10.3969/j.issn.1001-3695.2018.11.013
基于灰色EM-SHSMM的缺失数据下设备健康预测研究
设备健康预测问题的研究大多在全样本数据下进行,而在缺失样本数据下的研究却很少.针对缺失样本数据下设备健康预测问题,提出了集成分段隐半马尔可夫模型(SHSMM)与GM(1 ,1 ,λ)的联合优化模型.基于SHSMM的模型架构,利用EM算法推导出SHSMM中的参数估计式,再基于GM(1 ,1 ,λ),提出灰色启发式算法填补样本中的缺失数据,在预测过程中进行设备健康预测.最后,通过案例分析对模型进行评价和验证.结果表明,提出的设备健康预测方法能有效解决缺失数据的问题.
寿命预测、状态识别、分段隐半马尔可夫模型、最大期望算法、灰色启发式算法
35
TP391(计算技术、计算机技术)
国家自然科学基金资助项目71471116,71271138;国家教育部人文社会科学研究青年基金项目15YJCZH096;上海理工大学国家级项目培育基金项目16HJPYQN02;上海理工大学博士启动基金项目BSQD2014038
2018-12-14(万方平台首次上网日期,不代表论文的发表时间)
共4页
3255-3258