視情維修(CBM)和故障預(yù)測(cè)和健康管理(PHM)對(duì)于減少系統(tǒng)的停機(jī)時(shí)間、維修成本和提高整體的可用度起著重要的作用。齒輪作為機(jī)械傳動(dòng)的關(guān)鍵部件,具有高效的傳動(dòng)比和強(qiáng)的承受負(fù)載能力,廣泛應(yīng)用于航空航天、船舶工業(yè)和重型機(jī)械如直升機(jī)、高鐵和風(fēng)力發(fā)電機(jī)中。齒輪失效將會(huì)引發(fā)整個(gè)機(jī)械系統(tǒng)停機(jī),從而導(dǎo)致重大經(jīng)濟(jì)損失甚至人員傷亡。狀態(tài)監(jiān)測(cè)和故障檢測(cè)技術(shù)能顯著提高齒輪傳動(dòng)系統(tǒng)的可靠性并減少失效的發(fā)生。本文以飛機(jī)關(guān)鍵部件齒輪箱為研究對(duì)象,圍繞早期故障檢測(cè)、健康預(yù)測(cè)及維修優(yōu)化建模三個(gè)方面展開(kāi)研究,主要內(nèi)容如下:(1)提出了一個(gè)考慮退化和隨機(jī)失效的部分可觀測(cè)系統(tǒng)的最優(yōu)貝葉斯維修策略模型。用一個(gè)3狀態(tài)(狀態(tài)0,1,2)的隱半馬爾科夫模型(HSMM)來(lái)描述系統(tǒng)的退化過(guò)程。其中狀態(tài)0和1是不可觀測(cè)的,分別代表好的狀態(tài)和警告狀態(tài)。只有狀態(tài)2是可觀測(cè)的,代表失效狀態(tài)。在各個(gè)不可觀測(cè)狀態(tài)的駐留時(shí)間考慮通用的Erlang分布,從而比各隱藏狀態(tài)駐留時(shí)間服從指數(shù)分布的隱馬爾科夫模型(HMM)更符合系統(tǒng)的實(shí)際退化過(guò)程。在隱半馬爾科夫模型退化建模的基礎(chǔ)上,使用多元貝葉斯控制圖方法,以最大化長(zhǎng)程單位時(shí)間期望可用度為目標(biāo),在半馬爾科夫決...

【文章頁(yè)數(shù)】：189 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
縮略詞
第一章 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
        1.2.1 齒輪箱早期故障診斷方法研究現(xiàn)狀
        1.2.2 考慮維修策略的異常檢測(cè)方法研究現(xiàn)狀
        1.2.3 剩余壽命預(yù)測(cè)技術(shù)研究現(xiàn)狀
        1.2.4 基于預(yù)測(cè)信息的可靠性驗(yàn)證試驗(yàn)方法研究現(xiàn)狀
        1.2.5 維修和備件聯(lián)合優(yōu)化研究現(xiàn)狀
    1.3 研究問(wèn)題的提出與主要內(nèi)容
        1.3.1 研究問(wèn)題的提出
        1.3.2 文章結(jié)構(gòu)安排
第二章 考慮Erlang分布的隱半馬爾科夫模型及貝葉斯維修策略
    2.1 概述
    2.2 常用的隨機(jī)退化建模方法
        2.2.1 回歸模型
        2.2.2 Wiener過(guò)程
        2.2.3 Gamma過(guò)程
        2.2.4 逆高斯過(guò)程
        2.2.5 馬爾科夫模型
        2.2.6 隨機(jī)濾波模型
        2.2.7 比例風(fēng)險(xiǎn)模型
    2.3 隱馬爾科夫模型
        2.3.1 模型建立及參數(shù)估計(jì)
        2.3.2 似然函數(shù)推導(dǎo)
        2.3.3 偽對(duì)數(shù)似然函數(shù)推導(dǎo)
        2.3.4 最大化偽對(duì)數(shù)似然函數(shù)
        2.3.5 基于隱馬爾科夫模型的剩余壽命預(yù)測(cè)
    2.4 隱半馬爾科夫模型
        2.4.1 模型建立及參數(shù)估計(jì)
        2.4.2 似然函數(shù)推導(dǎo)
        2.4.3 偽對(duì)數(shù)似然函數(shù)推導(dǎo)
        2.4.4 最大化偽對(duì)數(shù)似然函數(shù)
    2.5 基于HSMM的最優(yōu)貝葉斯控制圖
        2.5.1 基本假設(shè)和符號(hào)
        2.5.2 可用度最大化的貝葉斯控制圖
        2.5.3 SMDP算法設(shè)計(jì)
        2.5.4 仿真驗(yàn)證
    2.6 本章小結(jié)
第三章 基于HSMM的齒輪軸早期故障預(yù)測(cè)及最優(yōu)維修策略
    3.1 概述
    3.2 齒輪軸狀態(tài)監(jiān)測(cè)數(shù)據(jù)預(yù)處理
        3.2.1 齒輪箱壽命試驗(yàn)方案
        3.2.2 時(shí)域同步平均
        3.2.3 向量自回歸模型
        3.2.4 殘差計(jì)算
    3.3 隱半馬爾科夫模型建模及參數(shù)估計(jì)
    3.4 齒輪軸故障檢測(cè)可用度最大化的最優(yōu)多元貝葉斯控制圖方法
        3.4.1 貝葉斯控制方法
        3.4.2 策略對(duì)比
    3.5 基于HSMM的剩余壽命預(yù)測(cè)方法
        3.5.1 齒輪軸壽命預(yù)測(cè)結(jié)果
        3.5.2 對(duì)比分析
    3.6 本章小結(jié)
第四章 競(jìng)爭(zhēng)風(fēng)險(xiǎn)模型下最優(yōu)貝葉斯維修策略
    4.1 概述
    4.2 考慮兩種失效模式的競(jìng)爭(zhēng)風(fēng)險(xiǎn)模型
        4.2.1 基本符號(hào)
        4.2.2 競(jìng)爭(zhēng)風(fēng)險(xiǎn)模型
    4.3 基于競(jìng)爭(zhēng)風(fēng)險(xiǎn)模型的貝葉斯控制圖
        4.3.1 轉(zhuǎn)移概率
        4.3.2 期望駐留時(shí)間
        4.3.3 期望正常運(yùn)行時(shí)間
    4.4 實(shí)例分析
        4.4.1 監(jiān)測(cè)數(shù)據(jù)預(yù)處理
        4.4.2 關(guān)聯(lián)失效模式下隱馬爾科夫模型參數(shù)估計(jì)
        4.4.3 最優(yōu)貝葉斯維修策略
        4.4.4 基于競(jìng)爭(zhēng)風(fēng)險(xiǎn)模型剩余壽命預(yù)測(cè)方法
    4.5 本章小結(jié)
第五章 基于監(jiān)測(cè)數(shù)據(jù)的Weibull分布可靠性序貫驗(yàn)證試驗(yàn)方法
    5.1 概述
    5.2 Weibull分布可靠性序貫驗(yàn)證試驗(yàn)方法
        5.2.1 抽樣特性曲線及抽樣風(fēng)險(xiǎn)
        5.2.2 指數(shù)分布可靠性序貫驗(yàn)證試驗(yàn)方法
        5.2.3 Weibull分布可靠性序貫驗(yàn)證試驗(yàn)方法
        5.2.4 形狀參數(shù)對(duì)Weibull分布可靠性序貫驗(yàn)證試驗(yàn)方案的影響
    5.3 齒輪箱可靠性序貫驗(yàn)證試驗(yàn)方法
        5.3.1 齒輪箱壽命分布
        5.3.2 基于TSA和 VAR模型的振動(dòng)監(jiān)測(cè)數(shù)據(jù)殘差計(jì)算方法
        5.3.3 基于HSMM的壽命預(yù)測(cè)
        5.3.4 齒輪箱可靠性序貫驗(yàn)證試驗(yàn)
    5.4 本章小結(jié)
第六章 基于預(yù)測(cè)信息的視情更換和備件訂購(gòu)聯(lián)合優(yōu)化
    6.1 概述
    6.2 基于失效時(shí)間分布的更換和訂購(gòu)優(yōu)化策略
        6.2.1 序貫優(yōu)化策略
        6.2.2 聯(lián)合優(yōu)化策略
    6.3 基于剩余壽命預(yù)測(cè)的更換和備件訂購(gòu)優(yōu)化策略
        6.3.1 序貫優(yōu)化策略
        6.3.2 聯(lián)合優(yōu)化策略
    6.4 基于隨機(jī)交付時(shí)間和預(yù)測(cè)信息的更換和備件訂購(gòu)聯(lián)合優(yōu)化
        6.4.1 基于狀態(tài)的服務(wù)水平
        6.4.2 聯(lián)合優(yōu)化模型
    6.5 實(shí)例分析——變工況下齒輪箱更換和備件訂購(gòu)聯(lián)合優(yōu)化
        6.5.1 變工況下齒輪箱壽命試驗(yàn)方案
        6.5.2 數(shù)據(jù)預(yù)處理
        6.5.3 基于HSMM的剩余壽命實(shí)時(shí)預(yù)測(cè)
        6.5.4 基于預(yù)測(cè)信息的更換和備件訂購(gòu)聯(lián)合優(yōu)化
        6.5.5 對(duì)比分析
    6.6 本章小結(jié)
第七章 結(jié)論與展望
    7.1 全文工作總結(jié)
        7.1.1 研究的主要內(nèi)容
        7.1.2 論文的創(chuàng)新工作
    7.2 工作展望
參考文獻(xiàn)
致謝
在學(xué)期間的研究成果及發(fā)表的論文
附錄



本文編號(hào)：3810983