تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله مدل مخفی مارکوف با مشاهدات همبستگی خودکار برای پیش بینی عمر مفید باقی مانده – نشریه الزویر

عنوان فارسی: مدل مخفی مارکوف با مشاهدات همبستگی خودکار برای پیش بینی عمر مفید باقی مانده و سیاست نگهداری مطلوب
عنوان انگلیسی: Hidden Markov model with auto-correlated observations for remaining useful life prediction and optimal maintenance policy
تعداد صفحات مقاله انگلیسی : 14 تعداد صفحات ترجمه فارسی : 38
سال انتشار : 2017 نشریه : الزویر - Elsevier
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده و pdf
نوع مقاله : ISI نوع نگارش : مقالات پژوهشی (تحقیقاتی)
پایگاه : اسکوپوس نوع ارائه مقاله : ژورنال
ایمپکت فاکتور(IF) مجله : 5.191 در سال 2018 شاخص H_index مجله : 119 در سال 2019
شاخص SJR مجله : 1.944 در سال 2018 شناسه ISSN مجله : 0951-8320
شاخص Q یا Quartile (چارک) : Q1 در سال 2018 کد محصول : 9756
محتوای فایل : zip حجم فایل : 4.66Mb
رشته و گرایش های مرتبط با این مقاله: مهندسی صنایع، بهینه سازی سیستم ها، برنامه ریزی و تحلیل سیستم ها و تولید صنعتی
مجله: مهندسی قابلیت اطمینان و ایمنی سیستم - Reliability Engineering and System Safety
دانشگاه: آزمایشگاه دولتی سیستم مکانیکی، گروه مهندسی و مدیریت صنعتی، دانشگاه شانگهای جیائو تونگ، چین
کلمات کلیدی: باقی مانده پیش بینی عمر مفید، تعمیر و نگهداری پیشگیرانه، مدل مارکف مخفی، مشاهدات خودکار همبستگی
کلمات کلیدی انگلیسی: Remaining useful life prediction - Preventive maintenance - Hidden Markov models - Auto-correlated observations
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه نشده است ☓
وضعیت ترجمه منابع داخل متن: به صورت عدد درج شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است ✓
بیس: است ✓
مدل مفهومی: دارد ✓
پرسشنامه: ندارد ☓
متغیر: دارد ✓
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
رفرنس در ترجمه: در داخل متن و انتهای مقاله درج شده است
doi یا شناسه دیجیتال: https://doi.org/10.1016/j.ress.2017.09.002
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

1 معرفی

2. مدلسازی تخریب

2.1 مدل های مارکوف پنهان

2.2 مشاهدات وابسته خودکار تخریب

2.3. تخمین پارامتر

2.4 اثر داده های گم شده و اختلال

3. دو روش برای پیش بینی عمر مفید باقی مانده

3.1 روش پیش بینی RUL مبتنی بر حالت

3.2 روش پیش بینی RUL مبتنی بر مشاهدات

4.مطالعه موردی

4.1 تایید روش های پیشگیری RUL

4.2 آنالیز حساسیت در برآورد پارامتر

4.3 مقایسه HMM-AO و HMM استاندارد

5. سیاست حفظ حریم خصوصی مطلوب

5.1 سیاست نگهداری مبتنی بر RUL

5.2 سیاست های نگهداری مبتنی بر حالت

5.3 مقایسه

6. نتیجه

نمونه متن انگلیسی

Abstract

In this paper, a hidden Markov model with auto-correlated observations (HMM-AO) is developed to handle the degradation modeling of manufacturing systems. Unlike the standard hidden Markov models (HMMs), the current observation in the HMM-AO model not only depends on the corresponding hidden system state, but also on the previous observations. A novel algorithm using the expectation maximum is presented to estimate the unknown parameters. Furthermore, missing data and noise that accumulate over time are also considered by modifying the proposed model. Then two remaining useful life prediction methods based on the HMM-AO model are developed. Predictive values of more accuracy can be obtained, since the autocorrelation of observations has been considered and the temporal evolution of degradation processes has been described properly. A case study is illustrated to highlight the advantages of HMM-AO and demonstrate the accuracy and efficiency of the prediction methods. Furthermore, an improved maintenance policy is developed based on the results of remaining useful life prediction. Finally, a comparison with a conventional condition-based maintenance policy is provided to prove the performance of this proposed policy.

نمونه متن ترجمه

چکیده

در این مقاله ، یک مدل مارکف مخفی با مشاهدات همبسته خودکار (HMM-AO) برای مدیریت مدل تخریب سیستم های تولید طراحی شده است. بر خلاف مدل های استاندارد مارکف مخفی (HMMs)، مشاهدات کنونی در مدل HMM-AO نه تنها به حالت مربوط به سیستم پنهان بستگی دارد بلکه بر مشاهدات قبلی نیز بستگی دارد. الگوریتم جدیدی با استفاده از حداکثر انتظار برای ارزیابی پارامترهای ناشناخته ارائه شده است. علاوه بر این، داده های از گم شده و اختلال که در طول زمان جمع می شوند نیز با اصلاح مدل پیشنهادی مورد توجه قرار می گیرند. سپس دو روش پیش بینی عمر مفید باقی مانده بر اساس مدل HMM-AO توسعه یافته اند. مقادیر پیش بینی شده را با دقت بیشتری می توان به دست آورد، از آنجایی که همبستگی مشاهدات در نظر گرفته شده است و تکامل زمانی فرایندهای تخریب به درستی توصیف شده است. یک مورد مطالعه نشان دادن مزایای HMM-AO و ثابت کردن دقت و کارایی روش های پیش بینی نشان داده شده است. علاوه بر این، یک سیاست تعمیر و نگهداری بهبود یافته بر اساس نتایج پیش بینی مفید عمر باقی مانده است ایجاد شده است. در نهایت، مقایسه ای با سیاست حفظ حریم خصوصی مبتنی بر شرایط متعارف برای اثبات عملکرد این سیاست پیشنهاد شده ارائه شده است.