[發明專利]一種機械設備剩余壽命預測方法和系統

在審

• 申請號: 202110268518.3
• 申請日: 2021-03-12
• 公開（公告）號: CN113094822A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 袁燁;黃虹;黎家騏
• 申請（專利權）人: 華中科技大學
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06F30/27;G06F119/02;G06F119/04
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 夏倩

1.一種機械設備剩余壽命預測方法，其特征在于，包括：

S1.獲取機械設備運行數據并進行預處理，作為訓練集和驗證集；

S2.構建混合神經網絡；所述混合神經網絡包括卷積神經網絡和雙向門控循環單元；其中，卷積神經網絡用于提取輸入數據空間維度下的數據信息；所述輸入數據由不同時間步長的數據點經過對應地注意力權重加權得到；所述雙向門控循環單元，用于捕獲卷積神經網絡輸出數據中的時間相關性；

S3.將初始化的注意力權重傳遞到混合神經網絡，利用訓練集對網絡進行訓練并將損失反饋給遺傳算法中，遺傳算法不斷學習以獲取最優的注意力權重集，再傳遞給混合神經網絡中，以此達到協同訓練并找到最優解，當驗證集上的損失最小時返回訓練好的預測模型；

S4.將待預測的機械設備運行狀態數據輸入訓練好的預測模型，得到剩余壽命預測結果。

2.根據權利要求1所述的一種機械設備剩余壽命預測方法，其特征在于，步驟S1中預處理包括：

將數據按如下公式歸一標準化：

其中，x^i,j是原始傳感器數據，是標準化數據的真實值，i代表第i個傳感器，j代表第j個數據點，是第i個傳感器數據的最大、最小值；

對所有數據使用滑動窗口進行分段。

3.根據權利要求1或2所述的一種機械設備剩余壽命預測方法，其特征在于，卷積神經網絡的通道數設置為時間步長。

4.根據權利要求1或2所述的一種機械設備剩余壽命預測方法，其特征在于，雙向門控循環單元的計算如下：

其中X_t,h_t-1,h_t,r_t,z_t,y_t分別代表輸入向量、上一個時刻狀態存儲變量、當前時刻的狀態存儲變量、重置門的狀態、更新門的狀態、當前候選集的狀態以及當前時刻輸出矢量的狀態；W_r,W_z,W_O分別表示重置門，更新門，候選集，輸出矢量和由x_t和h_t-1形成的連接矩陣的權重參數；I代表單位矩陣；[]表示向量連接；·代表矩陣點積；×代表矩陣乘積；σ表示S形激活函數；tanh代表tanh激活函數；b_r、b_z、b_h表示訓練過程中學習得到的偏置量參數。

5.根據權利要求1-4任一項所述的一種機械設備剩余壽命預測方法，其特征在于，遺傳算法的步驟具體為：

種群初始化：將注意力權重通過二進制編碼到遺傳空間的染色體上，每個注意力權重對應一串二進制編碼；

權重轉移：將二進制編碼轉換成十進制小數作為注意力權重值，并將注意力權重轉移到混合神經網絡中，混合神經網絡開始訓練學習并返回預測誤差產生的相應損失值；

損失排序：將每組二進制編碼進行隨機選擇并分成若干小組，根據返回的損失排序，選擇每組中誤差值最小的權重編碼；

交叉重組：將上一步選擇的誤差最小集合進行兩兩隨機組合得到多組集合一和集合二，隨機選擇集合一中的部分基因點，剩下沒被選擇的基因點由集合二提供，將這兩個集合中的基因點進行重組為一個新的基因集合，得到重組之后的基因片段；

變異：對交叉重組后的基因型按變異概率進行原有基因取反操作；

產生新的種群：根據交叉和變異來重建種群，并開始新的訓練。

6.一種機械設備剩余壽命預測系統，其特征在于，包括處理器和機器可讀存儲介質，所述機器可讀存儲介質存儲有能夠被所述處理器執行的機器可執行指令，所述處理器執行所述機器可執行指令以實現如權利要求1至5任一項所述的一種機械設備剩余壽命預測方法。

7.一種機器可讀存儲介質，其特征在于，所述機器可讀存儲介質存儲有機器可執行指令，所述機器可執行指令在被處理器調用和執行時，所述機器可執行指令促使所述處理器實現如權利要求1至5任一項所述的一種機械設備剩余壽命預測方法。