[發(fā)明專利]一種基于時(shí)序外推預(yù)測(cè)的電動(dòng)舵機(jī)健康評(píng)估方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110823910.X
• 申請(qǐng)日: 2021-07-21
• 公開(kāi)（公告）號(hào): CN113536681A
• 公開(kāi)（公告）日: 2021-10-22
• 發(fā)明（設(shè)計(jì)）人: 馬劍;鄒新宇;周安;張統(tǒng);程玉杰;呂琛
• 申請(qǐng)（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06K9/62;G06N3/04;G06N3/08;G06F119/04
• 代理公司: 北京元本知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11308
• 代理人: 李斌

1.一種基于時(shí)序外推預(yù)測(cè)的電動(dòng)舵機(jī)健康評(píng)估方法，包括：

獲取電動(dòng)液壓舵機(jī)的故障數(shù)據(jù)；

對(duì)所述故障數(shù)據(jù)進(jìn)行綜合預(yù)處理，以得到訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集；

對(duì)所述訓(xùn)練數(shù)據(jù)集進(jìn)行基于卷積神經(jīng)網(wǎng)絡(luò)CNN的特征提取，得到高維隱含層特征；

對(duì)所述訓(xùn)練數(shù)據(jù)集進(jìn)行基于專家知識(shí)的特征提取，得到人工時(shí)域特征；

對(duì)所述人工時(shí)域特征和所述高維隱含層特征進(jìn)行特征拼接，得到拼接特征集；

所述特征拼接集送入基于堆疊自編碼器SAE進(jìn)行深度特征融合，從而得到二次編碼特征值；

所述二次編碼特征值送入時(shí)序外推預(yù)測(cè)模型訓(xùn)練模塊，進(jìn)行時(shí)序外推預(yù)測(cè)模型訓(xùn)練，輸出電動(dòng)舵機(jī)的預(yù)測(cè)時(shí)序數(shù)據(jù)；

所述預(yù)測(cè)數(shù)據(jù)送入?yún)?shù)健康評(píng)估模塊，對(duì)電動(dòng)舵機(jī)的已有歷史故障數(shù)據(jù)和所述預(yù)測(cè)時(shí)序數(shù)據(jù)進(jìn)行健康評(píng)估，輸出參數(shù)健康度及預(yù)測(cè)結(jié)果。

2.根據(jù)權(quán)利要求1所述的電動(dòng)舵機(jī)健康評(píng)估方法，其特征在于，所述健康評(píng)估過(guò)程進(jìn)一步包括：將所述訓(xùn)練數(shù)據(jù)集與所述時(shí)序外推預(yù)測(cè)模型預(yù)測(cè)的預(yù)測(cè)時(shí)序數(shù)據(jù)進(jìn)行拼接，形成健康評(píng)估數(shù)據(jù)，對(duì)所述健康評(píng)估數(shù)據(jù)進(jìn)行滑窗分割，形成多個(gè)子窗口；對(duì)每個(gè)子窗口提取狀態(tài)表征參量。

3.根據(jù)權(quán)利要求2所述的電動(dòng)舵機(jī)健康評(píng)估方法，其特征在于，所述健康評(píng)估過(guò)程進(jìn)一步包括：經(jīng)過(guò)舵機(jī)故障預(yù)測(cè)數(shù)據(jù)獲取單元獲取的歷史故障數(shù)據(jù)為X＝{x₁，x₂，...x_N}，經(jīng)過(guò)故障數(shù)據(jù)預(yù)處理單元綜合處理后，得到的訓(xùn)練數(shù)據(jù)長(zhǎng)度為N,將訓(xùn)練數(shù)據(jù)與時(shí)序外推預(yù)測(cè)模型訓(xùn)練后得到的預(yù)測(cè)數(shù)據(jù)進(jìn)行拼接，得到長(zhǎng)度為N+L_p的全部數(shù)據(jù)；對(duì)所述全部數(shù)據(jù)進(jìn)行滑窗切割，得到個(gè)窗口數(shù)據(jù)；其中，W″為滑窗寬度為，s″為步長(zhǎng)，L_p為預(yù)測(cè)長(zhǎng)度。

4.根據(jù)權(quán)利要求2或3所述的電動(dòng)舵機(jī)健康評(píng)估方法，其特征在于，對(duì)所述每個(gè)子窗口的數(shù)據(jù)分別提取時(shí)域表征參量，所述時(shí)域表征參量選自以下變量中的任一個(gè)或多個(gè)：最大值、標(biāo)準(zhǔn)差、方差、波形因子、均方根、脈沖指數(shù)、裕度因子、峰值因子，進(jìn)而每個(gè)子窗口的數(shù)據(jù)將轉(zhuǎn)化為一個(gè)8維的特征向量，最終得到的時(shí)域特征樣本數(shù)據(jù)。

5.根據(jù)權(quán)利要求2或3所述的電動(dòng)舵機(jī)健康評(píng)估方法，其特征在于，所述健康評(píng)估過(guò)程進(jìn)一步包括：取前m％窗口的數(shù)據(jù)作為健康基準(zhǔn)數(shù)據(jù)，剩余(1-m％)的數(shù)據(jù)作為待評(píng)估數(shù)據(jù)，所述m為70或80。

6.根據(jù)權(quán)利要求2或3所述的電動(dòng)舵機(jī)健康評(píng)估方法，其特征在于，所述健康評(píng)估過(guò)程進(jìn)一步包括：對(duì)所述健康數(shù)據(jù)求協(xié)方差矩陣，基于馬氏距離計(jì)算公式，利用協(xié)方差矩陣計(jì)算每個(gè)待評(píng)估樣本分別與健康基準(zhǔn)數(shù)據(jù)之間的距離，然后按照用戶給定的標(biāo)準(zhǔn)尺度，對(duì)所有距離度量結(jié)果進(jìn)行歸一化處理則可得到逐漸衰退的曲線，從而得到健康評(píng)估結(jié)果。

7.根據(jù)權(quán)利要求6所述的電動(dòng)舵機(jī)健康評(píng)估方法，其特征在于，所述健康評(píng)估過(guò)程進(jìn)一步包括：根據(jù)專家經(jīng)驗(yàn)事實(shí)，劃定不同的健康等級(jí)區(qū)間，根據(jù)所述健康度評(píng)估結(jié)果，確定設(shè)備所處的健康狀態(tài)。

8.根據(jù)權(quán)利要求1所述的電動(dòng)舵機(jī)健康評(píng)估方法，其特征在于，首先基于人工時(shí)域特征提取器進(jìn)行人工特征提取，利用經(jīng)過(guò)預(yù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)特征提取模型對(duì)原始的訓(xùn)練數(shù)據(jù)集進(jìn)行卷積特征提取，然后對(duì)卷積特征與人工時(shí)域特征進(jìn)行特征融合，并將訓(xùn)練數(shù)據(jù)標(biāo)簽S_trainy作為時(shí)序外推預(yù)測(cè)模型輸出，以此完成外推預(yù)測(cè)器模型的訓(xùn)練。

9.根據(jù)權(quán)利要求1所述的電動(dòng)舵機(jī)健康評(píng)估方法，其特征在于，將經(jīng)過(guò)綜合預(yù)處理得到的驗(yàn)證集數(shù)據(jù)送入所述時(shí)序外推預(yù)測(cè)模型，結(jié)合相應(yīng)的預(yù)測(cè)指標(biāo)，完成模型的預(yù)測(cè)性能評(píng)估。