一种基于隐马尔科夫链的数控装备可靠性分析方法技术

本发明专利技术提供了一种基于隐马尔科夫链的数控装备可靠性分析方法，具体为：１．监测数控装备的动态性能信号，抽取反映数控装备可靠性变动的性能特征参数值；２．构建性能特征参数值的预测模型；３．使用预测模型预测矢量化所需时间点内的性能特征参数值，采用信源编码方法对这些性能特征参数预测值进行矢量化；４．采用离散隐马尔科夫链模型识别数控装备的状态变迁概率；５．利用切普曼－柯尔莫哥洛夫微分方程建立运行状态与状态变迁概率的关系式，推断数控装备处于不同运行状态下的概率，即获得数控装备的可靠性变动规律。本发明专利技术能够在数控装备发生故障前准确地分析、评估和预测数控装备可靠性变动情况，避免数控装备故障的发生，提高数控装备的运行可靠性。

【技术实现步骤摘要】

本专利技术所属于数控装备
，具体是一种基于离散隐马尔科夫链模型的数控装备可靠性变动分析方法。
技术介绍
可靠性是数控装备的一种内在属性，是指数控装备在规定任务及其条件下一个规定时间内执行其要求任务的各种关键功能的能力。它反映了数控装备使用过程中的质量特性，考虑了数控装备运行时的时间因素和环境因素。 目前，数控装备可靠性分析的一般思路是通过采集和分析数控装备组成零部件和整机系统的设计与制造信息、现场故障数据以及同类产品的历史故障与寿命数据，从数控装备的故障诊断分析入手，根据数控装备工作和功能特点，寻找故障模式和原因，评估数控装备可靠性水平，并提出可靠性改进措施。其中，现场故障数据采集的途径多是长时间跟踪几十台数控装备，故障数据来源于数控装备的现场记录和维修报告。由此可见，现有的数控装备可靠性分析方法需要有长时间工作、数量足够多的同型号数控装备，且要有大量故障与寿命数据；通过分析故障数据，并基于一定的统计判断准则，识别装备的失效概率分布，进而采用数理统计方法推断出数控装备可靠性，找出数控装备使用过程中的薄弱环节。 然而，这种基于故障数据的数控装备可靠性研究面临的主要问题有一方面，它需要大量的故障与寿命数据，以发现数控装备的寿命分布曲线。实际工程中几乎不可能得到大量的数控装备故障与寿命数据，特别是整机系统的数据。此外，数控装备经过长期运行出现故障，此时装备可能已处于寿命末期，导致所得的可靠性结果缺乏实际指导意义。另一方面，它仅仅考虑了数控装备的正常和故障两种状态，没有考虑数控装备使用过程中性能状态变化特征。例如，数控装备发生故障前往往经历了一系列的劣化状态，具体表现为输出性能参数逐步偏离其规定值，直至最终发生功能失效。这导致用户无法了解数控装备可靠性的实时变动情况。 因此，迫切需要设计与开发一种用于数控装备可靠性领域的新方法，它不需要等待数控装备经过长时间运行而出现故障，就能准确地分析、评估与预测数控装备可靠性变动情况，从而指导用户提前采取合理的预防性措施，防止故障发生。
技术实现思路
本专利技术的目的是在于针对现有技术的不足，提供一种基于离散隐马尔科夫链模型的数控装备可靠性变动分析方法，在数控装备发生故障之前准确地分析、评估和预测数控装备可靠性变动情况，找出数控装备使用过程中的薄弱环节等，避免数控装备故障的发生，提高数控装备的运行可靠性。 ，包括以下步骤 (1)监测数控装备运行时的动态性能信号，在一个以上的时间点抽取一个以上的反映数控装备可靠性变动的性能特征参数值； (2)依据抽取的性能特征参数值，构建性能特征参数值的预测模型； (3)使用预测模型预测T0个时间点的各个性能特征参数值，对这些预测值进行矢量量化，得到性能特征参数的输出观测序列； (4)依据输出观测序列，采用离散隐马尔科夫链模型确定数控装备的运行状态变迁概率矩阵； (5)利用切普曼-柯尔莫哥洛夫微分方程建立运行状态与状态变迁概率矩阵的关系式，推断数控装备处于不同运行状态下的概率。 所述步骤(2)采用非平稳自回归积分滑动平均算法建立第j个性能特征参数值的预测模型其中，t表示预测时间点，p为自回归阶次，q为滑动平均阶次，φz为滑动平均系数，测量误差 所述步骤(3)具体为性能特征参数的输出观测序列表示为j＝1，…，m，m为性能特征参数个数，t表示预测时间点，其中， N为离散区域数； i0＝2，…，N-1，t1∈(1，…，T0)， 表示第j个性能特征参数在t1时间点的预测值，i1＝1，…，N-1， 表示第j个性能特征参数处于第i1离散区域的界定值。 所述步骤(4)具体为令数控装备包含0～k+1种运行状态，依据步骤(3)得到的输出观测序列以及预定义的初始状态变迁概率矩阵A0、初始观测值概率矩阵B0和初始概率分布向量π0，利用鲍姆-韦尔奇(Baum-Welch)算法迭代计算得到数控装备在t时刻的状态变迁模型λ＝(A，B，π)，π表示概率分布向量， 状态变迁概率矩阵acd为数控装备在t时刻处于状态{c}而在t+1时刻处于状态{d}的概率，0≤acd≤1，且 观测值概率矩阵bcj为数控装备在t时刻处于状态{c}时出现观测值的概率，0≤bcj≤1，且 本专利技术具有的有益效果体现在 数控装备类似于人体，其机能随着时间延长而逐渐衰退，具体表现为数控装备的功能与性能逐步劣化，导致数控装备发生无计划故障停机率增大，降低了数控装备运行可靠性。本专利技术专利通过对数控装备的性能劣化及可靠性变动进行监测、分析与预测，能够帮助企业发现数控装备潜在的失效模式，制定合理的维修计划以避免数控装备发生突发性失效，从而实现数控装备的可靠性增长，这对于提高数控装备利用率、减少数控装备维修费用、延长数控装备使用寿命以及构建数控装备健康状态监控体系等都具有重要的意义。 附图说明 图1本专利技术的总体原理图。 图2本专利技术的矢量量化图。 图3本专利技术的状态变迁拓扑结构图。 图4本专利技术的可靠性变动计算结果图。 具体实施例方式 以下结合附图和实施例对本专利技术所述的技术方案作进一步介绍。 参照图1，一种基于离散隐马尔科夫链模型的数控装备可靠性变动计算方法主要包括数控装备的性能特征参数监测与提取、性能劣化模型、性能特征参数矢量量化、状态变迁模型和可靠性计算等模块。 1、性能特征参数监测与提取。 性能特征参数监测与提取是通过安装在数控装备上或周围的传感器等测试仪器来检测装备运行时的各种动态性能信号(如振动信号、运动信号、液压信号等)，经信号处理与分析提取出特征参数。所提取的性能特征参数与信号的类型及其处理方法相关，但是总体上它应遵循以下原则(1)性能特征参数应具有明确的物理意义，(2)性能特征参数易于测量且相对稳定，(3)性能特征参数为反映数控装备可靠性变动的关键性参数等。例如，若用加速度传感器来采集数控装备的振动信号，并采用时域法来分析振动信号的时间历程，则所能够提取的性能特征参数有最大峰值、均方根指、峰值因子和裕度因子等。 根据事先布置的测试仪器，在数控装备使用过程中的l个给定时间点分别进行测量，得到动态性能信号。对采集的信号进行处理与分析，提取出能及时准确地反映数控装备性能状态变化的性能特征参数，即D＝{(T，Y)|(ti，yij)；i＝1，2，…，l；j＝1，2，…，m}，其中ti为第i个测量时间点，yij为在ti时刻测量的第j个性能特征参数。 2、建立数控装备的性能劣化模型。 检验性能特征参数的离散时间序列{(ti，yij)；i＝1，2，…，l；j＝1，2，…，m}的平稳性。若为非平稳，则需要采用d阶差分法将非平稳的{yij}时间序列转化为平稳的{wij}时间序列，即 采用nARIMA算法对{wij}时间序列进行建模。由于第j个性能特征参数wij的取值不仅与其前p步的各个取值w(i-1)j，w(i-2)j，...，w(i-p)j有关，而且与其前q步的随机扰动值ε(i-1)j，ε(i-2)j，…，ε(i-q)j，则得到p阶自回归q阶滑动平均模型 其中，θz为自回归系数，φz为滑动平均系数，为测量误差， 为方差。引入后移算子B，则式(1)转换为式(2) 其中，模型的阶次本文档来自技高网...

【技术保护点】
一种基于隐马尔科夫链的数控装备可靠性分析方法，包括以下步骤：　（１）监测数控装备运行时的动态性能信号，在一个以上的时间点抽取一个以上的反映数控装备可靠性变动的性能特征参数值；　（２）依据抽取的性能特征参数值，构建性能特征参数值的 预测模型；（３）使用预测模型预测Ｔ↓［０］个时间点的各个性能特征参数值，对这些预测值进行矢量量化，得到性能特征参数的输出观测序列；　（４）依据输出观测序列，采用离散隐马尔科夫链模型确定数控装备的运行状态变迁概率矩阵；　（５）利用 切普曼－柯尔莫哥洛夫微分方程建立运行状态与状态变迁概率矩阵的关系式，推断数控装备处于不同运行状态下的概率。

【技术特征摘要】

【专利技术属性】
技术研发人员：吴军，李宝仁，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：83[中国|武汉]