公开(公告)号：CN104504296B

公开(公告)日：2017-08-29

申请号：CN201510022887.9

申请日：2015-01-16

Applicant: 湖南科技大学

Inventor： 黄良沛 ,  吴超威 ,  黄傲 ,  黄华 ,  刘勇华

IPC: G06F19/00

Abstract: 本发明公开了一种高斯混合隐马尔可夫模型和回归分析的剩余寿命预测方法，具体步骤如下：(1)使用小波包算法分解进行特征矢量提取；(2)建立不同故障模式的高斯混合隐马尔科夫模型库；(3)建立不同故障模式的零部件失效时间模型；(4)零部件故障模式识别和失效状态评估；(5)利用回归分析预测剩余使用寿命。本发明融合数据驱动和概率统计的剩余寿命预测方法，充分利用各自的优势：隐马尔科夫模型对剩余使用寿命进行预测，具有随机性和有实时性；将零部件失效过程划分为多个阶段，采用概率统计和回归分析的手段对当前使用时间进行修正，提高了剩余寿命预测的精度。本发明具有预测精度高、运算速度快、实时性强、成本低等优点。

公开(公告)号：CN104504296A

公开(公告)日：2015-04-08

申请号：CN201510022887.9

申请日：2015-01-16

Applicant: 湖南科技大学

Inventor： 黄良沛 ,  吴超威 ,  黄傲 ,  黄华 ,  刘勇华

IPC: G06F19/00

Abstract: 本发明公开了一种高斯混合隐马尔可夫模型和回归分析的剩余寿命预测方法，具体步骤如下：(1)使用小波包算法分解进行特征矢量提取；(2)建立不同故障模式的高斯混合隐马尔科夫模型库；(3)建立不同故障模式的零部件失效时间模型；(4)零部件故障模式识别和失效状态评估；(5)利用回归分析预测剩余使用寿命。本发明融合数据驱动和概率统计的剩余寿命预测方法，充分利用各自的优势：隐马尔科夫模型对剩余使用寿命进行预测，具有随机性和有实时性；将零部件失效过程划分为多个阶段，采用概率统计和回归分析的手段对当前使用时间进行修正，提高了剩余寿命预测的精度。本发明具有预测精度高、运算速度快、实时性强、成本低等优点。