【摘要】：隨著對(duì)機(jī)電設(shè)備安全性和可靠性要求的不斷提高,準(zhǔn)確獲取趨勢(shì)性故障發(fā)展歷程的退化特征信息并建立有效的故障預(yù)測(cè)模型是提高設(shè)備運(yùn)行可靠性的關(guān)鍵。隱馬爾可夫模型(Hidden Markov Model,HMM)具有描述隱藏狀態(tài)和觀測(cè)狀態(tài)的雙隨機(jī)過(guò)程屬性,與設(shè)備的退化過(guò)程在某種程度上是相似的,因此成為故障預(yù)測(cè)模型的研究熱點(diǎn)。綜述國(guó)內(nèi)外基于隱馬爾可夫模型的退化評(píng)估與預(yù)測(cè)方法,重點(diǎn)論述基于隱馬爾可夫模型及其改進(jìn)方法隱半馬爾可夫模型(Hidden semi-Markov Model,HSMM)的機(jī)械設(shè)備故障預(yù)測(cè)方法,分析比較各種方法的優(yōu)缺點(diǎn),并總結(jié)展望基于隱馬爾可夫模型故障預(yù)測(cè)方法的發(fā)展趨勢(shì)。
[Abstract]:With the increasing requirements of safety and reliability of electromechanical equipment, it is the key to improve the reliability of equipment to obtain the degradation characteristic information of the trend fault development history and establish an effective fault prediction model. The Hidden Markov Model (Hidden Markov Model,HMM) has the properties of double stochastic processes to describe the hidden state and the observed state, which is similar to the degradation process of the equipment to some extent, so it has become the research hotspot of the fault prediction model. This paper summarizes the methods of degradation assessment and prediction based on hidden Markov model at home and abroad, and emphatically discusses the methods of mechanical equipment fault prediction based on hidden Markov model and its improved method, hidden semi-Markov model (Hidden semi-Markov Model,HSMM). The advantages and disadvantages of various methods are analyzed and the trend of fault prediction based on hidden Markov model is summarized.
【作者單位】： 南通大學(xué)機(jī)械工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(51405246) 江蘇省自然科學(xué)基金項(xiàng)目(BK20151271) 南通市應(yīng)用基礎(chǔ)研究-工業(yè)創(chuàng)新項(xiàng)目(No.GY12016010)資助~~
【分類(lèi)號(hào)】：TH17

【相似文獻(xiàn)】

相關(guān)期刊論文 前7條

1 周云龍;柳長(zhǎng)昕;趙鵬;孫斌;洪文鵬;;基于自回歸 連續(xù)隱馬爾可夫模型的離心泵故障診斷[J];中國(guó)電機(jī)工程學(xué)報(bào);2008年20期

2 柳新民,溫熙森,邱靜,劉冠軍;基于隱馬爾可夫模型的機(jī)電系統(tǒng)機(jī)內(nèi)測(cè)試虛警抑制[J];兵工學(xué)報(bào);2005年03期

3 蔣會(huì)明;陳進(jìn);董廣明;劉韜;;基于集成隱馬爾可夫模型的軸承故障診斷[J];振動(dòng)與沖擊;2014年10期

4 康晶;馮長(zhǎng)健;楊國(guó)田;;離散隱馬爾可夫模型在顫振預(yù)報(bào)中的應(yīng)用研究[J];機(jī)械科學(xué)與技術(shù);2008年03期

5 黃景德;郝學(xué)良;黃義;;基于改進(jìn)HMM的潛在電子故障狀態(tài)識(shí)別模型[J];儀器儀表學(xué)報(bào);2011年11期

6 馮輔周;司愛(ài)威;江鵬程;;小波相關(guān)排列熵和HMM在故障預(yù)測(cè)中的應(yīng)用[J];振動(dòng)工程學(xué)報(bào);2013年02期

7 ;[J];;年期

相關(guān)博士學(xué)位論文 前1條

1 劉韜;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(píng)估研究[D];上海交通大學(xué);2014年

相關(guān)碩士學(xué)位論文 前1條

1 韓巧利;基于隱馬爾可夫模型與EM算法的復(fù)雜機(jī)械系統(tǒng)故障診斷的研究[D];華中科技大學(xué);2012年

，

本文編號(hào)：2231514