10.3969/j.issn.1673-5005.2014.03.023
基于数据自组织挖掘的机械设备状态退化预警方法
在设备状态监测过程中引入数据自组织挖掘思想,建立一种设备状态退化预警方法.采用隐马尔科夫模型(HMM)对设备的早期退化状态进行准确辨识和评估,并进一步建立设备退化过程的自组织预测模型.案例分析中将该方法应用到旋转机械轴承运行状态退化的预警过程中.结果表明,基于自组织数据挖掘的设备状态退化趋势预测方法预测效果准确、客观性强,预测值与实际值的拟合程度高,相对误差仅为3.1%.新方法能够预测设备未来时间段的退化状态及其发展趋势,提前给出预警信息,有效地制定预知维修计划,及时采取预防措施,防止因设备突发失效引起非计划停机造成生产和经济损失.
数据自组织挖掘、隐马尔科夫模型、数据分组处理方法、状态退化预警
38
TH17
国家自然科学基金项目51104168;教育部新世纪优秀人才支持计划项目NCET-12-0972;北京市自然科学基金项目3132027;中国石油大学北京科研基金项目YJRC-2013-35;北京市优秀博士学位论文指导教师科技项目YB20111141401;中国石油天然气集团公司科学研究与技术开发项目2012B-3407
2014-08-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
142-147