不确定数据背景下基于DS-MM的设备健康预测研究

• 作者: 刘勤明 叶春明 吕文元 吴健飞
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 健康预测 Dempster-Shafe证据理论 马尔可夫模型 区间数 基本概率赋值
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 其他
• 页码范围: 221-225
• 页数: 5页
• 分类号: TP18
• 字数: 6050字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2019.01.040

摘要

目前,设备健康预测问题的研究大都在样本数据准确下进行,而在样本数据不确定下的研究却很少.因此,针对不确定样本数据下设备健康预测问题,提出了集成Dempster-Shafe(DS)证据理论与马尔可夫模型(MM)的联合优化模型.首先,基于马尔可夫模型,利用DS证据理论建立状态识别框架.其次,用区间数表示不确定的数据,并利用区间数之间的距离和相似度作为产生基本概率赋值(BPA)的证据,为了使预测结果更加可靠,采用Pignistic概率转换将BPA转化为基础状态的概率分布.最后,通过案例分析对模型进行评价和验证.结果表明,提出的方法能够有效解决数据不确定下的设备健康预测问题.

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