[發(fā)明專利]部件壽命預(yù)測(cè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201810355300.X
• 申請(qǐng)日: 2018-04-19
• 公開（公告）號(hào): CN110398346B
• 公開（公告）日: 2020-10-23
• 發(fā)明（設(shè)計(jì)）人: 任磊;成學(xué)軍;崔晉;孫亞強(qiáng)
• 申請(qǐng)（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號(hào): G01M13/00
• 分類號(hào): G01M13/00;G06N3/08
• 代理公司: 北京同立鈞成知識(shí)產(chǎn)權(quán)代理有限公司 11205
• 代理人: 楊澤;劉芳

1.一種部件壽命預(yù)測(cè)方法，其特征在于，包括：

獲取安裝于待測(cè)部件的傳感器采集到的加速度信號(hào)；

對(duì)所述加速度信號(hào)進(jìn)行特征提取，獲得特征指標(biāo)；

將所述特征指標(biāo)作為多時(shí)間尺度增強(qiáng)門控神經(jīng)網(wǎng)絡(luò)的輸入，獲得所述多時(shí)間尺度增強(qiáng)門控神經(jīng)網(wǎng)絡(luò)輸出的預(yù)測(cè)結(jié)果，其中，所述多時(shí)間尺度增強(qiáng)門控神經(jīng)網(wǎng)絡(luò)是以不同時(shí)間尺度的特征指標(biāo)為樣本，經(jīng)過深度學(xué)習(xí)訓(xùn)練建立的；

其中，所述對(duì)所述加速度信號(hào)進(jìn)行特征提取，獲得特征指標(biāo)，包括：

運(yùn)用信號(hào)處理方法，從所述加速度信號(hào)提取出時(shí)域特征指標(biāo)并運(yùn)用深度波茲曼向量機(jī)對(duì)所述時(shí)域特征指標(biāo)進(jìn)行降維處理；

運(yùn)用頻域片段分割求和方法，從所述加速度信號(hào)提取出頻域特征指標(biāo)；

運(yùn)用小波包變換方法，從所述加速度信號(hào)提取出小波包特征指標(biāo)；

對(duì)降維處理后的所述時(shí)域特征指標(biāo)、所述頻域特征指標(biāo)和所述小波包特征指標(biāo)依次進(jìn)行特征嵌入和歸一化處理，獲得所述特征指標(biāo)；

所述多時(shí)間尺度增強(qiáng)門控神經(jīng)網(wǎng)絡(luò)包括多尺度時(shí)間重構(gòu)層、增強(qiáng)門控神經(jīng)網(wǎng)絡(luò)層和集成學(xué)習(xí)層；

其中，多尺度時(shí)間重構(gòu)層用于對(duì)提取的特征指標(biāo)進(jìn)行特征重構(gòu)，獲得不同時(shí)間尺度的特征指標(biāo)集；

增強(qiáng)門控神經(jīng)網(wǎng)絡(luò)層包括不同時(shí)間尺度對(duì)應(yīng)的增強(qiáng)門控神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，所述增強(qiáng)門控神經(jīng)網(wǎng)絡(luò)層用于將不同時(shí)間尺度的特征指標(biāo)集輸入到所述不同時(shí)間尺度對(duì)應(yīng)的增強(qiáng)門控神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，以訓(xùn)練所述不同時(shí)間尺度對(duì)應(yīng)的增強(qiáng)門控神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)；

集成學(xué)習(xí)層用于對(duì)各增強(qiáng)門控神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的訓(xùn)練結(jié)果進(jìn)行集成處理。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述加速度信號(hào)進(jìn)行特征提取，獲得特征數(shù)據(jù)之前，還包括：

對(duì)所述加速度信號(hào)進(jìn)行濾波處理。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，

所述多尺度時(shí)間重構(gòu)層，具體用于根據(jù)重構(gòu)公式，對(duì)提取的特征指標(biāo)進(jìn)行抽取，獲得所述不同時(shí)間尺度的特征指標(biāo)集；

其中，所述重構(gòu)公式為：

D(a，n，：)＝x(t_ai：t_aj)；

其中，t_ai＝a*scale，t_aj＝t_ai+scale，a＝0，1，2...m，scale為時(shí)間尺度，a為尺度因子，m為抽取次數(shù)，D(a，n，：)為不同時(shí)間尺度的特征指標(biāo)集，t_ai為不同時(shí)間尺度的起始時(shí)間，t_aj為不同時(shí)間尺度的結(jié)束時(shí)間，x(t_ai：t_aj)為在不同時(shí)間尺度下抽取的特征指標(biāo)。

4.一種部件壽命預(yù)測(cè)裝置，其特征在于，包括：

獲取模塊，用于獲取安裝于待測(cè)部件的傳感器采集到的加速度信號(hào)；

提取模塊，用于對(duì)所述加速度信號(hào)進(jìn)行特征提取，獲得特征指標(biāo)；

預(yù)測(cè)模塊，用于將所述特征指標(biāo)作為多時(shí)間尺度增強(qiáng)門控神經(jīng)網(wǎng)絡(luò)的輸入，獲得所述多時(shí)間尺度增強(qiáng)門控神經(jīng)網(wǎng)絡(luò)輸出的預(yù)測(cè)結(jié)果，其中，所述多時(shí)間尺度增強(qiáng)門控神經(jīng)網(wǎng)絡(luò)是以不同時(shí)間尺度的特征指標(biāo)為樣本，經(jīng)過深度學(xué)習(xí)訓(xùn)練建立的；

所述提取模塊包括：

時(shí)域提取單元，用于運(yùn)用信號(hào)處理方法，從所述加速度信號(hào)提取出時(shí)域特征指標(biāo)并運(yùn)用深度波茲曼向量機(jī)對(duì)所述時(shí)域特征指標(biāo)進(jìn)行降維處理；

頻域提取單元，用于運(yùn)用頻域片段分割求和方法，從所述加速度信號(hào)提取出頻域特征指標(biāo)；

小波包提取單元，用于運(yùn)用小波包變換方法，從所述加速度信號(hào)提取出小波包特征指標(biāo)；

運(yùn)算處理單元，用于對(duì)降維處理后的所述時(shí)域特征指標(biāo)、所述頻域特征指標(biāo)和所述小波包特征指標(biāo)依次進(jìn)行特征嵌入和歸一化處理，獲得所述特征指標(biāo)；

所述多時(shí)間尺度增強(qiáng)門控神經(jīng)網(wǎng)絡(luò)包括多尺度時(shí)間重構(gòu)層、增強(qiáng)門控神經(jīng)網(wǎng)絡(luò)層和集成學(xué)習(xí)層；

其中，多尺度時(shí)間重構(gòu)層用于對(duì)提取的特征指標(biāo)進(jìn)行特征重構(gòu)，獲得不同時(shí)間尺度的特征指標(biāo)集；

增強(qiáng)門控神經(jīng)網(wǎng)絡(luò)層包括不同時(shí)間尺度對(duì)應(yīng)的增強(qiáng)門控神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，所述增強(qiáng)門控神經(jīng)網(wǎng)絡(luò)層用于將不同時(shí)間尺度的特征指標(biāo)集輸入到所述不同時(shí)間尺度對(duì)應(yīng)的增強(qiáng)門控神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，以訓(xùn)練所述不同時(shí)間尺度對(duì)應(yīng)的增強(qiáng)門控神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)；

集成學(xué)習(xí)層用于對(duì)各增強(qiáng)門控神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的訓(xùn)練結(jié)果進(jìn)行集成處理。