基于高阶隐半马尔科夫模型的设备剩余寿命预测

TP306; 针对设备剩余寿命预测误差较大的问题,提出一种基于高阶隐半马尔科夫模型(HOHSMM)的剩余寿命预测模型.首先基于隐半马尔科夫模型,建立了HOHSMM,提出一种基于排列的HOHSMM降阶方法和复合节点机制,并相应地改进状态转移矩阵和观测矩阵,使得高阶模型转化为对应的一阶模型,将更多的节点依赖关系信息储存在待估计参数组中.其次,采用智能优化算法群代替EM算法,对模型进行参数估计以及结构优化,实现了智能优化算法对高阶模型拓扑结构的简化.再次,定义并推导了高阶模型中的状态驻留变量,运用基于多项式拟合的预测方法实现了在先验分布未知情况下的设备剩余寿命预测.最后,通过美国卡特彼勒公司液压泵数...

Full description

Saved in:
Bibliographic Details
Published in计算机集成制造系统 Vol. 28; no. 8; pp. 2387 - 2398
Main Authors 刘文溢, 刘勤明, 周林森
Format Journal Article
LanguageChinese
Published 上海理工大学管理学院,上海 200093 2022
Subjects
多项式拟合
复合节点
状态驻留
模型降阶
高阶隐半马尔科夫模型
剩余寿命预测
Online AccessGet full text
ISSN1006-5911
DOI10.13196/j.cims.2022.08.010

Cover

More Information
Summary:TP306; 针对设备剩余寿命预测误差较大的问题,提出一种基于高阶隐半马尔科夫模型(HOHSMM)的剩余寿命预测模型.首先基于隐半马尔科夫模型,建立了HOHSMM,提出一种基于排列的HOHSMM降阶方法和复合节点机制,并相应地改进状态转移矩阵和观测矩阵,使得高阶模型转化为对应的一阶模型,将更多的节点依赖关系信息储存在待估计参数组中.其次,采用智能优化算法群代替EM算法,对模型进行参数估计以及结构优化,实现了智能优化算法对高阶模型拓扑结构的简化.再次,定义并推导了高阶模型中的状态驻留变量,运用基于多项式拟合的预测方法实现了在先验分布未知情况下的设备剩余寿命预测.最后,通过美国卡特彼勒公司液压泵数据集对所提框架进行了验证,结果表明,基于高阶隐半马尔科夫模型的设备剩余寿命预测方法是更加有效的.
ISSN:1006-5911
DOI:10.13196/j.cims.2022.08.010