[發明專利]一種基于多重長短期記憶網絡和經驗貝葉斯的設備壽命預測方法

在審

• 申請號: 201810287783.4
• 申請日: 2018-03-30
• 公開（公告）號: CN108520320A
• 公開（公告）日: 2018-09-11
• 發明（設計）人: 吳軍;程一偉;朱海平;邵新宇;黎國強
• 申請（專利權）人: 華中科技大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/02
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 周磊;曹葆青

1.一種基于多重長短期記憶網絡和經驗貝葉斯的設備壽命預測方法，其特征在于，包括以下步驟：

1)獲取機械設備的多種狀態監測信號，并采用指數移動平均法對采集的狀態監測信號進行平滑處理，處理公式如下：

其中，α為平滑系數，x_t是數據平滑前t時刻的采樣數據，y_t是數據平滑后t時刻的數據；

2)以下列公式(2)中SC為篩選依據，對所獲取的多種狀態監測信號進行篩選，選取能較好反應機械設備退化過程的狀態監測信號，其中

其中，Mon表示狀態監測信號的單調性，Corr表示狀態監測信號和運行時間之間的線性相關性，并且Mon和Corr表示如下：

其中，K是采樣點的總數，δ(·)是符號函數，f_T(t)是t時刻的平均趨勢特征值，并且f_T(t)表式如下：

其中，f_U(t)和f_L(t)是狀態監測信號數的上包絡線和下包絡線在t時刻的值；

3)構建多重長短期記憶網絡模型：在訓練階段，將采集的歷史狀態監測信號劃分成不同的數據塊，使得每個數據塊和多重長短期記憶網絡模型中各個網絡相對應，以實現多個網絡同步訓練；

4)在測試階段，將實時采集的狀態監測信號輸入到訓練好的多重長短期記憶網絡模型中，多重長短期記憶網絡模型的多個網絡進行并行預測，得到多個預測結果；

5)利用經驗貝葉斯算法對預測結果的概率分布進行估計，得到最可能的設備剩余使用壽命。

2.根據權利要求1所述的一種基于多重長短期記憶網絡和經驗貝葉斯的設備壽命預測方法，其特征在于，所述狀態監測信號包括振動、噪音、位移、加速度、電流、壓力和溫度。

3.根據權利要求1所述的一種基于多重長短期記憶網絡和經驗貝葉斯的設備壽命預測方法，其特征在于，所述多重長短期記憶網絡模型由多個長短期記憶網絡組合而成，以實現并行預測，該多重長短期記憶網絡模型分為三個層，分別為輸入層、LSTM層和輸出層，其中，輸入層負責將每個數據塊與長短期記憶網絡進行對應并將數據輸入網絡，LSTM層負責對數據進行循環處理，輸出層負責輸出每一步的預測結果。

4.根據權利要求3所述的一種基于多重長短期記憶網絡和經驗貝葉斯的設備壽命預測方法，其特征在于，所有長短期記憶網絡的結構相同，每個長短期記憶網絡均由三個層組成，分別為：輸入層、隱藏層和輸出層，其中，隱藏層中神經元細胞采用LSTM細胞結構。