不确定数据背景下基于DSMM的设备健康预测研究

摘要 目前，设备健康预测问题的研究大都在样本数据准确下进行，而在样本数据不确定下的研究却很少.因此，针对不确定样本数据下设备健康预测问题，提出了集成Dempster-Shafe(DS)证据理论与马尔可夫模型(MM)的联合优化模型.首先，基于马尔可夫模型，利用DS证据理论建立状态识别框架.其次，用区间数表示不确定的数据，并利用区间数之间的距离和相似度作为产生基本概率赋值(BPA)的证据，为了使预测结果更加可靠，采用Pignistic概率转换将BPA转化为基础状态的概率分布.最后，通过案例分析对模型进行评价和验证.结果表明，提出的方法能够有效解决数据不确定下的设备健康预测问题