基于灰色EM-SHSMM的缺失数据下设备健康预测研究

• 作者: 刘勤明 叶春明 吕文元 吴健飞
• 来源期刊: 计算机应用研究
• 关键词: 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
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3255-3258
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.11.013

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶春明	上海理工大学管理学院	425	3663	28.0	42.0
2	吕文元	上海理工大学管理学院	91	414	11.0	13.0
3	刘勤明	上海理工大学管理学院	48	67	4.0	6.0
4	吴健飞	上海理工大学管理学院	4	2	1.0	1.0