基于CHMM的設(shè)備性能退化評(píng)估方法研究.pdf

1、隨著科學(xué)技術(shù)的飛速發(fā)展，現(xiàn)代機(jī)械設(shè)備不斷向大型化、高速化、重載化和智能化等方向發(fā)展。這類(lèi)大型設(shè)備一旦發(fā)生突發(fā)故障，不僅會(huì)影響企業(yè)效率，造成經(jīng)濟(jì)損失，甚至導(dǎo)致人員傷亡，產(chǎn)生不良的社會(huì)影響。因此，如何有效評(píng)估設(shè)備的運(yùn)行狀態(tài)，從而能夠及時(shí)采取措施以防止災(zāi)難性事故的發(fā)生是當(dāng)前迫切需要解決的問(wèn)題。機(jī)械設(shè)備的性能劣化是一個(gè)連續(xù)變化的過(guò)程，從正常到設(shè)備完全失效通常要經(jīng)過(guò)一系列不同的性能退化階段。如果能夠在設(shè)備性能退化過(guò)程中監(jiān)測(cè)到其性能退化的程度，就可

2、以有針對(duì)性的制定設(shè)備維護(hù)計(jì)劃，防止設(shè)備故障的發(fā)生。設(shè)備性能退化評(píng)估正是基于以上思想提出的一種主動(dòng)設(shè)備維護(hù)的技術(shù)。 本文對(duì)基于連續(xù)隱馬爾可夫模型（CHMM，Continuous Hidden MarkovModel）的性能退化評(píng)估方法展開(kāi)了系統(tǒng)的研究，主要內(nèi)容如下： 1）針對(duì)性能退化評(píng)估對(duì)特征提取所提出的要求，研究了基于核主元分析（KPCA，Kernel Principal Component Analysis）的特征提取

3、方法，對(duì)該方法中核函數(shù)的優(yōu)選方案做了深入討論，并通過(guò)實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證了KPCA 特征提取方法比傳統(tǒng)的主元分析方法（PCA，Principal Component Analysis）具有更好的類(lèi)別可分性。 2）將CHMM引入到性能退化分析中，根據(jù)設(shè)備狀態(tài)數(shù)據(jù)的不同完備性情況分別提出了相應(yīng)的解決方案：針對(duì)設(shè)備狀態(tài)數(shù)據(jù)不完備情況提出了基于CHMM的性能監(jiān)測(cè)方法，并討論了其自適應(yīng)報(bào)警技術(shù)；針對(duì)數(shù)據(jù)完備情況提出了基于CHMM的性能退化評(píng)估整體

4、框架，包括退化模式識(shí)別、性能的定量評(píng)估和剩余壽命預(yù)測(cè)。同時(shí)引入了層次分析（AHP，AnalyticHierarchy Process）的思想，給出了一種由設(shè)備零部件性能整合得到設(shè)備整體性能的方法。 3）為驗(yàn)證所提出的性能退化評(píng)估方法的有效性，通過(guò)ABLT-1A軸承試驗(yàn)臺(tái)進(jìn)行了軸承加速疲勞試驗(yàn)。實(shí)驗(yàn)分析結(jié)果表明：在軸承狀態(tài)數(shù)據(jù)不完備情況下，基于CHMM的性能監(jiān)測(cè)方法能夠靈敏而準(zhǔn)確的反映軸承的性能變化，并通過(guò)自適應(yīng)報(bào)警技術(shù)及時(shí)的做出

5、了報(bào)警；在軸承狀態(tài)數(shù)據(jù)完備情況下，基于CHMM的性能退化評(píng)估方法能夠準(zhǔn)確、定量的描述軸承所處的性能狀態(tài)，并對(duì)軸承剩余壽命做有效估計(jì)。 4）設(shè)計(jì)了設(shè)備性能退化評(píng)估原型系統(tǒng)。使用面向服務(wù)架構(gòu)的分布式編程模型——WCF（Windows Communication Foundation）對(duì)作為系統(tǒng)核心的性能退化評(píng)估模塊進(jìn)行設(shè)計(jì)與開(kāi)發(fā)，解決了性能退化評(píng)估算法復(fù)雜，單服務(wù)器難以勝任的問(wèn)題，并在.NET環(huán)境下實(shí)現(xiàn)了某鼓風(fēng)機(jī)性能退化評(píng)估系統(tǒng)，驗(yàn)