[發明專利]基于數據融合網絡的設備健康指標構建及壽命預測方法

有效

• 申請號: 202010054127.7
• 申請日: 2020-01-17
• 公開（公告）號: CN111258297B
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 李珍;吳建國
• 申請（專利權）人: 北京大學
• 主分類號: G06F17/15
• 分類號: G06F17/15;G05B23/02
• 代理公司: 北京萬象新悅知識產權代理有限公司 11360
• 代理人: 黃鳳茹

本發明公布了一種基于數據融合網絡的設備健康指標構建及壽命預測方法，在機器上加裝多種用于檢測機器工作狀態的傳感器，再利用收集到的傳感器數據信號，構建機器設備健康指數模型；利用構建的機器設備健康指數模型對機器設備的剩余使用壽命進行預測。采用本發明方法，一方面可提供對機器設備退化過程的風險量化信息的具體表征和可視化；另一方面提高了設備健康狀況預測的準確度。

技術領域

本發明涉及生產設備剩余使用壽命的在線預測技術，具體涉及一種通過貝葉斯推斷以及形狀受限神經數據融合網絡技術，對設備的多源傳感器信號進行融合，進行健康指標的構建，從而對發動機剩余壽命進行在線預測的模型方法。

背景技術

本質上，在使用機器，工具，設備或系統進行生產時，退化過程往往是不可避免的并且是不可逆的。由于退化而導致的機器意外故障可能會導致嚴重后果，例如生產過程中的意外停產，發生安全隱患，經濟損失和交貨延遲等。因此，監控健康狀況并預測剩余使用壽命至關重要為了防止意外故障并確保系統/過程的可靠性，通常有兩種類型的預測方法：基于物理的方法和基于數據的方法。基于物理的方法需要對設備基本的退化機制有充分的了解，由于系統復雜性高，且各種生產過程存在異質性，對于各個生產系統均建立物理退化方法可能不現實。另一方面，數據驅動方法不需要故障過程的知識，因此隨著數據獲取變得越來越方便而獲得了廣泛的普及。對生產設備加裝傳感器，用以檢測生產過程中的機器物理性能表征方面的過程數據，使用收集到的傳感器信號，可以使用各種擬合的退化模型(例如隨機過程模型和通用路徑模型)很好地表征退化過程。

現有的大多數研究都集中在基于單個傳感器信號的退化建模上?；炯僭O是單個傳感器足以捕獲退化過程。但是，隨著機器或工程系統變得越來越復雜，單個傳感器可能無法準確地描述健康狀況。隨著傳感器技術的飛速發展，多傳感器信號現已可用于健康狀況監測和剩余壽命預測，具有從各種物理方面捕獲有關退化過程的多通道信息的優勢。因此，使用多個傳感器來監視生產設備在多方面的過程數據從而推斷工作機器的健康狀況已經成為主流方法。

盡管多傳感器系統已廣泛應用于健康狀況監測中，但是如何充分利用多傳感器信號來更好地捕獲健康狀況并預測剩余使用壽命(residual useful lifetime，RUL)卻是非常具有挑戰性的。通常，每個傳感器通常不可能具有相同的捕獲退化過程的能力。一些信號可能相比其他信號與潛在的退化過程具有更強的關系。由于每個信號僅包含部分信息，并且多傳感器信號可能彼此相關，因此，對多傳感器進行適當合理的數據融合可以產生更精確，更可靠的健康狀況估計和RUL預測。

發明內容

為了克服上述現有技術的不足，本發明提供一種基于神經網絡模型的設備健康指標構建及剩余壽命預測的方法，利用一種新的非線性數據融合方法進行設備健康狀況估計和RUL預測，即采用一種用于設備健康指標構建的形狀約束神經數據融合網絡模型。具體地，采用基于神經網絡的函數結構，并通過同時考慮構造的設備健康指標的單調性和曲率及其在失效時的方差來制定新的損失函數，用以約束神經網絡的訓練過程，通過無監督的學習過程構建出普適的健康指標泳來進行工作機器健康狀況的具體量化表征。為了更好的進行神經網絡模型參數估計，提出了一種自適應的自適應矩估計算法(Adam)。在信號收集階段，提出貝葉斯在線更新方法獲得對觀測信號的預測，從而作為模型的輸入。通過本發明方法進行健康指標的系統構建，一方面可以提供對退化過程的風險量化信息的具體表征，具有可視化性；另一方面，采用貝葉斯在線更新方法使得參數隨信號數據量的增加而更接近真實值，由此也提高了設備健康狀況預測的準確度。

本發明的技術方案是：

基于融合網絡模型的機器設備健康指標獲取及剩余壽命預測方法，包括：在機器加裝多種傳感器，用以檢測機器的工作狀態，如包括發動機的溫度、發動機的轉速、渦輪的轉速等數據，利用收集到的設備的傳感器數據信號進行對設備健康指數的模型構建；利用構建的設備健康指數模型對機器設備的剩余使用壽命進行預測。本發明具體包含以下幾個步驟：

1)根據健康指數的特性構建設備健康指數約束項，獲取設備健康指數值；