[發明專利]一種機械設備剩余使用壽命預測方法及系統

在審

• 申請號: 202010115620.5
• 申請日: 2020-02-25
• 公開（公告）號: CN111274737A
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 李沂濱;高輝;胡曉平;王代超;宋艷;張天澤;郭慶穩
• 申請（專利權）人: 山東大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06F119/04
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李琳

本公開公開了一種機械設備剩余使用壽命預測方法及系統，包括：以時間卷積網絡作為特征提取算法，長短期記憶網絡作為回歸預測算法，構建深度神經網絡壽命預測模型，訓練深度神經網絡壽命預測模型；根據被測設備型號和數據采集時間順序，將采集的被測設備實時運行數據構建為具有時間序列特征的壽命預測數據集；以深度神經網絡壽命預測模型對壽命預測數據集進行預測處理，獲得被測設備的剩余使用壽命。根據監測機械設備的傳感器輸出的狀態監測信號具備時間序列的特征，將時間卷積網絡和長短期記憶網絡相結合，建立深度神經網絡壽命預測模型進行機械設備的RUL預測，解決一般深度神經網絡模型存在的過擬合問題和梯度消失問題，提高預測精準度。

技術領域

本公開涉及機械設備維修預測技術領域，特別是涉及一種機械設備剩余使用壽命預測方法及系統。

背景技術

本部分的陳述僅僅是提供了與本公開相關的背景技術信息，不必然構成在先技術。

隨著現代科技的發展，計算機技術得到廣泛應用，各種系統的功能也日趨完善，人們對系統長周期、高負荷下的可靠性提出了更高要求，對于某些大型系統平臺，如艦船、飛機等，更需要對其關鍵部件進行智能維護，并實時進行壽命預測任務。機械設備的剩余使用壽命(Remaining Useful Life，RUL)一般是指從當前運行時刻開始，到機械設備出現故障的時刻為止，兩個時刻的時間差。剩余使用壽命預測技術是指機械設備部件正常運行狀態或工作狀態下，對其進行長期的狀態監測，計算機械設備部件在正常的運行工況下能夠繼續安全可靠運行多長時間的工作，根據預測結果，可以判斷設備健康狀況，進行故障預判，進而能夠提前進行維修方案制定、訂購備件等工作。對于船舶等大型平臺，該技術可在其離港航行期間，基于其傳回的監測數據對其進行遠程健康管理，提前進行故障預判、做出最優維護決策，到港維護保養期間，大大縮短維護時間。

目前由于集成化、智能化設備的結構更加復雜，維護難度增大，預測難度隨之增大；工業化的不斷推進，機械設備的維修保障工作日益繁重，運維工作任務量隨之增大。目前存在幾種各類RUL預測技術，例如專家系統、統計學方法、基于物理模型方法等。但是發明人發現上述幾種方法至少存在以下問題：

(1)專家系統主要是結合相關領域的專家積累的知識和經驗而建立的智能程序，根據機械設備的運行狀態，推理設備故障或剩余壽命，不需要建立精確的數學預測模型，也不依賴于歷史數據。但是獲得專家知識非常困難，需要長時間的積累；專家系統的遷移性差，通常情況下針對某型號設備或者機械部件開發的專家系統僅對于這類型設備有效，不能應用到其它設備，使得專家系統開發成本高，但是利用率低。

(2)統計學方法是利用統計模型進行RUL預測，常用的模型有指數分布模型和Weibull分布模型。但是，該方法的缺點是先要準確分析機械設備的退化原理，才能建立退化影響因子與壽命的統計分布規律。

(3)基于物理模型方法首先研究設備物理特性，建立物理退化評估標準并用物理、數學公式表示，以此來預測機械設備的剩余使用壽命。但是，該方法缺點是理論分析難度很大，實際情況下是難以獲得準確的物理退化模型的，一般所建模型與真實失效機理存在一定偏差，所以基于物理模型的RUL預測方法研究難度較大，再加上不易遷移的問題，制約了該技術的廣泛應用。

發明內容

為了解決上述問題，本公開提出了一種機械設備剩余使用壽命預測方法及系統，根據監測機械設備的傳感器輸出的狀態監測信號具備時間序列的特征，將時間卷積網絡和長短期記憶網絡相結合，建立深度神經網絡壽命預測模型進行機械設備的RUL預測，解決一般深度神經網絡模型存在的過擬合問題和梯度消失問題，同時提高預測精準度。

為了實現上述目的，本公開采用如下技術方案：

第一方面，本公開提供一種機械設備剩余使用壽命預測方法，包括：

以時間卷積網絡作為特征提取算法，長短期記憶網絡作為回歸預測算法，構建深度神經網絡壽命預測模型，以歷史運行數據作為訓練數據，訓練深度神經網絡壽命預測模型；