基于改进HSMM的设备故障预测方法研究.pdf

《基于改进HSMM的设备故障预测方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、设备设计／诊断维修／再制造现代制造工程(M0d唧M柚ufact耐IlgEngine谢llg)2011年第8期基于改进HSMM的设备故障预测方法研究’夏震宇，杨波(海军工程大学管理工程系，武汉430033)摘要：针对传统隐半马尔科夫模型(HsMM)在故障诊断和预测应用中存在的不足，对传统HsMM做了以下改进：一是将状态持续时间概率分布和监测值概率分布连续化，并假定其服从威布尔分布；二是基于状态开始时间的识别，提出了状态剩余持续时间；三是提出了时变转移概率的概念，给出了各时刻转移概率的计算方法。确立了基于改进HsMM的故障诊断和预测的方法体系，给出Jr故障诊断判据和设

2、备剩余寿命的计算式。案例研究表明方法是合理有效的。关键词：故障预测；故障诊断；隐半马尔科夫模型；状态持续时间中图分类号：11P301．6文献标志码：A文章编号：167l_3133(2011)傩卅118—05Equipmentfaultprogllosisb嬲edonimprovedHSMMⅪAZhen—vu．YANGBo(Dept．ofM鲫agementScience，NavalUIliV．0fEn西me—ng，Wuhan430033，Chi眦)Aht瑚ct：7rotIIefourde6cienci伪0f协IditionaIHSMMappliedin缸ltdiag

3、noBis卸dpTo卯艏i8，theHSMMw酗impr州ed曲￡Dl-loWillg．FirstJy，thedi8tributi加0ftIlest8ted删∞8锄dde自∞ted训鹏we她contin∞岫柚dp蛳tric，tIlepriordi8tributi∞帅8∞ttedtoWeibuudis袖u6∞；8∞伽dly，t}Ies诅把瑚idualdu枷咖w船plq)08edbasedontIle越aning矗meoftIle8t8_te；tIli讪y，tlletime-Ⅷrying咖siti伽pmbaKlityw嬲pIq)08ed彻dtIlef孤ula0f呦si

4、ti册plDb幽lityw够given．Them讪odoff训tdiag-n∞i8蚰dpm印∞isbased伽imp彤vedHSMMw鹊setIIp，andtheformId够of钿hdi8印08i8硎t硎a舳dRe咖liniIlgUsefhlL施(RUL)of山eeqlIipmentw啪呻ented．，11le枷∞ali哆舳dthevaJidit)r0ft}Iismethod懈ve曲edt}删gIl锄锄mple．K呵硼柑s：矗mltpn嚼瑚i8；训td“I乎瞒is；HiddenseⅡli-Mark叫Model(HSMM)；8ta钯dum6蛐·基于状态的维修(cB

5、M)通过状态监测对设备故障进行有效预测，从而制定合理的维修策略，是合理解决“维修不足”和“维修过剩”的一种维修方式，现已成为设备维修理论研究领域的热点，然而实施状态维修必须建立在对设备故障进行有效预测的基础上。由隐马尔科夫模型(HMM)⋯发展而来的隐半马尔科夫模型(HSMM)呤J，通过建立两个随机过程，能够有效地描述设备故障状态的变化及其与状态监测信息的关系，对设备故障预测过程具有良好的建模和分析能力，因此HsMM其在故障预测领域的应用得到了深人发展。文献[2]、文献[3]最早提出了HsMM并对其进行了系统地研究。文献[4]将HsMM模型成功地应用于数字信号的处理

6、中，分析了HsMM的建模过程和基本算法。文献[5]、文献[6]、文献[7]将HsMM应用于故障诊断和预测的建模中，在设备故障诊断和剩余寿命(RuL)预测上取得了较好的效果，说明了·国防十一五预研项目(10105030203∞)118HsMM应用于故障预测的可行性。但是总体来说，上述基于HSMM的故障预测研究存在将状态持续时间概率分布和状态监测值概率分布离散化后造成小样本下模型训练难；将状态持续时间概率分布默认为指数型时造成与现实不符；假定各时刻状态转移概率满足不变性，将各时刻的状态剩余持续时间与状态持续时间完全等同起来，造成了基于HsMM的设备故障预测存在误差等问

7、题。针对上述不足，本文对传统HSMM进行了4点改进，给出了基于直到当前状态监测信息的故障诊断和预测方法，提高了基于HsMM的故障预测精度，案例研究说明了方法的有效性。1HSMM的基本理论隐半马尔科夫模型(HsMM)描述了两个随机过程，其中一个随机过程为马尔科夫过程，用来描述状夏震宇，等：基于改进HSMM的设备故障预测方法研究20lj年第8期态之间的转移关系，另一个随机过程用来描述状态与状态监测值的随机关系。模型中的状态不能直接观测到，而只能通过与其相关的状态监测值来感知它的存在，因此称其为隐半马尔科夫模型(HsMM)。在故障诊断实际中，第一个随机过程用来描述各个故

8、障状态之间