无限隐Markov模型在缺失数据轴承退化趋势预测中的应用

相比较于在完整数据下设备性能退化预测,缺失数据下的预测是更加困难的,也是更有意义的。然而,现有的轴承性能退化预测方法都未考虑缺失数据下的预测,基于此,提出了一种基于无限隐马尔可夫模型的缺失数据下轴承退化预测方法。在提出的方法中,通过建立无限隐马尔可夫预测模型,预测了滚动轴承样本数据在振荡阶段所缺失的数据点,形成新的完整数据。同时,再使用建立的预测模型对新的完整数据进行单步预测。实验结果表明,与真实值对比,得到的预测数据具有较小的平均误差值;对比真实值、完整数据下的预测值和新的完整数据下的预测值,验证了提出方法的有效性,能够反映滚动轴承退化的变化趋势。提出的方法可为数据缺失下滚动轴承的退化趋势预测提供一种思路,具有重要的理论价值和工程应用价值。

隐马尔可夫模型及其最新应用与发展

隐马尔可夫模型是序列数据处理和统计学习的一种重要概率模型,已被成功应用于许多工程任务中。首先介绍了隐马尔可夫模型的基本原理,接着综述了其在人的行为分析、网络安全和信息抽取中的最新应用。最后对最近提出来的无限状态隐马尔可夫模型的原理及最新发展进行了总结。

基于无限隐Markov模型的旋转机械故障诊断方法研究

针对传统隐Markov模型(HMM)在机械故障诊断中存在的不足,即HMM过学习或溢出问题以及隐状态数需要事先假定,提出了基于无限隐马尔可夫模型(i HMM)的机械故障诊断方法。在提出的方法中,以谱峭度为特征提取,i HMM为识别器,并以最大似然估计来确定设备运转中出现的故障类型。同时,将提出的方法与传统的HMM故障识别方法进行了对比分析。实验结果表明,提出的方法是有效的,得到了非常满意的识别效果。提出的方法能够有效避免了HMM在建模初期遗留下的不足,可以自适应确定模型中隐藏状态数和模型数学结构,因此,提出的方法明显优于HMM故障识别方法。

普适环境下陌生交互实体的行为分析与预测

基于普适环境下陌生交互实体之间没有先验交互经历,为了该环境的计算安全,必须确保其交互的行为可信,提出一种基于嵌套的狄利克雷过程和无限隐马尔可夫模型的行为分析与态势预测模型。该模型能有效地预防陌生实体交互过程中反常、欺诈等行为,对不可信的行为提前干预,避免产生严重的后果。最后举出模型在智能商场中应用并仿真分析了模型的可行性。