[發明專利]一種智能制造系統余壽的預測方法及裝置

在審

• 申請號: 201811384101.8
• 申請日: 2018-11-20
• 公開（公告）號: CN109359781A
• 公開（公告）日: 2019-02-19
• 發明（設計）人: 張彩霞;王向東;王新東
• 申請（專利權）人: 佛山科學技術學院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 謝泳祥

本發明涉及智能制造系統使用壽命預測技術領域，具體涉及一種智能制造系統余壽的預測方法及裝置，通過采集智能制造設備的工況數據，作為輸入數據，將智能制造設備的剩余壽命值作為輸出數據；從而建立智能制造設備余壽預測的深度置信網絡；通過實時采集智能制造設備的輸入數據，計算智能制造設備的剩余壽命值，不僅可以對零部件進行準確預測，也可以對智能制造系統進行準確預測。

技術領域

本發明涉及智能制造系統使用壽命預測技術領域，具體涉及一種智能制造系統余壽的預測方法及裝置。

背景技術

隨著社會的進步，大量設備都朝著大型化的方向發展。在這樣的背景前提下，微小的故障就會造成巨大的損失，因此對設備或構件的剩余壽命進行預測是必要且緊迫的。

設備剩余壽命(Remaining Useful Life，RUL)可以分為數據驅動方法和模型驅動方法兩類，數據驅動方法又可分為統計方法和人工智能方法。模型驅動方法主要是針對不同的研究對象建立物理模型或者人工智能模型。物理模型主要由一些具備專門知識的專家用大量數據來驗證模型的有效性，人工智能的專家系統則是利用一系列的邏輯關系，把系統的邏輯表示出來。這種方法與數據驅動的預測方法相比有一個很明顯的優點是，它不需要搜集那么多的數據就可以把系統的故障邏輯表示出來，但是需要專家的支持來進行知識的表示，并且可能丟失一些非線性和相互關聯的關系；利用屬于人工智能的神經網絡也可以進行預測，但是對于稍微復雜一些的系統，各部件之間的邏輯關系很難表達出來。

發明內容

本發明提供一種智能制造系統壽命及余壽的預測方法及裝置，不僅可以對零部件進行準確預測，也可以對智能制造系統進行準確預測。

本發明提供的一種智能制造系統余壽的預測方法，包括以下步驟：

步驟S1、采集智能制造設備的工況數據，作為輸入數據，將智能制造設備的剩余壽命值作為輸出數據；

步驟S2、建立智能制造設備余壽預測的深度置信網絡；

步驟S3、實時采集智能制造設備的輸入數據，計算智能制造設備的剩余壽命值。

進一步，所述工況數據包括：

工況的初始狀態概率分布P(X⁰)，即t＝0時刻的狀態先驗概率分布；

工況的狀態轉移概率分布P(X^t|X_t-1)，即工況狀態之間轉換的概率；

工況的觀測變量概率分布P(Y_t|X_t)，即在時刻t剩余壽命值為X_t的情況下，觀測變量Y_t的概率分布；

智能制造設備的刀具、模具、工具的磨破損等級。

進一步，所述步驟S2具體包括：

步驟S21、根據t＝0時刻的工況初始狀態P(X₀)進行采樣得到N個樣本構成的總體：

步驟S22、在給定樣本當前值X_t的條件下，通過工況的狀態轉移概率分布P(X_t+1|X_t)對于每個樣本對下一個狀態值X_t+1進行采樣，使得每個樣本向前傳播；

步驟S23、通過賦予每個樣本新觀測變量的似然值P(Y_t+1|X_t+1)進行加權；

步驟S24、對總體樣本重新采樣，以生成一個新的N樣本總體，從當前的總體中選出每個新樣本；

步驟S25、跳轉步驟S22，對每個時間片進行更新循環，直至選出的每個新樣本的概率與其權值成正比。

進一步，所述步驟S3具體包括：