[發(fā)明專利]一種機(jī)械設(shè)備的剩余壽命預(yù)測(cè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201811125938.0
• 申請(qǐng)日: 2018-09-26
• 公開（公告）號(hào): CN110415835B
• 公開（公告）日: 2021-04-23
• 發(fā)明（設(shè)計(jì)）人: 孫梅玉;孫幫成;李明高;劉天賦;齊洪峰;王堅(jiān);戴毅茹;周一青;張強(qiáng)
• 申請(qǐng)（專利權(quán)）人: 中車工業(yè)研究院有限公司;同濟(jì)大學(xué)
• 主分類號(hào): G16Z99/00
• 分類號(hào): G16Z99/00;G06N3/04;G06N3/08
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 王瑩;李相雨

1.一種機(jī)械設(shè)備的剩余壽命預(yù)測(cè)方法，其特征在于，包括：

獲取預(yù)設(shè)時(shí)間段內(nèi)機(jī)械設(shè)備的各個(gè)狀態(tài)參數(shù)各自對(duì)應(yīng)的狀態(tài)數(shù)據(jù)；其中，所述狀態(tài)參數(shù)是預(yù)設(shè)的；

根據(jù)各個(gè)所述狀態(tài)參數(shù)各自對(duì)應(yīng)的狀態(tài)數(shù)據(jù)和單層感知機(jī)模型，獲得中間預(yù)測(cè)結(jié)果；其中，所述單層感知機(jī)模型是預(yù)設(shè)的；

根據(jù)所述中間預(yù)測(cè)結(jié)果和剩余壽命預(yù)測(cè)反向傳播神經(jīng)網(wǎng)絡(luò)模型，預(yù)測(cè)所述機(jī)械設(shè)備的剩余壽命；其中，所述剩余壽命預(yù)測(cè)反向傳播神經(jīng)網(wǎng)絡(luò)模型是預(yù)先建立的；

其中，所述單層感知機(jī)模型的輸出層的轉(zhuǎn)移函數(shù)為：

其中，y_j為所述單層感知機(jī)模型的輸出層的第j個(gè)輸出層節(jié)點(diǎn)的輸出值，其中，C_i為所述單層感知機(jī)模型的輸入層的第i個(gè)輸入層節(jié)點(diǎn)的連接權(quán)值，n為所述單層感知機(jī)模型的輸入層的輸入層節(jié)點(diǎn)數(shù)量，H_i是根據(jù)所述單層感知機(jī)模型的輸入層的第i個(gè)輸入層節(jié)點(diǎn)對(duì)應(yīng)的狀態(tài)數(shù)據(jù)獲得的，θ_j為所述單層感知機(jī)模型的輸出層的第j個(gè)輸出層節(jié)點(diǎn)的第一閾值，所述連接權(quán)值和所述第一閾值是預(yù)設(shè)的；

其中，所述H_i是根據(jù)所述單層感知機(jī)模型的輸入層的第i個(gè)輸入層節(jié)點(diǎn)對(duì)應(yīng)的狀態(tài)數(shù)據(jù)獲得的包括：

對(duì)所述單層感知機(jī)模型的輸入層的第i個(gè)輸入層節(jié)點(diǎn)對(duì)應(yīng)的狀態(tài)數(shù)據(jù)進(jìn)行聚類分析，獲得第一預(yù)設(shè)數(shù)量個(gè)簇，所述第一預(yù)設(shè)數(shù)量個(gè)簇包括m-1個(gè)正常狀態(tài)簇和一個(gè)異常狀態(tài)簇；其中，m為所述第一預(yù)設(shè)數(shù)量；

根據(jù)m-1個(gè)所述正常狀態(tài)簇中每個(gè)所述正常狀態(tài)簇的狀態(tài)數(shù)據(jù)數(shù)量，獲得所述正常簇的狀態(tài)數(shù)據(jù)數(shù)量的平均值，并獲得所述正常簇的狀態(tài)數(shù)據(jù)數(shù)量的平均值與預(yù)設(shè)值的乘積的結(jié)果；

將m-1個(gè)所述正常狀態(tài)簇的每個(gè)所述正常狀態(tài)簇的狀態(tài)數(shù)據(jù)數(shù)量與所述乘積的結(jié)果進(jìn)行比較，獲得所述正常狀態(tài)簇的狀態(tài)數(shù)據(jù)數(shù)量小于所述乘積的結(jié)果的正常狀態(tài)簇；

根據(jù)所述異常狀態(tài)簇的狀態(tài)數(shù)據(jù)數(shù)量和所述正常狀態(tài)簇的狀態(tài)數(shù)據(jù)數(shù)量小于所述乘積的結(jié)果的正常狀態(tài)簇的狀態(tài)數(shù)據(jù)數(shù)量，獲得異常狀態(tài)數(shù)據(jù)數(shù)量；

根據(jù)所述第一預(yù)設(shè)數(shù)量個(gè)簇的狀態(tài)數(shù)據(jù)數(shù)量和所述異常狀態(tài)數(shù)據(jù)數(shù)量獲得H_i。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述單層感知機(jī)模型的輸入層的第i個(gè)輸入層節(jié)點(diǎn)對(duì)應(yīng)的狀態(tài)數(shù)據(jù)進(jìn)行聚類分析，獲得第一預(yù)設(shè)數(shù)量個(gè)簇，所述第一預(yù)設(shè)數(shù)量個(gè)簇包括m-1個(gè)正常狀態(tài)簇和一個(gè)異常狀態(tài)簇包括：

從所述單層感知機(jī)模型的輸入層的第i個(gè)輸入層節(jié)點(diǎn)對(duì)應(yīng)的狀態(tài)數(shù)據(jù)中隨機(jī)選取m-1個(gè)所述狀態(tài)數(shù)據(jù)，將m-1個(gè)所述狀態(tài)數(shù)據(jù)中各個(gè)所述狀態(tài)數(shù)據(jù)分別作為所述正常狀態(tài)簇的聚類中心，并計(jì)算m-1個(gè)所述正常狀態(tài)簇的聚類中心的平均值作為初始平均值；

計(jì)算所述單層感知機(jī)模型的輸入層的第i個(gè)輸入層節(jié)點(diǎn)對(duì)應(yīng)的狀態(tài)數(shù)據(jù)中每個(gè)所述狀態(tài)數(shù)據(jù)與所述初始平均值之間的距離；

若判斷獲知所述距離大于第二閾值，則將所述距離對(duì)應(yīng)的狀態(tài)數(shù)據(jù)歸入所述異常狀態(tài)簇；

若判斷獲知所述距離小于或者等于所述第二閾值，則將所述距離對(duì)應(yīng)的狀態(tài)數(shù)據(jù)歸入與m-1個(gè)所述狀態(tài)數(shù)據(jù)中距離最近的狀態(tài)數(shù)據(jù)對(duì)應(yīng)的正常狀態(tài)簇；

在對(duì)所述單層感知機(jī)模型的輸入層的第i個(gè)輸入層節(jié)點(diǎn)對(duì)應(yīng)的狀態(tài)數(shù)據(jù)一次聚類完成之后，根據(jù)m-1個(gè)所述正常狀態(tài)簇的狀態(tài)數(shù)據(jù)重新計(jì)算m-1個(gè)所述正常狀態(tài)簇的聚類中心，并將重新計(jì)算獲得的m-1個(gè)所述正常狀態(tài)簇的聚類中心的平均值作為當(dāng)前平均值；

若判斷獲知所述當(dāng)前平均值等于所述初始平均值，則輸出m-1個(gè)所述正常狀態(tài)簇和一個(gè)所述異常狀態(tài)簇作為所述第一預(yù)設(shè)數(shù)量個(gè)簇；否則，更新所述初始平均值為所述當(dāng)前平均值，并更新m-1個(gè)所述正常狀態(tài)簇的聚類中心重新進(jìn)行聚類，直到重新聚類之后獲得的所述當(dāng)前平均值等于重新聚類的所述初始平均值。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述第一預(yù)設(shè)數(shù)量個(gè)簇的狀態(tài)數(shù)據(jù)數(shù)量和所述異常狀態(tài)數(shù)據(jù)數(shù)量獲得H_i包括：

根據(jù)公式計(jì)算獲得H_i，其中，Q_異為所述異常狀態(tài)數(shù)據(jù)數(shù)量，Q_總為所述第一預(yù)設(shè)數(shù)量個(gè)簇的狀態(tài)數(shù)據(jù)數(shù)量。