[發(fā)明專利]一種預測機器損壞時間的生存分析方法

有效

• 申請?zhí)枺?/td>: 202011375405.5
• 申請日: 2020-11-30
• 公開（公告）號: CN112507612B
• 公開（公告）日: 2022-08-02
• 發(fā)明（設計）人: 鄭雷;張偉楠
• 申請（專利權(quán)）人: 上海交通大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06F119/12
• 代理公司: 上海旭誠知識產(chǎn)權(quán)代理有限公司 31220
• 代理人: 鄭立

1.一種預測機器損壞時間的生存分析方法，其特征在于，包括以下步驟：

步驟1、取得機器的特征數(shù)據(jù)；

步驟2、將起始時刻至時刻t的時間段劃分成長度為l_interval的n個時間片，生成每個所述時間片的輸入數(shù)據(jù)；

步驟3、將所述步驟2得到的第k個所述時間片的輸入數(shù)據(jù)輸入神經(jīng)網(wǎng)絡，由所述神經(jīng)網(wǎng)絡得到第k個所述時間片的最終風險概率；

步驟4、計算得到最終的生存概率；

所述步驟1中，先取得所述機器的特征向量x_d，將x_d輸入到所述神經(jīng)網(wǎng)絡的詞嵌入模塊提取單一的特征，然后輸入進所述神經(jīng)網(wǎng)絡的特征交叉模塊進行高階特征提取，得到交叉后的特征x；

所述步驟2中，第k個所述時間片的輸入數(shù)據(jù)里面包括三元組(x,t_k,c_k)，其中，t_k是該時間片對應的時刻，c_k是一個比例放縮因子，用來調(diào)整時間段不能被l_interval整除的情況，除最后一個時間片外c_k全部取1，最后一個時間片中c_k等于剩余時間的長度與l_interval的比值。

2.如權(quán)利要求1所述的生存分析方法，其特征在于，所述機器的特征數(shù)據(jù)采用獨熱編碼。

3.如權(quán)利要求1所述的生存分析方法，其特征在于，所述步驟1中，采用自注意力機制來實現(xiàn)所述神經(jīng)網(wǎng)絡的特征交叉模塊。

4.如權(quán)利要求1所述的生存分析方法，其特征在于，所述步驟3中，將輸入數(shù)據(jù)x和t_k輸入至所述神經(jīng)網(wǎng)絡的風險概率模塊中，得到第k個所述時間片的風險概率h_k。

5.如權(quán)利要求4所述的生存分析方法，其特征在于，所述神經(jīng)網(wǎng)絡的風險概率預測模塊的輸出的數(shù)字在[0,1]之間。

6.如權(quán)利要求4所述的生存分析方法，其特征在于，所述步驟3中，將輸入向量x和c_k輸入到所述神經(jīng)網(wǎng)絡的比例風險模塊中，得到第k個所述時間片的風險比例s_k；第k個時間片的最終風險概率h_kr＝h_k*s_k。

7.如權(quán)利要求6所述的生存分析方法，其特征在于，所述步驟4中，最終的生存概率為

其中，n為時間片的總數(shù)。

8.如權(quán)利要求1所述的生存分析方法，其特征在于，在所述神經(jīng)網(wǎng)絡使用前，通過對數(shù)似然損失函數(shù)來訓練所述神經(jīng)網(wǎng)絡；訓練數(shù)據(jù)集中的刪失數(shù)據(jù)標記為0，非刪失數(shù)據(jù)標記為1；對于所述非刪失數(shù)據(jù)，所述時刻t取事件發(fā)生的時刻，對于所述刪失數(shù)據(jù)，所述時刻t取觀測結(jié)束的時刻。