基于G-AHSMM的设备剩余寿命预测研究

伴随大数据技术和智能制造的快速发展，生产设备的预知维修及多台设备的联合维修决策已成为工业制造业企业备受关注和亟待解决的现实问题。而服役设备剩余寿命的精准预测，又是预知维修决策和联合维修决策的前提。对已有设备寿命预测方法进行比较分析，将隐半马尔可夫模型加以拓展，结合伽马分布，构建设备状态监测数据驱动的剩余寿命预测模型G-AHSMM,给出求解方法，并基于某涡轮发动机的状态监测数据进行验证分析。结果表明：预测模型不仅规避了以往“状态观测值之间相互独立”的不实假设，而且相比传统HSMM具有更高的现实拟合性、求解简捷性和预测精准性，可作为企业预测服役设备剩余寿命的有效工具。