基于隱Markov模型的重型數(shù)控機床健康狀態(tài)評估方法研究.pdf

1、重型數(shù)控機床面向大型和特大型零件的加工,主要服務(wù)于國家命脈行業(yè)和重點工程建設(shè)項目。一旦機床出現(xiàn)故障,就會造成一系列不同程度的損失。為了減小和避免損失,企業(yè)迫切需要掌握機床的健康狀態(tài)及時對機床進行維護和維修。健康狀態(tài)評估技術(shù)可以評估機床的健康狀態(tài),是企業(yè)開展主動維護的支撐技術(shù),它可以減小和避免惡性事故的發(fā)生、提高數(shù)控機床的使用效率、保障機床的正常服役時間。因此,重型數(shù)控機床健康評估技術(shù)具有重要的研究價值。
　　本文對國內(nèi)外健康狀態(tài)評

2、估以及隱Markov模型(HiddenMarkovModel,HMM)的研究現(xiàn)狀進行了分析和歸納,總結(jié)了健康狀態(tài)評估的研究方法。詳細介紹了HMM模型解決的問題以及解決問題的算法。
　　結(jié)合重型數(shù)控機床的特點,定義了重型數(shù)控機床的健康狀態(tài),并對健康狀態(tài)進行量化分級,賦予健康狀態(tài)評估結(jié)果以明確的物理意義。
　　利用K-means聚類算法初始化隱Markov模型,使其初始化參數(shù)趨向于全局最優(yōu)解;改進隱Markov模型的算法,建立了