分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2020-09-28 合作期刊: 《计算机应用研究》
摘要: 针对隐马尔科夫模型在进行设备健康诊断时与实际存在较大偏差的问题,提出了一种以似幂关系加速退化为核心的改进退化隐马尔科夫模型(DGHMM)。首先,引入退化因子描述设备衰退过程,提出的似幂关系加速退化较常规指数式加速退化而言,能更好地描述设备服役期间随着役龄增加性能的逐步下降。其次,以全局搜索能力相对较强的改进遗传算法代替常规EM算法进行参数估计,克服了EM算法易陷入局部最优的局限性。同时,针对隐马尔科夫模型时间上须服从指数分布而不能直接用以寿命预测的局限性问题,提出了一种以近似算法与Viterbi算法为基础的贪婪近似法,以寻求最大概率剩余观测为目的,动态地寻求最大概率剩余状态路径,对设备剩余寿命进行预测。最后,通过美国卡特彼勒公司液压泵数据集对所提出的方法进行验证评价。结果表明,基于改进退化隐马尔科模型的设备健康诊断与寿命预测方法在描绘设备退化、设备状态诊断准确率方面更加有效,在剩余寿命预测上亦为可行。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-12-13 合作期刊: 《计算机应用研究》
摘要: 针对突发事件下医院里应急资源的供需不平衡问题,进行了医院应急资源动态分配模型研究。考虑到病人数量的增多以及病人的伤情演变导致医院应急资源供应相对紧缺,基于序贯决策理论,将病人需求的变化设计成一个马尔可夫决策过程,建立了医院应急资源动态分配模型。使用基本粒子群算法求解,通过某次地震发生后医院的救援实例进行分析。案例分析表明,马尔可夫决策过程可以动态地满足伤情演变下不同状态病人的需求,使得应急救援中整体的资源利用达到最优。