故障預(yù)測與健康管理（PHM）技術(shù)是一種新型的維修與管理方式,它可以通過處理狀態(tài)監(jiān)測到的信息,對設(shè)備進(jìn)行故障模式識別,對設(shè)備工作所處狀態(tài)、可靠性、剩余壽命等進(jìn)行預(yù)測,考慮設(shè)備維修、使用情況以及工作的環(huán)境信息,結(jié)合規(guī)范的設(shè)備管理方法與流程,對設(shè)備的維修活動進(jìn)行科學(xué)合理的規(guī)劃和管理。論文研究了PHM中的性能退化與健康預(yù)測、健康衰退演化規(guī)則、最優(yōu)維修動態(tài)規(guī)劃等關(guān)鍵技術(shù),以�；O(shè)備為對象,建立了基于改進(jìn)退化隱馬爾科夫模型的健康預(yù)測模型,研究了統(tǒng)籌內(nèi)部維護(hù)效果因素和外部環(huán)境工況因素的綜合衰退演化規(guī)則,在此基礎(chǔ)上研究建立了多目標(biāo)最優(yōu)預(yù)防性維護(hù)策略。論文主要研究內(nèi)容如下:（1）研究了基于HMM的設(shè)備故障模式識別方法,利用該模型將微弱變化的信號特征轉(zhuǎn)換為變化較大的對數(shù)似然概率對故障模式實(shí)現(xiàn)有效識別。在此基礎(chǔ)上進(jìn)一步提出了基于HMM-GA-SVR的設(shè)備狀態(tài)預(yù)測模型,實(shí)現(xiàn)對設(shè)備工作狀態(tài)的預(yù)測。通過對船舶動力設(shè)備柴油機(jī)進(jìn)行仿真,結(jié)果表明上述模型具有較高的識別率,能準(zhǔn)確預(yù)測船舶動力設(shè)備當(dāng)前狀態(tài)。（2）針對�；O(shè)備的特點(diǎn),研究了引入調(diào)整因子和環(huán)境因子的設(shè)備衰退演化規(guī)則。在假設(shè)設(shè)備壽命服從威布爾分布的基礎(chǔ)上,以甲板... 

【文章來源】：江蘇科技大學(xué)江蘇省

【文章頁數(shù)】：93 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 PHM技術(shù)研究現(xiàn)狀
        1.2.2 性能退化與健康預(yù)測技術(shù)研究現(xiàn)狀
    1.3 論文主要研究內(nèi)容
        1.3.1 研究內(nèi)容
        1.3.2 文章結(jié)構(gòu)
第2章 設(shè)備健康管理方法與技術(shù)研究
    2.1 故障預(yù)測與健康管理技術(shù)體系及關(guān)鍵技術(shù)
        2.1.1 故障預(yù)測與健康管理體系結(jié)構(gòu)
        2.1.2 故障預(yù)測與健康管理關(guān)鍵技術(shù)
    2.2 設(shè)備健康管理的內(nèi)涵與功能
        2.2.1 設(shè)備健康管理的內(nèi)涵
        2.2.2 設(shè)備健康管理的主要功能
    2.3 設(shè)備健康管理的關(guān)鍵技術(shù)
        2.3.1 數(shù)據(jù)挖掘技術(shù)
        2.3.2 信息融合技術(shù)
        2.3.3 預(yù)測技術(shù)
        2.3.4 調(diào)度優(yōu)化技術(shù)
        2.3.5 決策支持技術(shù)
    2.4 本章小結(jié)
第3章 性能退化與健康預(yù)測模型研究
    3.1 HMM基本理論
        3.1.1 隱馬爾科夫模型
        3.1.2 HMM基本算法
    3.2 設(shè)備故障模式識別
        3.2.1 HMM故障模式識別原理
        3.2.2 基于HMM的船舶動力設(shè)備故障模式識別
    3.3 改進(jìn)的GA-SVR模型
        3.3.1 支持向量回歸模型
        3.3.2 遺傳算法基本原理
        3.3.3 GA-SVR模型
    3.4 基于HMM-SVR的設(shè)備狀態(tài)預(yù)測
        3.4.1 HMM-SVR的設(shè)備狀態(tài)預(yù)測模型
        3.4.2 基于HMM-SVR的設(shè)備狀態(tài)預(yù)測仿真
    3.5 本章小結(jié)
第4章 綜合內(nèi)部耗損和外部環(huán)境因子的設(shè)備衰退演化規(guī)則
    4.1 設(shè)備故障的發(fā)生發(fā)展規(guī)律
        4.1.1 早期故障期
        4.1.2 偶然故障期
        4.1.3 耗損故障期
    4.2 Weibull分布模型研究
        4.2.1 可靠性分布相關(guān)特征量的計(jì)算
        4.2.2 Weibull分布模型及特點(diǎn)
    4.3 設(shè)備內(nèi)部耗損影響的衰退演化規(guī)則
    4.4 考慮外部環(huán)境因子影響的設(shè)備衰退演化規(guī)則
        4.4.1 Weibull分布下環(huán)境因子的含義
        4.4.2 Weibull分布下環(huán)境因子的極大似然估計(jì)
        4.4.3 考慮環(huán)境因子影響的設(shè)備衰退演化規(guī)則模型
        4.4.4 算例分析
    4.5 本章小結(jié)
第5章 多目標(biāo)最優(yōu)預(yù)防維護(hù)策略研究
    5.1 基本模型及假設(shè)
        5.1.1 穩(wěn)態(tài)可用度模型
        5.1.2 平均成本率模型
    5.2 多目標(biāo)動態(tài)最優(yōu)預(yù)防維護(hù)策略模型
        5.2.1 多目標(biāo)最優(yōu)預(yù)防維護(hù)模型
        5.2.2 線性加權(quán)和法求解多目標(biāo)最優(yōu)化模型
        5.2.3 考慮環(huán)境因子的多目標(biāo)最優(yōu)預(yù)防維護(hù)策略研究
    5.3 多目標(biāo)最優(yōu)預(yù)防維護(hù)策略實(shí)例研究
    5.4 本章小結(jié)
總結(jié)與展望
    本文總結(jié)
    展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文及科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于CBM的船舶設(shè)備健康管理系統(tǒng)[J]. 汪益兵,楊燕斌.  船舶工程. 2017(10)
[2]基于歷史故障數(shù)據(jù)的租賃設(shè)備預(yù)防維護(hù)策略優(yōu)化[J]. 董克,呂文元.  運(yùn)籌與管理. 2017(05)
[3]基于特征提取的裝備可靠性不確定度量方法[J]. 江蓮,李榮修.  船電技術(shù). 2017(05)
[4]滾動軸承的狀態(tài)監(jiān)測與性能退化評估[J]. 王寶祥,潘宏俠,楊衛(wèi).  中國工程機(jī)械學(xué)報(bào). 2017(01)
[5]基于MapReduce的主成分分析算法研究[J]. 易秀雙,劉勇,李婕,王興偉.  計(jì)算機(jī)科學(xué). 2017(02)
[6]基于混合核函數(shù)PSO-SVM的模擬電路故障診斷[J]. 裴杰才,李志華,丁偉聰.  計(jì)算機(jī)與現(xiàn)代化. 2017(01)
[7]基于自組織特征映射網(wǎng)絡(luò)（SOM）的聚類分析方法[J]. 劉煥海,葉劍鋒,阿斯耶姆.  軟件導(dǎo)刊. 2016(12)
[8]基于多傳感器信息融合的數(shù)控機(jī)床故障診斷研究[J]. 屈海軍.  裝備制造技術(shù). 2016(11)
[9]面向動態(tài)租賃的設(shè)備修復(fù)非新建模與彈性預(yù)防維護(hù)決策[J]. 吳常潔,滕春曉,周曉軍.  計(jì)算機(jī)集成制造系統(tǒng). 2017(02)
[10]基于數(shù)據(jù)驅(qū)動的微小故障診斷方法綜述[J]. 文成林,呂菲亞,包哲靜,劉妹琴.  自動化學(xué)報(bào). 2016(09)

博士論文
[1]基于性能退化分析的可靠性方法研究[D]. 袁容.電子科技大學(xué) 2015
[2]復(fù)雜裝備故障預(yù)測與健康管理關(guān)鍵技術(shù)研究[D]. 李向前.北京理工大學(xué) 2014
[3]基于PHM的備件配置問題研究[D]. 張澳夫.北京理工大學(xué) 2014
[4]面向制造系統(tǒng)健康管理的動態(tài)預(yù)測與預(yù)知維護(hù)決策研究[D]. 夏唐斌.上海交通大學(xué) 2014
[5]基于隱馬爾可夫模型與信息融合的設(shè)備故障診斷與性能退化評估研究[D]. 劉韜.上海交通大學(xué) 2014
[6]基于退化隱式半馬爾科夫模型的設(shè)備健康預(yù)測及系統(tǒng)性維護(hù)策略研究[D]. 彭穎.上海交通大學(xué) 2011
[7]民航發(fā)動機(jī)健康管理中的壽命預(yù)測與維修決策方法研究[D]. 戎翔.南京航空航天大學(xué) 2008
[8]船舶柴油機(jī)智能監(jiān)測與智能診斷的研究[D]. 白廣來.大連海事大學(xué) 2003

碩士論文
[1]柴油機(jī)故障的集成診斷方法研究[D]. 李海斌.西安石油大學(xué) 2015
[2]基于HMM的退化狀態(tài)識別和故障預(yù)測研究[D]. 原媛.太原科技大學(xué) 2014



本文編號：3562321