基于HDP-HSMM的机械设备故障预测关键技术研究

项目名称： 基于HDP-HSMM的机械设备故障预测关键技术研究

项目编号： No.51405246

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 机械、仪表工业

项目作者： 王恒

作者单位： 南通大学

项目金额： 25万元

中文摘要： 随着对机电设备安全性和可靠性要求的不断提高，准确获取趋势性故障发展历程的退化特征信息并建立有效的故障预测模型是提高设备运行可靠性的关键。本项目以机电设备典型零部件为研究对象，针对隐半马尔科夫模型(HSMM)应用于故障预测中必须预先确定设备退化状态数，假定退化状态转移概率满足不变性、与驻留时间无关，驻留时间分布离散化等主要不足，提出将分层狄利克雷过程(HDP)引入到改进的HSMM定义和学习中，实现HSMM模型参数和聚类数的自动更新、模型结构的优化，并建立基于HDP-HSMM的设备退化状态分类器，将设备性能退化评估与故障预测相结合，利用HDP-HSMM所确定的退化状态转移关系和状态驻留时间信息，预测故障发生时间；研究设备自适应报警与健康等级评价机制，提出基于退化性能指标的动态报警阈值设定方法。本项目的完成将有效地提高机械设备运行的可靠性和可维护性。

中文关键词： 故障预测；性能退化评估；隐马尔可夫模型；隐半马尔可夫模型；分层狄利克雷过程

英文摘要： With the continuous improvement requirements of reliability and security for mechanical equipment, accurate extraction of equipment fault development trend of degradation characteristic information and establishment of effective fault prediction model is

英文关键词： Prognostics；Performance degradation assessment；Hidden Markov Mode；Hidden semi-Markov Model；Hierarchical Dirichlet Process