基于动态PSO优化HSMM的转辙机PHM模型研究

针对转辙机故障发生的随机性与不确定性,提出设备故障预测与健康管理的方法,对其传统维修策略进行改进。该模型将转辙机的机械部件的退化过程按照全生命周期进行划分,利用动态粒子群算法优化隐半马尔科夫模型,实现转辙机状态的故障预测。首先,建立转辙机退化状态的隐半马尔科夫模型;其次,选择动态粒子群算法对转辙机预测模型动态优化,再结合前向-后向算法对优化后的模型进行参数估计;最后,通过实例分析验证该优化模型的有效性。     

基于SA-CPSO优化HSMM的转辙机故障预测模型研究

针对目前铁路现场转辙机PHM中故障发生的模糊性与随机性等不确定问题,提出一种基于自适应混沌粒子群(SA-CPSO)优化隐半马尔科夫(HSMM)的设备退化过程故障预测模型。根据转辙机全生命周期机械部件状态退化过程对其进行退化状态划分;建立SA-CPSO优化HSMM的设备状态评估和故障预测模型,再结合前向-后向算法对优化后的模型进行参数估计;通过实例分析验证该方法的有效性和可行性,实现传统信号维修策略的方法改进。