《表4 RUL预测结果对比》
将实时数据代入构建好的DBN–HMM模型中,由式(19)计算出剩余寿命.本文对比了多源信息融合、多层感知机(MLP)、深度卷积网络(DeepCNN)、长短期记忆网络(LSTM)和传统的隐马尔可夫模型(HMM)的剩余寿命预测结果,对比结果如表4所示.NR表示此项数据原文没有提到.可以看出在RMSE指标上,基于DBN–HMM的结果大于DeepCNN的结果,但明显小于基于MLP和传统HMM的结果.MAE指标上,多源信息融合方法效果最好.在FPR、FNR和A等准确度指标上,DBN–HMM预测效果更好,剩余寿命预测准确度相对较高.此外,本文提出的DBN–HMM方法能够对系统健康状态进行识别,相比于以上方法,在预测RUL的基础上能够更全面地监测系统退化过程,便于给出系统健康状态评估结果.
图表编号 | XD00165465400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.01 |
作者 | 唐鹏 |
绘制单位 | 北京科技大学自动化学院工业过程知识自动化教育部重点实验室、北京科技大学人工智能研究院 |
更多格式 | 高清、无水印(增值服务) |