季云
- 作品数：6 被引量：55H指数：6
- 供职机构：南通大学机械工程学院更多>>
- 发文基金：江苏省自然科学基金国家自然科学基金江苏省“六大人才高峰”高层次人才项目更多>>
- 相关领域：机械工程自动化与计算机技术金属学及工艺更多>>
- 基于HMM的机械设备运行状态评估与故障预测研究综述被引量：21
- 2017年
- 随着对机电设备安全性和可靠性要求的不断提高,准确获取趋势性故障发展历程的退化特征信息并建立有效的故障预测模型是提高设备运行可靠性的关键。隐马尔可夫模型(Hidden Markov Model,HMM)具有描述隐藏状态和观测状态的双随机过程属性,与设备的退化过程在某种程度上是相似的,因此成为故障预测模型的研究热点。综述国内外基于隐马尔可夫模型的退化评估与预测方法,重点论述基于隐马尔可夫模型及其改进方法隐半马尔可夫模型(Hidden semi-Markov Model,HSMM)的机械设备故障预测方法,分析比较各种方法的优缺点,并总结展望基于隐马尔可夫模型故障预测方法的发展趋势。
- 季云王恒朱龙彪黄希
- 关键词：隐马尔可夫模型隐半马尔可夫模型
- 结合狄利克雷过程和连续隐马尔科夫模型的滚动轴承性能退化评估被引量：7
- 2019年
- 针对隐马尔科夫模型(Hidden Markov model,HMM)定义中状态数必须预先设定的不足,提出了一种基于狄利克雷过程(Dirichlet process,DP)和连续隐马尔科夫模型(Continuous hidden Markov model,CHMM)的滚动轴承性能退化评估方法。该方法基于DP扩展混合模型(Dirichlet process mixture model,DPMM)良好的聚类特性和分层狄利克雷过程(Hierarchical Dirichlet process,HDP)的分层共享原理,利用多组状态特征值,获得了轴承的运行状态数,解决了CHMM模型结构设置的问题,实现了滚动轴承运行中的退化状态识别和性能评估。利用美国USFI/UCR智能维护中心轴承全寿命试验进行了应用研究,并与基于Kolmogorov-Smirnov(K-S)检验的滚动轴承性能退化评估进行了对比。结果表明,结合狄利克雷过程和连续隐马尔科夫模型的算法能有效地监测滚动轴承运行中的不同退化状态,为基于状态的设备维修提供了参考。
- 王恒周易文季云瞿家明
- 关键词：机械设计滚动轴承
- 海洋工程装备材料E690高强钢腐蚀疲劳裂纹扩展实验研究被引量：9
- 2016年
- 以海洋工程装备材料E690高强钢为研究对象,进行了不同环境下腐蚀疲劳裂纹扩展试验,利用扫描电镜观察了断口的形貌特征,并根据实验结果计算了该钢腐蚀环境中的裂纹扩展参数,分析了腐蚀因素对疲劳裂纹扩展的影响。结果表明:空气及盐水中的材料裂纹扩展速率随应力强度因子范围的增加而不断增大。在裂纹扩展的初始阶段,盐水环境中裂纹扩展速率是空气中的3倍;而在其裂纹扩展的中后期,盐水环境与空气环境中的裂纹扩展速率相近。
- 王恒苏波泳花国然季云刘肖
- 基于HDP-CHMM的机械设备性能退化评估被引量：6
- 2018年
- 针对传统隐马尔可夫模型(hidden Markov model,简称HMM)状态数必须预先设定的不足,提出了一种基于分层狄利克雷过程-连续隐马尔可夫模型(hierarchical Dirichlet process-continuous hidden Markov model,简称HDP-CHMM)的机械设备性能退化评估方法。该方法利用分层狄利克雷模型的分层聚类原理,在狄利克雷过程(Dirichlet process,简称DP)模型的基础上进行扩展,利用多组关联数据实现了模型结构根据观测数据的自适应变化和动态调整,获得设备运行过程中的最优退化状态数,并结合连续隐马尔可夫模型(continuous hidden Markov model,简称CHMM)良好的分析和建模能力,获得设备退化状态转移路径,实现机械设备运行过程中的退化状态识别和性能评估。利用滚动轴承全寿命数据的多组特征值进行了应用研究,并与基于K-S检验算法的机械设备零部件性能退化评估方法进行了比较。结果表明,HDP-CHMM模型可以对轴承实际运行状态转移过程进行建模,有效识别轴承运行中的不同退化状态,为基于状态的设备维修提供了理论指导。
- 王恒季云朱龙彪刘肖
- 关键词：滚动轴承
- 基于DPMM-CHMM的机械设备性能退化评估研究被引量：8
- 2017年
- 针对传统的HMM模型状态数必须预先设定的不足,提出了一种基于DPMM-CHMM的机械设备性能退化评估方法。该方法利用DPMM模型的自动聚类功能,实现了模型结构根据观测数据的自适应变化和动态调整,获得设备运行过程中的最优退化状态数,并结合CHMM良好的分析和建模能力,得到设备退化状态转移路径,实现机械设备运行过程中的退化状态识别和性能评估,并利用滚动轴承全寿命数据进行了应用研究。结果表明,该方法可以有效地识别轴承运行中的不同退化状态,为基于状态的设备维修提供了理论指导。
- 季云王恒朱龙彪刘肖
- 关键词：滚动轴承
- 基于HDP-HMM的机械设备故障预测方法研究被引量：6
- 2019年
- 针对隐马尔科夫模型状态数必须预先设定的不足,提出了一种基于分层狄利克雷过程-隐马尔科夫模型(HDP-HMM)的机械设备故障预测方法。该算法通过构造HDP作为HMM参数的先验分布,利用HDP分层共享和自动聚类的优点,实现了模型结构动态更新,获得设备运行过程中的隐状态数;基于HDP-HMM所建立的退化状态动态转移关系,确定设备早期故障点和功能故障点,实现设备的健康等级评估和故障预测。利用美国USFI/UCR智能维护系统中心提供的滚动轴承全寿命数据进行了应用研究。结果表明,针对多观测序列,HDP-HMM能有效实现组合聚类,识别结果不依赖于算法初始参数的选择,具有较强的鲁棒性;与基于K-S检验的退化评估算法比较表明,HDP-HMM更能有效描述设备实际退化过程。
- 王恒周易文瞿家明季云
- 关键词：故障预测
