發(fā)布時間：2021-04-23 08:59

　　設備維護管理是企業(yè)管理的重要組成部分,在降低企業(yè)運營成本和增強企業(yè)競爭力等方面發(fā)揮著重要作用。其發(fā)展歷經事后維護、定期維護和中途搶修等階段,目前已進入到基于狀態(tài)維護（CBM）。故障預測和健康管理（PHM）是CBM的核心內容之一,設備狀態(tài)評估是PHM的基礎步驟,其具有重要的研究意義和學術價值。當前設備狀態(tài)評估研究過多地從設備故障診斷的角度出發(fā),忽略在出現(xiàn)故障之前設備會出現(xiàn)性能退化的狀況。隱馬爾可夫模型（HMM）因其優(yōu)越的性能逐漸被用于設備狀態(tài)評估領域,并取得良好效果。為更好描述設備健康狀態(tài)劣化過程,學者們致力于改進傳統(tǒng)的HMM。本文針對傳統(tǒng)HMM在描述設備劣化過程中設定轉移概率為固定值,將劣化因素引入傳統(tǒng)HMM中,即劣化HMM。本文具體主要研究內容有:（1）梳理基于傳統(tǒng)HMM的設備狀態(tài)評估過程傳統(tǒng)HMM的設備狀態(tài)評估過程包括三個部分:數(shù)據(jù)收集和處理,HMM構建和設備健康狀態(tài)評估方法。數(shù)據(jù)收集和處理,介紹了數(shù)據(jù)預處理、特征提取和特征空間降維。HMM構建,包括HMM的健康狀態(tài)分級、初始值確定和訓練算法。設備健康狀態(tài)評估方法,采用了最大后驗估計的方法。（2）在HMM中引入劣化因子和進行參數(shù)估計... 

【文章來源】：重慶大學重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
英文摘要
1 緒論
    1.1 研究背景
    1.2 設備狀態(tài)評估研究現(xiàn)狀
        1.2.1 設備狀態(tài)評估各主要方法研究現(xiàn)狀
        1.2.2 HMM-based設備狀態(tài)評估研究現(xiàn)狀
    1.3 主要研究內容
    1.4 研究目的及意義
    1.5 論文各章節(jié)安排
    1.6 本章小結
2 傳統(tǒng)HMM-BASED的設備狀態(tài)評估過程研究
    2.1 HMM基本理論
        2.1.1 Markov過程
        2.1.2 HMM定義
        2.1.3 HMM求解思路
    2.2 HMM-BASED設備狀態(tài)評估過程
        2.2.1 數(shù)據(jù)收集與處理
        2.2.2 模型構建
        2.2.3 設備狀態(tài)評估方法
    2.3 本章小結
3 劣化HMM-BASED的設備狀態(tài)評估過程研究
    3.1 設備狀態(tài)評估過程描述
    3.2 劣化HMM建模
        3.2.1 劣化HMM定義
        3.2.2 參數(shù)估計
        3.2.3 算法收斂性及學習率分析
    3.3 設備狀態(tài)評估方法
    3.4 本章小結
4 算例應用
    4.1 基礎數(shù)據(jù)
    4.2 模型構建
    4.3 狀態(tài)評估
    4.4 本章小結
5 結論
致謝
參考文獻
附錄
    攻讀碩士學位期間已發(fā)表的論文


【參考文獻】：
期刊論文
[1]基于SAEM-HMM的設備狀態(tài)診斷模型研究[J]. 廖雯竹,李丹.  系統(tǒng)工程理論與實踐. 2017(07)
[2]基于HMM模型語音識別系統(tǒng)中聲學模型的建立[J]. 胡石,章毅,陳芳,陳心怡.  通訊世界. 2017(08)
[3]機械設備故障預測與健康管理綜述[J]. 孫旭升,周剛,于洋,李鳳宇.  兵工自動化. 2016(01)
[4]馬爾科夫理論及其在預測中的應用綜述[J]. 黃麒元,王致杰,王東偉,杜彬.  技術與市場. 2015(09)
[5]基于不完全數(shù)據(jù)的最大似然估計方法——EM算法[J]. 李順靜.  重慶工商大學學報(自然科學版). 2014(05)
[6]振動監(jiān)測技術在旋轉機械故障診斷中的應用[J]. 錢強.  噪聲與振動控制. 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]機械故障診斷技術中的信號處理方法:時域分析[J]. 王金福,李富才.  噪聲與振動控制. 2013(02)
[9]基于隱Markov模型的重型數(shù)控機床健康狀態(tài)評估[J]. 鄧超,孫耀宗,李嶸,王遠航,熊堯.  計算機集成制造系統(tǒng). 2013(03)
[10]機械故障診斷基礎研究“何去何從”[J]. 王國彪,何正嘉,陳雪峰,賴一楠.  機械工程學報. 2013(01)

博士論文
[1]基于隱馬爾可夫模型的故障診斷及相關算法研究[D]. 夏麗莎.華中科技大學 2014
[2]面向制造系統(tǒng)健康管理的動態(tài)預測與預知維護決策研究[D]. 夏唐斌.上海交通大學 2014
[3]基于HMM的復雜條件故障診斷技術研究[D]. 岳夏.華南理工大學 2012
[4]基于退化隱式半馬爾科夫模型的設備健康預測及系統(tǒng)性維護策略研究[D]. 彭穎.上海交通大學 2011
[5]基于設備衰退機制的預知性維護策略及生產排程集成研究[D]. 廖雯竹.上海交通大學 2011



本文編號：3155037