫模型的故障诊断及相关算法研究[D]. 夏丽莎.华中科技大学 2014
[2]面向制造系统健康管理的动态预测与预知维护决策研究[D]. 夏唐斌.上海交通大学 2014
[3]基于HMM的复杂条件故障诊断技术研究[D]. 岳夏.华南理工大学 2012
[4]基于退化隐式半马尔科夫模型的设备健康预测及系统性维护策略研究[D]. 彭颖.上海交通大学 2011
[5]基于设备衰退机制的预知性维护策略及生产排程集成研究[D]. 廖雯竹.上海交通大学 2011
本文编号：3155037
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
中文摘要
英文摘要
1 绪论
1.1 研究背景
1.2 设备状态评估研究现状
1.2.1 设备状态评估各主要方法研究现状
1.2.2 HMM-based设备状态评估研究现状
1.3 主要研究内容
1.4 研究目的及意义
1.5 论文各章节安排
1.6 本章小结
2 传统HMM-BASED的设备状态评估过程研究
2.1 HMM基本理论
2.1.1 Markov过程
2.1.2 HMM定义
2.1.3 HMM求解思路
2.2 HMM-BASED设备状态评估过程
2.2.1 数据收集与处理
2.2.2 模型构建
2.2.3 设备状态评估方法
2.3 本章小结
3 劣化HMM-BASED的设备状态评估过程研究
3.1 设备状态评估过程描述
3.2 劣化HMM建模
3.2.1 劣化HMM定义
3.2.2 参数估计
3.2.3 算法收敛性及学习率分析
3.3 设备状态评估方法
3.4 本章小结
4 算例应用
4.1 基础数据
4.2 模型构建
4.3 状态评估
4.4 本章小结
5 结论
致谢
参考文献
附录
攻读硕士学位期间已发表的论文
【参考文献】：
期刊论文
[1]基于SAEM-HMM的设备状态诊断模型研究[J]. 廖雯竹,李丹. 系统工程理论与实践. 2017(07)
[2]基于HMM模型语音识别系统中声学模型的建立[J]. 胡石,章毅,陈芳,陈心怡. 通讯世界. 2017(08)
[3]机械设备故障预测与健康管理综述[J]. 孙旭升,周刚,于洋,李凤宇. 兵工自动化. 2016(01)
[4]马尔科夫理论及其在预测中的应用综述[J]. 黄麒元,王致杰,王东伟,杜彬. 技术与市场. 2015(09)
[5]基于不完全数据的最大似然估计方法——EM算法[J]. 李顺静. 重庆工商大学学报(自然科学版). 2014(05)
[6]振动监测技术在旋转机械故障诊断中的应用[J]. 钱强. 噪声与振动控制. 2014(02)
[7]Human activity recognition based on HMM by improved PSO and event probability sequence[J]. Hanju Li,Yang Yi,Xiaoxing Li,Zixin Guo. Journal of Systems Engineering and Electronics. 2013(03)
[8]机械故障诊断技术中的信号处理方法:时域分析[J]. 王金福,李富才. 噪声与振动控制. 2013(02)
[9]基于隐Markov模型的重型数控机床健康状态评估[J]. 邓超,孙耀宗,李嵘,王远航,熊尧. 计算机集成制造系统. 2013(03)
[10]机械故障诊断基础研究“何去何从”[J]. 王国彪,何正嘉,陈雪峰,赖一楠. 机械工程学报. 2013(01)
博士论文
[1]基于隐马尔可夫模型的故障诊断及相关算法研究[D]. 夏丽莎.华中科技大学 2014
[2]面向制造系统健康管理的动态预测与预知维护决策研究[D]. 夏唐斌.上海交通大学 2014
[3]基于HMM的复杂条件故障诊断技术研究[D]. 岳夏.华南理工大学 2012
[4]基于退化隐式半马尔科夫模型的设备健康预测及系统性维护策略研究[D]. 彭颖.上海交通大学 2011
[5]基于设备衰退机制的预知性维护策略及生产排程集成研究[D]. 廖雯竹.上海交通大学 2011
本文编号：3155037
本文链接：https://www.wllwen.com/kejilunwen/yysx/3155037.html
