基于设备可靠性的动态预防维护策略

针对设备可靠性随着役龄和维护次数的增加而降低的情况,建立了一种基于设备可靠性的顺序预防性维护优化模型.该模型结合役龄递减因子和失效率递增因子来调整失效率演化规则,并考虑系统当机成本和基于设备当前状态及强化年龄的动态预防维护成本,通过引入威布尔分布对某列车检修设备进行仿真分析.结果表明,该动态预防性维护策略有效且实用,可为设备的实际维护决策提供支持.     

基于Tabu搜索和蚂蚁算法的系统可靠性分析

为了快速有效地找出同时满足可靠性和限制成本的配置策略,提出一种能搜寻近似最优可靠性分配的混合启发式算法.该算法在传统蚂蚁算法的基础上,引入了Tabu串列及期望准则,以解禁局域搜索,加快收敛速度,从而提高全局搜索的效率.实验仿真结果显示,所提出的优化算法较一般算法有更好的效果,可为实际系统的备件配置提供有力的支持.     

统计模式识别和自回归滑动平均模型在 设备剩余寿命预测中的应用

为了对设备预知性维护研究提供支持,采用统计模式识别（SPR）方法对设备进行性能评估,获取设备健康指标;再运用自回归滑动平均模型（ARMA）对设备剩余寿命进行预测,建立了基于设备健康状况的设备剩余寿命预测模型.对生产过程中刀具加工设备寿命预测进行分析和验证结果表明,该设备评估和预测方法是有效且实用的.     

无偏灰色模糊马尔可夫链在设备衰退预测中的应用

针对传统灰色马尔可夫模型在固有灰色偏差和抗干扰性方面的不足,提出一种基于无偏灰色模糊马尔可夫链的设备衰退趋势预测模型。首先,引入无偏灰色理论,建立无偏灰色模型,预测设备健康状态的总体趋势;然后,根据此趋势,采用模糊集合理论进行模糊状态划分,从分类方法上改进传统灰色马尔科夫模型,同时克服马尔可夫状态矩阵运算量大的缺点;最后,进行模糊马尔可夫残差修正,确定设备健康状态组合预测值。与传统灰色马尔可夫模型相比,该模型可有效提高预测精度。以屏蔽泵的健康状况数据为样本进行设备衰退趋势预测,结果表明:该模型对第13、14和15个周期的设备健康状态的预测,残差偏移率分别为0.24%、0.10%和-0.05%,对应传统灰色马尔科夫模型的残差偏移率0.46%、0.11%和0.08%,预测精度更高,能够有效实现设备衰退趋势的精确预测。     

基于SAEM-HMM的设备状态诊断模型研究

针对设备状态诊断问题,提出了基于模拟退火和期望最大化算法的隐马尔可夫模型(SAEMHMM).该模型针对改进传统隐马尔可夫模型对初值敏感及期望最大化算法容易陷入局部最优的不足,将模拟退火算法与期望最大化算法结合,利用前者具有概率的全局收敛性,克服局部最优问题,实现隐马尔可夫模型参数估计过程的优化.最后通过算例分析验证了该模型的可行性与有效性.