-
题名基于HDP-HMM的机械设备故障预测方法研究
被引量：7
- 1
-
-
作者
王恒
周易文
瞿家明
季云
-
机构
南通大学机械工程学院
-
出处
《振动与冲击》
EI
CSCD
北大核心
2019年第8期173-179,共7页
-
基金
国家自然科学基金(51405246)
江苏省自然科学基金(BK20151271)
+2 种基金
南通市应用基础研究-工业创新项目(GY12016010)
江苏省研究生科研创新计划项目(KYCX17_1913)
江苏省"六大人才高峰"高层次人才资助项目(2017-GDZB-048)
-
文摘
针对隐马尔科夫模型状态数必须预先设定的不足,提出了一种基于分层狄利克雷过程-隐马尔科夫模型(HDP-HMM)的机械设备故障预测方法。该算法通过构造HDP作为HMM参数的先验分布,利用HDP分层共享和自动聚类的优点,实现了模型结构动态更新,获得设备运行过程中的隐状态数;基于HDP-HMM所建立的退化状态动态转移关系,确定设备早期故障点和功能故障点,实现设备的健康等级评估和故障预测。利用美国USFI/UCR智能维护系统中心提供的滚动轴承全寿命数据进行了应用研究。结果表明,针对多观测序列,HDP-HMM能有效实现组合聚类,识别结果不依赖于算法初始参数的选择,具有较强的鲁棒性;与基于K-S检验的退化评估算法比较表明,HDP-HMM更能有效描述设备实际退化过程。
-
关键词
分层狄利克雷过程-隐马尔科夫模型(hdp-hmm)
退化状态
故障预测
-
Keywords
hierarchical dirichlet process-hidden markov model(hdp-hmm)
degradation state
prognostics
-
分类号
TH165.3
[机械工程—机械制造及自动化]
-
