健康管理和隐马尔科夫模型HMM.doc

健康管理和隐马尔科夫模型HMM.doc

ID:55764967

大小:2.41 MB

页数:18页

时间:2020-06-06

健康管理和隐马尔科夫模型HMM.doc_第1页
健康管理和隐马尔科夫模型HMM.doc_第2页
健康管理和隐马尔科夫模型HMM.doc_第3页
健康管理和隐马尔科夫模型HMM.doc_第4页
健康管理和隐马尔科夫模型HMM.doc_第5页
资源描述:

《健康管理和隐马尔科夫模型HMM.doc》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、健康管理和隐马尔科夫模型HMM1健康管理技术及模型工具HMM1.1健康管理技术1.1.1视情维修的思想视情维修这一概念来源于美国,是最近几年才开始被广泛研究的一种新的维修方法。视情维修着眼于故障机理的分析,通过对不拆解系统进行测试分析,当目标系统出现潜在故障时就进行调整或维修,从而避免功能故障的发生[15,16]。关于视情维修策略的定义,目前并没有统一的说法。概括讲,主要有两层意思:(1)视情维修是类似于“事后维修”和“定期维修”,且只有当有确切依据显示故障正在迫近时,才对设备进行维修的一种维修思想。(2

2、)视情维修是用状态监测、评估来检查系统的潜在故障,据此来采取必要措施预防系统功能性故障,或者是避免功能性故障的后果[17]。视情维修策略的理论依据就是P-F曲线[27],如图2-1所示,P-F曲线描述了设备状态劣化的过程。图2-1设备健康状况退化曲线图Figure2-1Graphofequipmenthealthdegeneration在设备工作的初始一段时间内,由于系统不存在故障,其健康指数为1,设备处于完好状态。随着设备工作时间的增加,设备会运行到A点“设备故障发生点”,设备中的某些部件或子单元出现故

3、障,整个设备的健康状况开始发生劣化,健康指数不断下降。但是由于A点在P点“设备故障检测点”这一临界点之前,此时的设备故障程度不足以导致设备工作状态发生异常行为,或者目前的检测设备无法检测到此时的状态劣化,因此设备仍然表现为正常工作状态。当设备工作到P点之后时,设备的健康指数会由于其潜在故障程度逐渐增强而继续下降,同时使用者也可以通过一定的技术手段检测到设备的异常工作行为。直到设备最终运行至临界点F点“设备功能失效点”,设备将无法正常工作。所以为了预防设备发生功能性故障,维修的时机应该在临界点F以前,而为了

4、能够尽可能地利用设备的有效寿命,提高设备的工作周期,维修时机应该在临界点P之后。也就是说应该在P点和F点之间寻找一个合适的点进行维修,这就是视情维修的基本思想。设备元器件的磨损、疲劳、老化、腐蚀、失调等故障模式大都存在由潜在故障发展到功能故障的过程。设备的大部分故障是其状态劣化的结果,而状态的劣化是一个由量变到质变的过程。在这个过程中,总有些征兆可查,即表现为潜在故障。如果在设备状态的劣化未发生质变之前采取相应的预防措施,就能避免故障后果的出现。1.1.2健康管理的基本概念健康是指与期望的正常性能状态相比

5、较的性能指标的下降或偏差程度。健康管理是指根据对目标系统的监测或诊断信息、可用维修资源和使用要求,对维修活动做出适当决策的能力[15,28]。健康管理技术是故障预测与健康管理(PrognosticandHealthManagement,PHM)策略的基础,是对复杂系统传统使用的机内测试(built-intest,BIT)和状态监控能力的进一步扩展[18,29]。借助健康管理技术,可以识别和管理故障的发生、规划维修和供应保障,从而以较少的维修投入,实现视情维修和自助式保障[30]。1.1.3健康管理的活动模

6、型健康管理作用的对象是诸如飞行器健康管理系统等复杂的大系统。健康管理设计是指从目标系统发生故障到恢复正常的一系列活动。围绕设备的生命周期,健康管理大致分为四个阶段[31,32],如图2-2所示图2-2健康管理活动模型Figure2-2Modelofhealthmanagement第一阶段是状态监测阶段[33]。为了保证目标系统的可用性,在线情况下,利用传感器、数据处理以及其它状态监测模块,采用一定的失效判据进行比较来在线监测目标系统当前的状态,并且可以根据预定的参数指标极限值或阈值来提供故障报警功能。第二

7、阶段是健康状况判定阶段。接收第一阶段的不同状态监测模块以及其它健康评估模块的数据,主要是评估被监测目标系统的健康状态,对于健康状态不好的系统采取适当措施,防止产生功能性故障。第三阶段是故障诊断阶段。故障诊断是基于各种健康状态历史数据、工作状态以及维修历史数据等,在离线状态下分析健康状态不好的系统的具体故障原因。第四阶段是维修阶段。通过修复或更换故障部件,使目标系统恢复到正常工作状态。健康管理的四个阶段并没有明显的界限,存在着数据信息的交叉定义。1.1HMM基本理论、算法1.2.1HMM的基本概念HMM是由

8、马尔科夫(Markov)链发展而来的[34]。Markov链是一个离散随机过程,其特性是在已知目前状态(现在)的条件下,它未来的演变(将来)不依赖于它以往的演变(过去)。在每个时刻,系统都只处于一个状态,每个状态对应一个观测值。HMM跟一阶Markov过程有相似之处,不同的是HMM由两个随机过程组成,一个是具有有限状态Markov链的状态序列,描述状态的转移;另一个是受状态决定的观测值序列。HMM模型中,不仅状态转移是随机过程

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。