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

被引：7

作者：

张星辉 ^{[1
]}

康建设 ^{[1
]}

赵劲松 ^{[1
,2
]}

肖雷 ^{[3
]}

曹端超 ^{[1
]}

刘浩 ^{[1
]}

机构：

[1] 军械工程学院

[2] 军事交通学院

[3] 重庆大学

来源：

振动与冲击 | 2014年 / 33卷 / 08期

关键词：

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;

D O I：

10.13465/j.cnki.jvs.2014.08.030

中图分类号：

TP18 [人工智能理论]; TH133.3 [轴承];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

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。

引用

页码：171 / 179

页数：9

共 23 条

[1] 基于CHMM的齿轮箱状态识别研究
滕红智
赵建民
贾希胜
张星辉
王正军
[J]. 振动与冲击, 2012, 31 (05) : 92 - 96+127
[2] 基于混合贝叶斯网的空域目标威胁评估方法
孟光磊
龚光红
[J]. 系统工程与电子技术, 2010, 32 (11) : 2398 - 2401
[3] 基于隐半Markov模型的故障诊断和故障预测方法研究
胡海峰
安茂春
秦国军
胡茑庆
[J]. 兵工学报, 2009, 30 (01) : 69 - 75
[4] 用于因果分析的混合贝叶斯网络结构学习
王双成
李小琳
侯彩虹
[J]. 智能系统学报, 2007, (06) : 82 - 89
[5] 混合贝叶斯网络隐藏变量学习研究
王双成
[J]. 计算机学报, 2005, (09) : 1564 - 1569
[6] 具有抗噪音能力的增量式混合贝叶斯网络
王利民
苑森淼
[J]. 仪器仪表学报, 2005, (03) : 221 - 225
[7] Physics of failure-based degradation modeling and lifetime prediction of the momentum wheel in a dynamic covariate environment[J] . Guang Jin,David Matthews,Youwen Fan,Qiang Liu.Engineering Failure Analysis . 2013
[8] Application of a state space modeling technique to system prognostics based on a health index for condition-based maintenance[J] . Jianzhong Sun,Hongfu Zuo,Wenbin Wang,Michael G. Pecht.Mechanical Systems and Signal Processing . 2011
[9] Bearing fault prognosis based on health state probability estimation[J] . Hack-Eun Kim,Andy C.C. Tan,Joseph Mathew,Byeong-Keun Choi.Expert Systems With Applications . 2011 (5)
[10] Intelligent fault inference for rotating flexible rotors using Bayesian belief network[J] . Bin Gang Xu.Expert Systems With Applications . 2011 (1)

← 1 2 3 →