一种基于自回归隐式半Markov链的设备健康管理新方法

• 作者: 董明
• 来源期刊: 中国科学E辑
• 关键词: 自回归隐式半Markov模型 性能衰退预测 健康诊断 Markov模型
• 年，卷（期）: 2008,（12）
• 页码范围: 2185-2198
• 页数: 14页
• 语种: 中文

摘要

文中通过对隐式Markov模型(HMM:hidden Markov model)假设条件的松弛研究,提出了基于自回归隐式半Markov链(AR-HSMM:auto-regressive hidden semi-markov model)的设备健康诊断和预测新方法.与传统的HMM相比,AR-HSMM具有3个优点:一是将传统HMM所假设的隐藏状态分布改进为显式Gauss分布,因此能够用于设备性能衰退预测;二是改进了传统HMM中各观测变量相互独立的假设,通过自回归建立各观测变量之间的依赖关系,从而使之更加符合实际情况;三是AR-HSMM不必服从不现实的Markov链条件,因而具有更强的建模和分析能力.文中定义了新的"前向-后向"变量,给出了改进的"前向-后向"算法.通过一个实例对所提出的方法进行评价与验证.实验结果表明,基于AR-HSMM的设备健康诊断和性能衰退预测新方法是有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董明		65	406	11.0	17.0