基于隱Markov模型的重型數(shù)控機(jī)床健康狀態(tài)評(píng)估方法研究.pdf

1、重型數(shù)控機(jī)床面向大型和特大型零件的加工,主要服務(wù)于國(guó)家命脈行業(yè)和重點(diǎn)工程建設(shè)項(xiàng)目。一旦機(jī)床出現(xiàn)故障,就會(huì)造成一系列不同程度的損失。為了減小和避免損失,企業(yè)迫切需要掌握機(jī)床的健康狀態(tài)及時(shí)對(duì)機(jī)床進(jìn)行維護(hù)和維修。健康狀態(tài)評(píng)估技術(shù)可以評(píng)估機(jī)床的健康狀態(tài),是企業(yè)開(kāi)展主動(dòng)維護(hù)的支撐技術(shù),它可以減小和避免惡性事故的發(fā)生、提高數(shù)控機(jī)床的使用效率、保障機(jī)床的正常服役時(shí)間。因此,重型數(shù)控機(jī)床健康評(píng)估技術(shù)具有重要的研究?jī)r(jià)值。
　　本文對(duì)國(guó)內(nèi)外健康狀態(tài)評(píng)

2、估以及隱Markov模型(HiddenMarkovModel,HMM)的研究現(xiàn)狀進(jìn)行了分析和歸納,總結(jié)了健康狀態(tài)評(píng)估的研究方法。詳細(xì)介紹了HMM模型解決的問(wèn)題以及解決問(wèn)題的算法。
　　結(jié)合重型數(shù)控機(jī)床的特點(diǎn),定義了重型數(shù)控機(jī)床的健康狀態(tài),并對(duì)健康狀態(tài)進(jìn)行量化分級(jí),賦予健康狀態(tài)評(píng)估結(jié)果以明確的物理意義。
　　利用K-means聚類(lèi)算法初始化隱Markov模型,使其初始化參數(shù)趨向于全局最優(yōu)解;改進(jìn)隱Markov模型的算法,建立了