[發明專利]工程機械部件剩余壽命的預測模型建立方法及預測方法

在審

• 申請號: 202111370384.2
• 申請日: 2021-11-18
• 公開（公告）號: CN114169091A
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 劉瓊;劉嘉豪;桂綴;葉欽
• 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;G06K9/62;G06N3/04;G06N3/08;G06F119/04
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 夏倩;李智

1.一種機械部件剩余壽命預測模型建立方法，其特征在于，包括：

獲得訓練數據集，其中的每一條樣本包括所述機械部件在連續W個時間步的狀態監測數據以及所述機械部件在最后一個時間步的剩余壽命；W∈R⁺；

建立初始神經網絡模型，其以機械部件在連續W個時間步t～t+W-1的狀態監測數據為輸入，用于預測機械部件在最后一個時間步t+W-1的剩余壽命；所述初始神經網絡模型包括：第一注意力網絡，用于基于自注意力機制獲取狀態監測數據中各時間步的注意力權重并賦予相應的時間步，得到第一特征Z；時間卷積網絡，用于對所述第一特征Z進行特征提取，得到第二特征U；第二注意力網絡，用于獲取所述第二特征U中各通道的注意力權重并賦予相應的通道，得到第三特征以及預測模塊，用于對所述第三特征中的各通道特征進行融合并激活，以得到機械部件在最后一個時間步t+W-1的剩余壽命；

利用所述訓練數據集對所述初始神經網絡模型進行訓練，以獲得所述機械部件剩余壽命預測模型。

2.如權利要求1所述的機械部件剩余壽命預測模型建立方法，其特征在于，所述第一注意力網絡包括自注意力網絡或者多頭自注意力網絡。

3.如權利要求1所述的機械部件剩余壽命預測模型建立方法，其特征在于，所述第一注意力網絡包括自注意力網絡時，所述第一注意力網絡還包括殘差連接；

所述自注意力網絡，用于基于自注意力機制獲取狀態監測數據中各時間步的注意力權重并賦予相應的時間步，得到第四特征A：

所述殘差連接，用于將所述第四特征A與待學習的權重W_a相乘后與輸入的檢測數據相加，得到所述第一特征Z。

4.如權利要求2或3所述的機械部件剩余壽命預測模型建立方法，其特征在于，所述自注意力網絡中，query值Q、key值K和value值V分別由三個1×1卷積層對輸入的狀態監測數據進行卷積操作后得到。

5.如權利要求1～3任一項所述的機械部件剩余壽命預測模型建立方法，其特征在于，所述第二注意力網絡為壓縮激勵機制網絡。

6.如權利要求1～3任一項所述的機械部件剩余壽命預測模型建立方法，其特征在于，獲得訓練數據集，包括：

將已知狀態監測數據歸一化之后，利用長度為W的滑動窗口在已歸一化的狀態監測數據上沿時間步增大的方向滑動，每次截取滑動窗口內的狀態監測數據，并將機械部件在狀態監測數據最后一個時間步的剩余壽命作為對應標簽，由所截取的狀態監測數據和對應標簽構成一條樣本，并由所有樣本構成所述訓練數據集。

7.如權利要求6所述的機械部件剩余壽命預測模型建立方法，其特征在于，所述滑動窗口的滑動步長為l＝1。

8.如權利要求1～3任一項所述的機械部件剩余壽命預測模型建立方法，其特征在于，所述預測模塊包括：

全連接層，用于將所述第三特征按通道拼接為一維向量，以對所述第三特征中的各通道特征進行融合，得到融合特征；

以及激活函數層，用于對所述融合特征進行激活，以將其映射為機械部件在最后一個時間步t+W-1的剩余壽命。

9.一種機械部件剩余壽命預測方法，其特征在于，包括：

獲取所述機械部件在待預測時間步及其前W-1個連續時間步的狀態監測數據，并進行歸一化處理，得到預測樣本；

將所述預測樣本輸入由權利要求1～8任一項所述的機械部件剩余壽命預測模型建立方法建立得到的機械部件剩余壽命預測模型，以獲得所述機械部件在待預測時間步的剩余壽命。

10.一種計算機可讀存儲介質，其特征在于，包括存儲的計算機程序，所述計算機程序被處理器執行時，控制所述計算機可讀存儲介質所在設備執行權利要求1～8任一項所述的機械部件剩余壽命預測模型建立方法，和/或權利要求9所述的機械部件剩余壽命預測方法。