论文研究基于灰色EMSHSMM的缺失数据下设备健康预测研究.pdf

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。