一种基于自回归隐式半Markov链的设备健康管理新方法

被引：6

作者：

董明

机构：

[1] 上海交通大学机械与动力工程学院

来源：

中国科学(E辑:信息科学) | 2008年 / 12期

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;

D O I：

暂无

中图分类号：

TH17 [机械运行与维修];

学科分类号：

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-markovmodel)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.

引用

页码：2185 / 2198

页数：14

共 4 条

[1] Equipment health diagnosis and prognosis using hidden semi-Markov models [J].