基于改进退化隐马尔可夫模型的设备健康诊断与寿命预测研究

针对隐马尔可夫模型在进行设备健康诊断时与实际存在较大偏差的问题,提出了一种以似幂关系加速退化为核心的改进退化隐马尔可夫模型(DGHMM).首先,引入退化因子描述设备衰退过程,提出的似幂关系加速退化较常规指数式加速退化而言,能更好地描述设备服役期间随着役龄增加性能的逐步下降.其次,以全局搜索能力相对较强的改进遗传算法代替常规EM算法进行参数估计,克服了EM算法易陷入局部最优的局限性.同时,针对隐马尔可夫模型时间上须服从指数分布而不能直接用于寿命预测的局限性问题,提出了一种以近似算法与Viterbi算法为基础的贪婪近似法,以寻求最大概率剩余观测为目的,动态地寻求最大概率剩余状态路径,对设备剩余寿命进行预测.最后,通过美国卡特彼勒公司液压泵数据集对所提出的方法进行验证评价.结果表明,基于改进退化隐马尔可夫模型的设备健康诊断与寿命预测方法在描绘设备退化、设备状态诊断准确率方面更加有效,在剩余寿命预测上亦为可行.     

基于Erlang-HSMM的设备剩余寿命预测研究

对于关键复杂设备进行健康诊断和设备剩余寿命预测,提出了一种基于爱尔朗分布和隐半马尔可夫模型的联合剩余寿命预测模型(Erlang-HSMM,E-HSMM)。首先,提出了改进的前后向算法、维特比算法和BaumWelch算法,有效地降低了模型的计算复杂度;其次,基于爱尔朗分布改进设备的健康状态逗留时间,将状态逗留时间分为已遍历和未遍历两个部分,提出新的健康状态逗留时间的概率分布;最后,针对状态监测数据,利用失效率理论构建设备剩余寿命预测模型。通过美国Caterpillar公司液压泵的状态监测实际数据进行评价与验证,实验结果表明,E-HSMM模型对设备的状态诊断和剩余寿命预测更加符合实际状况,比传统的隐半马尔可夫模型(HSMM)更有效。     

考虑中间库存缓冲区的设备不完美预防维修策略研究

针对带有库存缓冲区的设备维修问题,提出了随机故障设备的不完美预防维修策略。首先,考虑设备随机故障率随故障次数的增多而变大的情况,基于准更新过程,建立随机故障设备的故障次数表达式。其次,结合设备故障次数表达式,综合考虑维修成本和库存缓冲成本的基础上,构建了设备生产成本模型,以缓冲库存量和预防维修周期为自变量,以生产成本为目标函数。获得设备的最优维修策略和最佳库存缓冲量。最后,通过算例分析验证了模型的有效性,为生产线设计的可行性提供了依据。     

考虑生产和需求情况下多设备系统状态维护策略研究

针对考虑生产多于需求或少于需求的情况下多设备系统的维护问题,建立了状态维护策略模型。首先将设备退化过程分为三个状态,构建状态的转移概率模型,并且针对不同状态采取两种维护策略;其次,基于半马尔可夫模型以损失成本和超额利润、检测成本、维修成本为优化目标,建立在不同策略下维护费用模型,采用策略迭代算法求解不同状态下的维护策略。最后,通过算例分析验证模型的有效性,并对相应的参数进行了灵敏度分析。     

基于改进萤火虫算法的分布式能源供应链配置研究

针对分布式能源供应链的配置问题,提出了改进人工萤火虫算法,结合云计算技术解决该配置问题。首先,以人工萤火虫算法的决策域半径为切入点,改进人工萤火虫算法的决策域半径,有效地解决了传统人工萤火虫算法寻优不稳定、算法精度低、后期收敛速度较慢的缺点;其次,全面采集系统信息,考虑各云处理中心各服务器的负载情况,建立基于改进人工萤火虫算法的分布式能源供应链配置需求侧均衡模型,以达到云计算环境下能源供应链中的配置均衡目标;最后,仿真分析表明,改进人工萤火虫算法可以更快、更稳定、更均衡地处理系统中的任务,优化分布式能源供应链配置。     

陌生小样本不平衡数据下基于机器学习联合算法的设备寿命预测研究

针对设备寿命预测中出现的缺乏状态标签以及数据样本匮乏、分布不平衡的问题,提出了基于PSO的改进K-means算法与一套基于传统SMOTE的数据优化方案.在优化K-means算法的过程中联合粒子群算法的特点,通过给定粒子群算法粒子生成范围以提高粒子群算法的寻优效率,从而快速判断设备所处的工作状态,再通过比较同簇样本距离均值与样本到中心点的距离建立改进SMOTE算法,通过新增少数类样本个数以规避样本不平衡带来的计算误差.最后利用AdaBoost集成优化KNN算法提升分类效果并通过拟合出设备寿命曲线,从而更好地预测设备健康水平与未来寿命情况.算例证明,该模型可以有效预测小样本不平衡数据下设备的健康状态.     

需求随机波动下多设备批量生产系统的视情维护策略研究

针对需求随机波动情况下多设备批量生产系统的设备维护问题,提出了一种基于滚动生产计划和设备退化状况的视情维护策略。首先,通过滚动时域规划方法预测不同产品的随机需求并在此基础上以总生产成本最小确定滚动生产计划。其次,在每一滚动生产周期开始前检测系统中各设备的退化水平,利用Gamma过程描述退化增量,以最小维护成本率确定当前退化状态下各设备的最佳维护时间,同时为避免生产过程中断利用提前延后维护策略对预防维护进行动态调整。在系统层,利用生产转换时机对需要维护的组件进行组合维护。再次,引入时间约束和服务水平约束,建立批量生产与视情维护的联合优化模型,以总成本最小为目标,确定实际生产计划和维护计划。最后,通过算例以整个生产计划期内的总成本和故障次数为度量验证了所提出的多设备批量生产系统视情维护策略的有效性。     

考虑合同双方利益最优的复杂设备分阶段维护外包策略

针对复杂设备维护外包策略制定过程中，仅考虑一方利益或第三方维护特点表现不明问题，提出了同时使设备使用商满意度最高和维护外包服务承包商利润最大的分阶段等周期预防性维护策略。首先，引入动态役龄递减因子来优化故障率变化规则；其次，以每个阶段的预防性维护次数和维护间隔以及维护外包服务承包商的平均响应时间为决策变量，构建了服务承包商利润模型和设备使用商满意度模型；最后，用NSGAII算法求解不同分段下的多目标最优方案并进行比较，得出两阶段预防性维护策略所得最优方案质量更佳；使用粒子群算法求出两阶段维护对应的单目标最优方案并与多目标最优方案进行对比，以验证多目标维护外包模型的优越性和实用性。