CASIA OpenIR  > 学术期刊  > 自动化学报
基于流模型的缺失数据生成方法在剩余寿命预测中的应用
张博玮; 郑建飞; 胡昌华; 裴洪; 董青
Source Publication自动化学报
ISSN0254-4156
2023
Volume49Issue:1Pages:185-196
Abstract针对缺失数据生成模型精度低和训练速度慢的问题,本文基于流模型框架提出了一种改进非线性独立成分估计(Nonlinear independent components estimation, NICE)的缺失时间序列生成方法.该方法依靠流模型框架生成模型精度高、训练过程速度快的优势,并结合粒子群优化算法(Particle swarm optimization, PSO)优化NICE生成网络采样的退火参数,训练学习监测数据的真实分布,从而实现对数据缺失部分的最优填补.为进一步拓宽所提方法的应用范围,利用基于流模型的缺失数据生成方法得到的生成数据,通过建立融合注意力机制的双向长短时记忆网络(Bidirectional long shortterm memory with attention, Bi-LSTM-Att)的退化设备预测模型,实现设备剩余寿命的准确预测.最后,通过锂电池退化数据的实例研究,验证了该方法的有效性和潜在应用价值.
Keyword生成模型 流模型 粒子群优化 注意力机制 剩余寿命预测
DOI10.16383/j.aas.c220219
Citation statistics
Document Type期刊论文
Identifierhttp://ir.ia.ac.cn/handle/173211/56219
Collection学术期刊_自动化学报
Recommended Citation
GB/T 7714
张博玮,郑建飞,胡昌华,等. 基于流模型的缺失数据生成方法在剩余寿命预测中的应用[J]. 自动化学报,2023,49(1):185-196.
APA 张博玮,郑建飞,胡昌华,裴洪,&董青.(2023).基于流模型的缺失数据生成方法在剩余寿命预测中的应用.自动化学报,49(1),185-196.
MLA 张博玮,et al."基于流模型的缺失数据生成方法在剩余寿命预测中的应用".自动化学报 49.1(2023):185-196.
Files in This Item: Download All
File Name/Size DocType Version Access License
AAS-CN-2022-0219.pdf(4933KB)期刊论文出版稿开放获取CC BY-NC-SAView Download
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[张博玮]'s Articles
[郑建飞]'s Articles
[胡昌华]'s Articles
Baidu academic
Similar articles in Baidu academic
[张博玮]'s Articles
[郑建飞]'s Articles
[胡昌华]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[张博玮]'s Articles
[郑建飞]'s Articles
[胡昌华]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: AAS-CN-2022-0219.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.