[發明專利]一種機械設備的剩余壽命預測方法及裝置

有效

• 申請號: 201811125938.0
• 申請日: 2018-09-26
• 公開（公告）號: CN110415835B
• 公開（公告）日: 2021-04-23
• 發明（設計）人: 孫梅玉;孫幫成;李明高;劉天賦;齊洪峰;王堅;戴毅茹;周一青;張強
• 申請（專利權）人: 中車工業研究院有限公司;同濟大學
• 主分類號: G16Z99/00
• 分類號: G16Z99/00;G06N3/04;G06N3/08
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;李相雨

本發明公開一種機械設備的剩余壽命預測方法及裝置。其中，所述方法包括：獲取預設時間段內機械設備的各個狀態參數各自對應的狀態數據；其中，所述狀態參數是預設的；根據各個所述狀態參數各自對應的狀態數據和單層感知機模型，獲得中間預測結果；其中，所述單層感知機模型是預設的；根據所述中間預測結果和剩余壽命預測反向傳播神經網絡模型，預測所述機械設備的剩余壽命；其中，所述剩余壽命預測反向傳播神經網絡模型是預先建立的。所述裝置用于執行上述方法。本發明提供的機械設備的剩余壽命預測方法及裝置，由于結合單層感知機模型和反向傳播神經網絡模型對機械設備的剩余壽命進行預測，提高了機械設備剩余壽命預測的準確性。

技術領域

本發明涉及機械設備技術領域，具體涉及一種機械設備的剩余壽命預測方法及裝置。

背景技術

機械設備是由各個部件組成的，機械設備在長期運行過程中，部件會逐漸磨損和老化，剩余壽命會逐漸下降，最終導致機械設備停止運行甚至是安全事故，而不合理的更換部件會造成浪費，因此，正確預測機械設備的剩余壽命，對于保障機械設備安全運行、提高經濟效益有很大的意義。

現有技術中，對機械設備的剩余壽命估計方法可以分為三類：基于物理模型的剩余壽命估計，基于知識模型的剩余壽命估計和基于數據驅動模型的剩余壽命估計。基于物理模型的剩余壽命估計通常是基于微分方程來描述機械設備的各種工作狀況，然而機械設備的物理模型通常難以得到，而且基于物理模型的機械設備剩余壽命估計方法不具有通用性。在基于知識模型的剩余壽命估計中，經常采用專家系統，然而采用專家系統的知識模型對于專家的資質以及專家對于該領域知識的掌握程度有著非常高的要求，很難找到合適的專家來保證機械設備的剩余壽命估計的準確性。基于數據驅動模型的剩余壽命估計是基于統計學原理的方法，通過采集海量的數據，捕捉在海量的數據中隱含的信息與知識，當前常用的數據驅動模型是通過人工神經網絡或者支持向量機建立的，通過建立神經網絡模型或者支持向量機模型，再通過相應的算法，例如遺傳算法、粒子群算法或者梯度下降算法，分別對神經網絡的層與層之間的連接權值，隱含層節點個數以及支持向量機的懲罰系數進行優化，從而得到數據驅動模型。然而由于采集的數據往往具有高度的非線性特征，數據驅動模型通常難以收斂，或者容易陷入局部最優的狀況，獲得的預測結果不夠準確。

因此，如何提出一種機械設備的剩余壽命預測方法，能夠提高機械設備的剩余壽命預測的準確性成為業界亟待解決的重要課題。

發明內容

針對現有技術中的缺陷，本發明提供一種機械設備的剩余壽命預測方法及裝置。

一方面，本發明提出一種機械設備的剩余壽命預測方法，包括：

獲取預設時間段內機械設備的各個狀態參數各自對應的狀態數據；其中，所述狀態參數是預設的；

根據各個所述狀態參數各自對應的狀態數據和單層感知機模型，獲得中間預測結果；其中，所述單層感知機模型是預設的；

根據所述中間預測結果和剩余壽命預測反向傳播神經網絡模型，預測所述機械設備的剩余壽命；其中，所述剩余壽命預測反向傳播神經網絡模型是預先建立的。

另一方面，本發明提供一種機械設備的剩余壽命預測裝置，包括：

獲取單元，用于獲取預設時間段內機械設備的各個狀態參數各自對應的狀態數據；其中，所述狀態參數是預設的；

獲得單元，用于根據各個所述狀態參數各自對應的狀態數據和單層感知機模型，獲得中間預測結果；其中，所述單層感知機模型是預設的；

預測單元，用于根據所述中間預測結果和剩余壽命預測反向傳播神經網絡模型，預測所述機械設備的剩余壽命；其中，所述剩余壽命預測反向傳播神經網絡模型是預先建立的。

再一方面，本發明提供一種電子機械設備，包括：處理器、存儲器和通信總線，其中：

所述處理器和所述存儲器通過所述通信總線完成相互間的通信；