基于MCMC算法的露天矿典型设备故障预测方法研究
大型设备是露天矿开采工艺系统的重要组成部分,设备的有效利用直接决定着露天矿的生产效率.为解决露天矿典型设备的故障预测问题,降低设备的故障率和维修成本,提出了一种基于马尔科夫蒙特卡罗方法的露天矿典型设备故障发生时间预测算法,该算法利用马尔科夫蒙特卡罗方法(MCMC)对设备故障数据进行抽样估计,获得设备故障发生次数所对应的齐次泊松过程的参数λ,然后根据浴盆曲线性质,不断对λ进行修正和拟合,确定设备当前状态下故障发生次数的泊松分布参数的值λc,再利用齐次泊松过程中随机点的点间间距是相互独立的指数分布随机变量序列的性质,将λc的倒数作为指数分布参数的估计值,确定设备故障发生时间间隔所服从的指数分布,进而利用指数分布预测设备故障发生时间.研究结果表明:设备故障发生次数所服从的泊松分布参数随时间动态变化;设备故障维修时长随设备使用年限的增长而逐渐变长(设备发生中型及以上故障次数增多);所提出的算法经修正尺度简缩因子验证,具有合理性和有效性,能够用于对露天矿典型设备的故障预测.数值模拟结果显示:在外部环境不发生明显变化时,该算法能够精确、有效的预测露天矿典型设备的故障发生时间和故障类别,不仅能为企业科学制定设备预防性维修计划提供依据,而且能为智慧露天矿建设提供有效的基础决策数据.
露天矿、故障预测、马尔科夫蒙特卡罗方法、泊松分布、指数分布
47
TD824;TD422(矿山开采)
国家自然科学基金资助项目71771111,51874160,51304114
2019-11-22（万方平台首次上网日期，不代表论文的发表时间）
共7页
51-57
