海基设备性能退化及健康管理策略研究
发布时间：2022-01-01 14:32
故障预测与健康管理（PHM）技术是一种新型的维修与管理方式,它可以通过处理状态监测到的信息,对设备进行故障模式识别,对设备工作所处状态、可靠性、剩余寿命等进行预测,考虑设备维修、使用情况以及工作的环境信息,结合规范的设备管理方法与流程,对设备的维修活动进行科学合理的规划和管理。论文研究了PHM中的性能退化与健康预测、健康衰退演化规则、最优维修动态规划等关键技术,以海基设备为对象,建立了基于改进退化隐马尔科夫模型的健康预测模型,研究了统筹内部维护效果因素和外部环境工况因素的综合衰退演化规则,在此基础上研究建立了多目标最优预防性维护策略。论文主要研究内容如下:（1）研究了基于HMM的设备故障模式识别方法,利用该模型将微弱变化的信号特征转换为变化较大的对数似然概率对故障模式实现有效识别。在此基础上进一步提出了基于HMM-GA-SVR的设备状态预测模型,实现对设备工作状态的预测。通过对船舶动力设备柴油机进行仿真,结果表明上述模型具有较高的识别率,能准确预测船舶动力设备当前状态。（2）针对海基设备的特点,研究了引入调整因子和环境因子的设备衰退演化规则。在假设设备寿命服从威布尔分布的基础上,以甲板...
【文章来源】：江苏科技大学江苏省
【文章页数】：93 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 PHM技术研究现状
1.2.2 性能退化与健康预测技术研究现状
1.3 论文主要研究内容
1.3.1 研究内容
1.3.2 文章结构
第2章 设备健康管理方法与技术研究
2.1 故障预测与健康管理技术体系及关键技术
2.1.1 故障预测与健康管理体系结构
2.1.2 故障预测与健康管理关键技术
2.2 设备健康管理的内涵与功能
2.2.1 设备健康管理的内涵
2.2.2 设备健康管理的主要功能
2.3 设备健康管理的关键技术
2.3.1 数据挖掘技术
2.3.2 信息融合技术
2.3.3 预测技术
2.3.4 调度优化技术
2.3.5 决策支持技术
2.4 本章小结
第3章 性能退化与健康预测模型研究
3.1 HMM基本理论
3.1.1 隐马尔科夫模型
3.1.2 HMM基本算法
3.2 设备故障模式识别
3.2.1 HMM故障模式识别原理
3.2.2 基于HMM的船舶动力设备故障模式识别
3.3 改进的GA-SVR模型
3.3.1 支持向量回归模型
3.3.2 遗传算法基本原理
3.3.3 GA-SVR模型
3.4 基于HMM-SVR的设备状态预测
3.4.1 HMM-SVR的设备状态预测模型
3.4.2 基于HMM-SVR的设备状态预测仿真
3.5 本章小结
第4章 综合内部耗损和外部环境因子的设备衰退演化规则
4.1 设备故障的发生发展规律
4.1.1 早期故障期
4.1.2 偶然故障期
4.1.3 耗损故障期
4.2 Weibull分布模型研究
4.2.1 可靠性分布相关特征量的计算
4.2.2 Weibull分布模型及特点
4.3 设备内部耗损影响的衰退演化规则
4.4 考虑外部环境因子影响的设备衰退演化规则
4.4.1 Weibull分布下环境因子的含义
4.4.2 Weibull分布下环境因子的极大似然估计
4.4.3 考虑环境因子影响的设备衰退演化规则模型
4.4.4 算例分析
4.5 本章小结
第5章 多目标最优预防维护策略研究
5.1 基本模型及假设
5.1.1 稳态可用度模型
5.1.2 平均成本率模型
5.2 多目标动态最优预防维护策略模型
5.2.1 多目标最优预防维护模型
5.2.2 线性加权和法求解多目标最优化模型
5.2.3 考虑环境因子的多目标最优预防维护策略研究
5.3 多目标最优预防维护策略实例研究
5.4 本章小结
总结与展望
本文总结
展望
参考文献
攻读硕士学位期间发表的学术论文及科研成果
致谢
【参考文献】：
期刊论文
[1]基于CBM的船舶设备健康管理系统[J]. 汪益兵,杨燕斌. 船舶工程. 2017(10)
[2]基于历史故障数据的租赁设备预防维护策略优化[J]. 董克,吕文元. 运筹与管理. 2017(05)
[3]基于特征提取的装备可靠性不确定度量方法[J]. 江莲,李荣修. 船电技术. 2017(05)
[4]滚动轴承的状态监测与性能退化评估[J]. 王宝祥,潘宏侠,杨卫. 中国工程机械学报. 2017(01)
[5]基于MapReduce的主成分分析算法研究[J]. 易秀双,刘勇,李婕,王兴伟. 计算机科学. 2017(02)
[6]基于混合核函数PSO-SVM的模拟电路故障诊断[J]. 裴杰才,李志华,丁伟聪. 计算机与现代化. 2017(01)
[7]基于自组织特征映射网络（SOM）的聚类分析方法[J]. 刘焕海,叶剑锋,阿斯耶姆. 软件导刊. 2016(12)
[8]基于多传感器信息融合的数控机床故障诊断研究[J]. 屈海军. 装备制造技术. 2016(11)
[9]面向动态租赁的设备修复非新建模与弹性预防维护决策[J]. 吴常洁,滕春晓,周晓军. 计算机集成制造系统. 2017(02)
[10]基于数据驱动的微小故障诊断方法综述[J]. 文成林,吕菲亚,包哲静,刘妹琴. 自动化学报. 2016(09)
博士论文
[1]基于性能退化分析的可靠性方法研究[D]. 袁容.电子科技大学 2015
[2]复杂装备故障预测与健康管理关键技术研究[D]. 李向前.北京理工大学 2014
[3]基于PHM的备件配置问题研究[D]. 张澳夫.北京理工大学 2014
[4]面向制造系统健康管理的动态预测与预知维护决策研究[D]. 夏唐斌.上海交通大学 2014
[5]基于隐马尔可夫模型与信息融合的设备故障诊断与性能退化评估研究[D]. 刘韬.上海交通大学 2014
[6]基于退化隐式半马尔科夫模型的设备健康预测及系统性维护策略研究[D]. 彭颖.上海交通大学 2011
[7]民航发动机健康管理中的寿命预测与维修决策方法研究[D]. 戎翔.南京航空航天大学 2008
[8]船舶柴油机智能监测与智能诊断的研究[D]. 白广来.大连海事大学 2003
硕士论文
[1]柴油机故障的集成诊断方法研究[D]. 李海斌.西安石油大学 2015
[2]基于HMM的退化状态识别和故障预测研究[D]. 原媛.太原科技大学 2014
本文编号：3562321
【文章来源】：江苏科技大学江苏省
【文章页数】：93 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 PHM技术研究现状
1.2.2 性能退化与健康预测技术研究现状
1.3 论文主要研究内容
1.3.1 研究内容
1.3.2 文章结构
第2章 设备健康管理方法与技术研究
2.1 故障预测与健康管理技术体系及关键技术
2.1.1 故障预测与健康管理体系结构
2.1.2 故障预测与健康管理关键技术
2.2 设备健康管理的内涵与功能
2.2.1 设备健康管理的内涵
2.2.2 设备健康管理的主要功能
2.3 设备健康管理的关键技术
2.3.1 数据挖掘技术
2.3.2 信息融合技术
2.3.3 预测技术
2.3.4 调度优化技术
2.3.5 决策支持技术
2.4 本章小结
第3章 性能退化与健康预测模型研究
3.1 HMM基本理论
3.1.1 隐马尔科夫模型
3.1.2 HMM基本算法
3.2 设备故障模式识别
3.2.1 HMM故障模式识别原理
3.2.2 基于HMM的船舶动力设备故障模式识别
3.3 改进的GA-SVR模型
3.3.1 支持向量回归模型
3.3.2 遗传算法基本原理
3.3.3 GA-SVR模型
3.4 基于HMM-SVR的设备状态预测
3.4.1 HMM-SVR的设备状态预测模型
3.4.2 基于HMM-SVR的设备状态预测仿真
3.5 本章小结
第4章 综合内部耗损和外部环境因子的设备衰退演化规则
4.1 设备故障的发生发展规律
4.1.1 早期故障期
4.1.2 偶然故障期
4.1.3 耗损故障期
4.2 Weibull分布模型研究
4.2.1 可靠性分布相关特征量的计算
4.2.2 Weibull分布模型及特点
4.3 设备内部耗损影响的衰退演化规则
4.4 考虑外部环境因子影响的设备衰退演化规则
4.4.1 Weibull分布下环境因子的含义
4.4.2 Weibull分布下环境因子的极大似然估计
4.4.3 考虑环境因子影响的设备衰退演化规则模型
4.4.4 算例分析
4.5 本章小结
第5章 多目标最优预防维护策略研究
5.1 基本模型及假设
5.1.1 稳态可用度模型
5.1.2 平均成本率模型
5.2 多目标动态最优预防维护策略模型
5.2.1 多目标最优预防维护模型
5.2.2 线性加权和法求解多目标最优化模型
5.2.3 考虑环境因子的多目标最优预防维护策略研究
5.3 多目标最优预防维护策略实例研究
5.4 本章小结
总结与展望
本文总结
展望
参考文献
攻读硕士学位期间发表的学术论文及科研成果
致谢
【参考文献】：
期刊论文
[1]基于CBM的船舶设备健康管理系统[J]. 汪益兵,杨燕斌. 船舶工程. 2017(10)
[2]基于历史故障数据的租赁设备预防维护策略优化[J]. 董克,吕文元. 运筹与管理. 2017(05)
[3]基于特征提取的装备可靠性不确定度量方法[J]. 江莲,李荣修. 船电技术. 2017(05)
[4]滚动轴承的状态监测与性能退化评估[J]. 王宝祥,潘宏侠,杨卫. 中国工程机械学报. 2017(01)
[5]基于MapReduce的主成分分析算法研究[J]. 易秀双,刘勇,李婕,王兴伟. 计算机科学. 2017(02)
[6]基于混合核函数PSO-SVM的模拟电路故障诊断[J]. 裴杰才,李志华,丁伟聪. 计算机与现代化. 2017(01)
[7]基于自组织特征映射网络（SOM）的聚类分析方法[J]. 刘焕海,叶剑锋,阿斯耶姆. 软件导刊. 2016(12)
[8]基于多传感器信息融合的数控机床故障诊断研究[J]. 屈海军. 装备制造技术. 2016(11)
[9]面向动态租赁的设备修复非新建模与弹性预防维护决策[J]. 吴常洁,滕春晓,周晓军. 计算机集成制造系统. 2017(02)
[10]基于数据驱动的微小故障诊断方法综述[J]. 文成林,吕菲亚,包哲静,刘妹琴. 自动化学报. 2016(09)
博士论文
[1]基于性能退化分析的可靠性方法研究[D]. 袁容.电子科技大学 2015
[2]复杂装备故障预测与健康管理关键技术研究[D]. 李向前.北京理工大学 2014
[3]基于PHM的备件配置问题研究[D]. 张澳夫.北京理工大学 2014
[4]面向制造系统健康管理的动态预测与预知维护决策研究[D]. 夏唐斌.上海交通大学 2014
[5]基于隐马尔可夫模型与信息融合的设备故障诊断与性能退化评估研究[D]. 刘韬.上海交通大学 2014
[6]基于退化隐式半马尔科夫模型的设备健康预测及系统性维护策略研究[D]. 彭颖.上海交通大学 2011
[7]民航发动机健康管理中的寿命预测与维修决策方法研究[D]. 戎翔.南京航空航天大学 2008
[8]船舶柴油机智能监测与智能诊断的研究[D]. 白广来.大连海事大学 2003
硕士论文
[1]柴油机故障的集成诊断方法研究[D]. 李海斌.西安石油大学 2015
[2]基于HMM的退化状态识别和故障预测研究[D]. 原媛.太原科技大学 2014
本文编号：3562321
本文链接：https://www.wllwen.com/guanlilunwen/yunyingzuzhiguanlilunwen/3562321.html
