[發明專利]一種基于改進受限玻爾茲曼機的虛擬健康因子構建方法

在審

• 申請號: 202110268467.4
• 申請日: 2021-03-12
• 公開（公告）號: CN113051809A
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 孫世巖;梁偉閣;張鋼;佘博;趙洋
• 申請（專利權）人: 中國人民解放軍海軍工程大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/17;G06F111/10;G06F119/02
• 代理公司: 西安研創天下知識產權代理事務所(普通合伙) 61239
• 代理人: 郭璐

1.一種基于改進受限玻爾茲曼機的虛擬健康因子構建方法，其特征在于，包括以下步驟：

步驟1：構建物理健康因子；

步驟2：利用健康因子評估體系選取物理健康因子；

步驟3：數據正則化，將各類物理健康因子轉化到歸一化尺度范圍內；

步驟4：將歸一化后的數據分為訓練集和測試集，利用訓練集對添加擬合正則化項的受限玻爾茲曼機模型進行訓練，當重構誤差小于設定閾值時完成訓練；將測試集輸入到訓練好的模型中，得到測試數據虛擬健康因子；

步驟5：利用步驟2中的健康因子評估體系對構建好的虛擬數據健康因子進行評估，根據評估結果調整網絡參數，重復步驟4與5，直到獲得最優評估結果時停止，得到測試設備虛擬健康因子。

2.根據權利要求1所述的一種基于改進受限玻爾茲曼機的虛擬健康因子構建方法，其特征在于，上述步驟1中，所述的物理健康因子包括時域、頻域和多頻段信息熵。

3.根據權利要求1所述的一種基于改進受限玻爾茲曼機的虛擬健康因子構建方法，其特征在于，上述步驟2中，所述健康因子評估體系包括單調性、趨勢性和魯棒性；其中，計算健康因子單調性的公式為：

式中，X＝{x_k}_k＝1:K是健康因子組成的序列，其中x_k表示t_k時刻的健康因子數值；K表示序列中所有健康因子數目；d/dx＝x_k+1-x_k表示健康因子序列的微分值；No.ofd/dx＞0和No.ofd/dx＜0分別表示正微分值與負微分值；健康因子的單調性數值Mon(X)位于區間[0,1]，其值越趨近于1，表示該健康因子的單調性越好；

計算健康因子趨勢性的公式為：

式中，h_k是t_k時刻健康因子值；是全壽命周期內健康因子的均值；是全壽命周期內每個時間周期的均值；健康因子的趨勢性數值Tre(H,T)位于區間[0,1]，其值越趨近于1，表示該健康因子的趨勢性越好；

計算健康因子曲線魯棒性的公式為：

式中，H＝(h₁,h₂,...,h_K)表示健康因子特征序列；表示相應健康因子特征序列的趨勢序列；魯棒性的取值范圍是[0,1]，健康因子隨壽命變化的曲線越平滑，則其魯棒性指標越大，魯棒性越好。

4.根據權利要求1所述的一種基于改進受限玻爾茲曼機的虛擬健康因子構建方法，其特征在于，上述步驟3中，不同類型的物理健康因子具有不同的尺度范圍，則采用max-min歸一化方法對剩余的物理健康因子進行歸一化處理，歸一化公式為：

式中，和分別表示監測周期內第i個物理健康因子的最小值和最大值；經歸一化處理后，各類物理健康因子被轉化到歸一化尺度范圍內。

5.根據權利要求1所述的一種基于改進受限玻爾茲曼機的虛擬健康因子構建方法，其特征在于，上述步驟4中，添加擬合正則化項的受限玻爾茲曼機模型構建過程如下：

添加正則化項到目標函數中，如下式所示：

L_R(θ)＝L(θ)+αR(θ) (5)

式中，L_R(θ)表示添加正則化項的目標函數；表示原始的目標函數；R(θ)表示正則化項；α表示正則化常；

為了提高受限玻爾茲曼機學習線性趨勢性特征的能力，假設所有的隱藏層節點數值隨時間呈線性變化，將其變化的斜率作為正則化項，正則化項的表達式為

式中，γ_j表示第j個隱單元值隨時間變化的斜率，表達式為

式中，N表示訓練樣本總數；t_k表示第k個運行周期；表示總運行周期的平均值；y_k表示第k個運行周期對應的隱藏節點數值；表示所有隱藏節點的平均值；

假設取等時間間隔的運行周期數，即t_k＝k，則式(7)可以表示為：

式中，Y_k,j表示第k個運行周期對應的第j個隱藏節點值。σ{}表示sigmoid函數，其表達式為：

根據式(8)和(9)可知，正則化項可以通過計算梯度的方法進行更新，其梯度計算公式為：

添加正則化項后，通過梯度更新的方法更新正則化項，通過對比散度算法更新原始目標函數，最后將更新的正則化項參數和更新后的原始目標函數參數相加，得到新的目標函數參數更新值；在正則化項更新的過程中對每個隱藏層節點數值隨時間變化曲線進行擬合，利用擬合后的函數值更新隱藏層節點數值；擬合函數采用滾動軸承剩余壽命預測模型的指數函數模型，如式(12)所示：

f(t)＝aexp(bt)+c (12)

式中，t表示運行時間；a，b，c表示模型參數。