基于自适应隐式半马尔可夫模型的设备健康诊断与寿命预测方法

摘要：

针对设备健康诊断与寿命预测问题,提出一种基于自适应隐式半马尔可夫模型(AHSMM)结合多传感器信息的设备健康预测方法.提出了AHSMM的前向—后向算法、Viterbi算法和Baum-Welch算法,有效降低了模型的计算复杂性.利用最大似然线性回归训练对输出概率分布和驻留概率分布进行自适应训练,处理多传感器信息间的差异性,进行有效的多传感器信息融合,以更加准确地进行设备健康诊断与寿命预测.利用失效率理论建立了对设备剩余使用寿命进行预测的基本步骤.通过美国卡特彼勒公司液压泵的状态识别和健康预测实际案例对所提出的方法进行评价与验证,实验结果表明,基于AHSMM的设备健康诊断和性能衰退预测方法比传统的隐式半马尔可夫模型(HSMM)更有效.

关键词：自适应隐式半马尔可夫模型、健康诊断、剩余有效寿命、最大似然线性回归、多传感器信息

所属期刊栏目：22

分类号：TP391;F224(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目71471116,71271138;上海市浦江人才计划资助项目14PJC077;教育部人文社会科学研究青年基金资助项目15YJCZH096;上海理工大学人文社科攀登计划资助项目16HJPD-B04;上海理工大学国家级项目培育基金资助项目16HJPYQN02;上海理工大学博士启动基金资助项目BSQD201403.Project supported by the National Natural Science Foundation,China71471116,71271138;the Shanghai Pujiang Program,China14PJC077;the Humanity and Social Science Youth foundation of Ministry of Education,China15YJCZH096;the Hujiang Foundation-Humanity and Social Science "Climbing" Program of University of Shanghai for Science and Technology,China16HJPD-B04;the Programs of National Training Foundation of University of Shanghai for Science and Technology,China16HJPYQN02;the Doctoral Startup Foundation Project of University of Shanghai for Science and Technology,ChinaBSQD201403

在线出版日期：2016-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2187-2194