基于隐半Markov模型的故障诊断和故障预测方法研究

隐半Markov模型(HSMM)是隐Markov模型(HMM)的一种扩展形式,通过在HMM结构中加入状态驻留时间分布参数,克服了HMM假设状态驻留时间服从指数分布的不足。HSMM不仅具有较强的模式分类能力,而且能对实际问题中的状态驻留时间进行合理建模,故既可用于故障诊断,又可用于故障预测。分析了利用HSMM进行故障诊断和预测的框架;并针对传统HSMM建模算法计算量和存储空间都比较大的缺点,引入并改进了一种快速递推算法,降低了计算复杂度和存储空间要求;最后将HSMM应用于直升机齿轮箱轴承故障诊断和GaAs激光器剩余使用寿命(RUL)预测,试验结果证明了这种方法的有效性。

基于DD-HSMM的设备运行状态识别与故障预测方法

针对设备运行状态识别与故障预测问题,提出一种基于时变转移概率的隐半Markov模型。该模型将设备历史运行信息融入Markov状态转移概率矩阵的估计过程中,使Markov状态转移概率矩阵具有时变特性。基于改进前向后向算法研究了相应的隐半Markov模型参数估计方法,使其能够不断综合利用历史运行信息进行自我更新,以更加符合设备真实运行的过程。同时以该模型为基础,利用故障率方法建立了对设备剩余使用寿命进行预测的基本步骤。通过某滚动轴承运行状态识别实例演示了该模型的建模过程,证明了基于该模型的设备状态识别与预测方法比传统隐半Markov模型方法更为有效。

一种SOA软件系统可信性评价方法研究

结合计算机系统可信性评价需求,研究基于SOA软件系统可信性评价方法.首先引入SOA软件代数模型,给出SOA软件可信范式,为从软件体系结构角度研究可信性评价问题奠定基础.给出SOA软件元素(服务组件和服务组合)可信属性的定义以及可信性定义;证明可信范式下SOA软件系统的Markov特性,提出SOA软件系统的综合可信性评价模型.通过一个案例解释SOA软件系统可信性模型的应用.最后通过与同类研究比较,总结本文的特点和贡献.

一种基于自回归隐式半Markov链的设备健康管理新方法

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.

一种基于随机游走的迭代加权子图查询算法

作为经典的NP完全问题之一,子图查询算法近年来在社交网络、生物分子网络等复杂系统分析中引起研究人员的极大关注.结点相似性计算和目标图约简是子图查询算法中提高查询准确率和降低计算复杂性的2种常用手段.针对复杂生物分子网络之间的子图查询问题,提出了一种基于半Markov随机游走的迭代加权子图查询算法.在结点相似性计算中,设计了基于半Markov游走模型的集成结点本身相似性、结构相似性及邻居结点相似性的综合度量方法;同时,在目标图约简过程中,通过迭代递减目标图中低相似性结点,以降低目标图的规模.对多个真实蛋白质网络查询的实验结果表明,算法在精度和时间复杂性方面都有明显提高.