[發明專利]基于門控自適應分層注意力單元網絡的電機壽命預測方法

在審

• 申請號: 202110773151.0
• 申請日: 2021-07-08
• 公開（公告）號: CN113505535A
• 公開（公告）日: 2021-10-15
• 發明（設計）人: 秦毅;陳定糧;羅均;蒲華燕
• 申請（專利權）人: 重慶大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F17/14;G06N3/04;G06N3/08;G06F119/04
• 代理公司: 重慶市嘉允啟行專利代理事務所(普通合伙) 50243
• 代理人: 胡柯

1.一種基于門控自適應分層注意力單元網絡的電機壽命預測方法，其特征在于，具體步驟為：

1)數據采集：采集伺服電機全生命周期中的振動信號，采樣時間為T_m，相鄰采樣點之間的間隔為T_n，獲得包含N個樣本的采集數據；

2)構建健康特征：對步驟1)中的采集數據進行里葉變換，將經過傅里葉變換得到的FFT數據輸入基于二次函數的深度卷積自編碼器網絡QFDCAE中獲取健康特征指標，則可得到N+1維的健康特征指標向量x＝[x₁,x₂,…,x_N]^T；

3)構建Hankel矩陣：選取健康特征指標向量x的前M個健康特征指標向量作為訓練向量k＝[x₁,x₂,…,x_M]^T，基于訓練向量k，構建Hankel矩陣V；

4)構建GAHAU網絡：構建基于門控自適應分層注意力單元網絡GAHAU的電機壽命預測模型，所述壽命預測模型的輸入層單元數為i，輸出層單元數為1；

5)將矩陣V前i行作為神經網絡的輸入，i+1行作為神經網絡的輸出來訓練GAHAU網絡更新GAHAU網絡模型的權重參數，得到更新后的GAHAU網絡模型；

6)將t時刻的倒數的i個輸出[x_M-i+1,x_M-i+2,…,x_M]^T作為更新后GAHAU網絡模型的輸入，得到t+1時刻的輸出；

7)重復步驟6)，若t+1時刻的輸出大于設定的失效閾值，則返回步驟6)計算t+2時刻的輸出，若t+1時刻的健康特征指標向量的健康指標小于設定的失效閾值，則當前預測的采樣點數減去M乘以振動信號間隔時間與采樣時間之和T_m+T_n即為伺服電機的剩余使用壽命。

2.如權利要求1所述的一種基于門控自適應分層注意力單元網絡的電機壽命預測方法，其特征在于，步驟3)中Hankel矩陣V為：

3.如權利要求1所述的一種基于門控自適應分層注意力單元網絡的電機壽命預測方法，其特征在于，步驟4)中構建GAHAU網絡的具體步驟為：

4-1)所述電機壽命預測的門控自適應分層注意力單元網絡GAHAU模型包括重置門及更新門，其模型公式如下：

式(2)中，r_t為重置門，z_t為更新門，x_t為t時刻的輸入信息，W_rx和U_rh為重置門權重矩陣，W_zx和U_zh為更新門權重矩陣，W_hx和U_hh為候選狀態權重矩陣，b_r,b_z,b_h為偏置矩陣，h_t-1為t-1時刻隱藏狀態信息，為當前時刻的候選狀態，σ為Sigmoid函數，φ為Tanh函數，A_t為重置門和更新門的注意力分布；

4-2)計算重置門和更新門的注意力分布A_t：

式(3)中，為重置門和更新門輸出的注意力比率，為候選注意力值，分別為表示注意力層級的位置向量，主注意力門分別通過累計求和函數得到，ξ_t1，ξ_t2，ξ_t3分別表示中層注意力層級、高層注意力層級以及低層注意力層級，σ為Sigmoid函數，φ為Tanh函數。