基于混合高斯输出贝叶斯信念网络模型的设备退化状态识别与剩余使用寿命预测方法研究
2014-08-11张星辉康建设赵劲松曹端超
张星辉, 康建设, 赵劲松,2, 肖 雷, 曹端超, 刘 浩
(1.军械工程学院,石家庄 050003;2.军事交通学院,天津 300161;3.重庆大学 重庆 400030)
基于混合高斯输出贝叶斯信念网络模型的设备退化状态识别与剩余使用寿命预测方法研究
张星辉1, 康建设1, 赵劲松1,2, 肖 雷3, 曹端超1, 刘 浩1
(1.军械工程学院,石家庄 050003;2.军事交通学院,天津 300161;3.重庆大学 重庆 400030)
提出了基于混合高斯输出贝叶斯信念网络模型的设备退化状态识别与剩余使用寿命预测新方法,将变量消元和期望最大化算法相结合对模型进行推理,应用聚类评价指标对状态数进行优化,通过计算待识别特征向量的概率值来确定设备当前的退化状态,在退化状态识别的基础上,提出了剩余使用寿命预测方法。最后,分别应用50组轴承全寿命仿真数据和3组轴承全寿命实验数据对模型进行验证。结果表明,该模型可有效地识别设备的退化状态并对剩余使用寿命进行预测。
混合高斯输出贝叶斯信念网络模型;退化状态识别;剩余使用寿命预测;轴承
基于状态的维修(Condition Based Maintenance,CBM)是指由安装在设备外部的传感器获取设备运行时的状态信息后,通过对状态信息进行分析,判断设备当前所处的退化状态并对设备的剩余使用寿命(Remaining Useful Life,RUL)进行预测,在此基础上对设备的维修活动进行规划。目前,RUL预测方法主要有两种:基于物理模型的方法和基于数据驱动的方法。Bechhoefer等[1]应用Paris法则构建了裂纹与振动监测指标之间的关系并对RUL进行预测。Jin等[2]研究了卫星动量轮的故障机理并建立了RUL预测模型。……
