《计算机应用研究》|Application Research of Computers

基于动态EM-SHSMM的异常数据下设备健康预测研究

Equipment health prognosis based on dynamic EM-SHSMM under abnormal data

免费全文下载 (已被下载 次)  
获取PDF全文
作者 吴健飞,刘勤明
机构 上海理工大学 管理学院,上海 200093
统计 摘要被查看 次,已被下载
文章编号 1001-3695(2019)07-019-2003-04
DOI 10.19734/j.issn.1001-3695.2018.01.0025
摘要 针对设备退化过程中异常数据下的剩余有效寿命预测问题,提出了一种基于动态的期望最大化算法(EM)-分段隐半马尔可夫模型(SHSMM)预测方法。基于SHSMM的理论框架,采用期望最大化参数自适应估计算法估计模型中的未知参数;基于WGM(1,1)模型,提出动态前向后向灰色填充算法处理样本中的异常数据,并利用健康预测过程预测设备的剩余有效寿命;通过实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异常数据的问题。
关键词 分段隐半马尔可夫模型; 期望最大化自适应估计算法; 动态前向后向灰色填充算法; 寿命预测
基金项目 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)
本文URL http://www.arocmag.com/article/01-2019-07-019.html
英文标题 Equipment health prognosis based on dynamic EM-SHSMM under abnormal data
作者英文名 Wu Jianfei, Liu Qinming
机构英文名 Business School,University of Shanghai for Science & Technology,Shanghai 200093,China
英文摘要 Aiming at the problem of remaining useful life prognosis under abnormal data during equipment degradation, this paper developed a prognostic method based on dynamic expectation maximization(EM) -segmented hidden semi-Markov model(SHSMM). Firstly, based on the SHSMM model framework, it used the expectation maximization algorithm to estimate the unknown parameters of the model. Secondly, to process the anomaly data in the samples, it proposed a dynamic forward-backward gray-fill algorithm based on WGM(1, 1), and it carried out the equipment health prognosis. Finally, it used a case study to evaluate the performance of the model. The results show that the proposed method could effectively solve the problem of abnormal data.
英文关键词 segmented hidden semi-Markov model(SHSMM); expectation-maximization algorithm(EM); dynamic forward backward gray filling algorithm; prognostics
参考文献 查看稿件参考文献
 
收稿日期 2018/1/16
修回日期 2018/3/9
页码 2003-2006
中图分类号 TP391
文献标志码 A