[發(fā)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?zhí)枺?/td>: 202110268467.4
• 申請日: 2021-03-12
• 公開（公告）號: CN113051809A
• 公開（公告）日: 2021-06-29
• 發(fā)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(chuàng)天下知識產(chǎn)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(shù)據(jù)正則化，將各類物理健康因子轉化到歸一化尺度范圍內(nèi)；

步驟4：將歸一化后的數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)健康因子進行評估，根據(jù)評估結果調(diào)整網(wǎng)絡參數(shù)，重復步驟4與5，直到獲得最優(yōu)評估結果時停止，得到測試設備虛擬健康因子。

2.根據(jù)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(jù)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(diào)性、趨勢性和魯棒性；其中，計算健康因子單調(diào)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(shù)值；K表示序列中所有健康因子數(shù)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(diào)性數(shù)值Mon(X)位于區(qū)間[0,1]，其值越趨近于1，表示該健康因子的單調(diào)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(nèi)健康因子的均值；是全壽命周期內(nèi)每個時間周期的均值；健康因子的趨勢性數(shù)值Tre(H,T)位于區(qū)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(jù)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(jiān)測周期內(nèi)第i個物理健康因子的最小值和最大值；經(jīng)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(nèi)。

5.根據(jù)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(shù)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(shù)；表示原始的目標函數(shù)；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(jié)點數(shù)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(shù)；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(jié)點數(shù)值；表示所有隱藏節(jié)點的平均值；

假設取等時間間隔的運行周期數(shù)，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(jié)點值。σ{}表示sigmoid函數(shù)，其表達式為：

根據(jù)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(shù)，最后將更新的正則化項參數(shù)和更新后的原始目標函數(shù)參數(shù)相加，得到新的目標函數(shù)參數(shù)更新值；在正則化項更新的過程中對每個隱藏層節(jié)點數(shù)值隨時間變化曲線進行擬合，利用擬合后的函數(shù)值更新隱藏層節(jié)點數(shù)值；擬合函數(shù)采用滾動軸承剩余壽命預測模型的指數(shù)函數(shù)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(shù)。