苏 春 李 乐

(1东南大学机械工程学院， 南京211189)(2湖南科技大学机械设备健康维护湖南省重点实验室， 湘潭 411201)

长寿命产品的可靠性评估面临故障数据匮乏等难题.近年来，从性能退化的视角评估产品可靠性受到关注.总体上，性能退化建模方法可分为3类，即失效物理方法、概率物理方法和统计模型方法[1].统计模型方法利用全寿命周期的先验知识，实现产品剩余寿命和健康状态预测[2].马尔科夫过程(Markov process)具有无后效性或无记忆性，得到广泛的研究与应用.其中，隐马尔科夫模型(hidden Markov model，HMM)是一类用于描述具有隐含未知参数的马尔科夫过程，根据可观察参数确定过程中的隐含参数；隐半马尔科夫模型(hidden semi-Markov model，HSMM)是HMM的一种扩展形式，它在HMM结构上增加时间因素，能够描述系统状态与外在观测值的内在关系.通过观测值预测系统健康状态的变化趋势，为维修决策提供理论依据.

吴军等[3]采用HMM描述装备运行过程，结合切普曼-柯尔莫哥洛夫微分方程推断装备运行可靠性.Jiang等[4]采用HMM动态预警在役电力变压器的亚健康状态，并验证早期故障预测的有效性.Dong等[5]采用HSMM建立液压泵故障诊断和寿命预测模型，并得出HSMM比HMM能更好地识别故障状态的结论.文献[6]在HSMM基础上，采用多隐半马尔科夫模型(multi-HSMM)预测UN-60A黑鹰直升机传动装置故障与寿命.Liu等[7]采用HSMM完成刀具磨损退化过程建模，描述相邻退化状态持续时间的依赖关系.Li等[8]提出基于隐马尔科夫模型的性能退化建模方法，得到风力机部……