文章摘要:针对基于欧氏距离的移动相似性对不同时间序列相似度的刻画准确度不高和预测精度不高的问题，提出一种基于曼哈顿距离和斜率双尺度的改进相似性寿命预测方法。首先通过传感器数据变化幅度、各项参数出厂时的数值差异和下发时的数值差异这三个标准筛选传感器数据，并基于筛选结果构建一维健康指数；然后基于曼哈顿距离和斜率结合固定匹配和移动匹配进行初步寿命预测；利用移动匹配的特性建立筛选标准，并筛选获得最终预测结果；采用NASA的数据集对该方法进行验证。结果表明：该方法的预测精度相比当前的相似性预测方法提升30.35%，证明该改进方法对不同时间序列之间的相似度有更加精确的刻画。

文章关键词:

论文分类号:V263

文章来源：《健康必读》 网址: http://www.jkbdzzs.cn/qikandaodu/2022/0127/2068.html