[發明專利]基于雙線程門控循環單元的齒輪剩余使用壽命預測方法

在審

• 申請號: 202210470053.4
• 申請日: 2022-04-28
• 公開（公告）號: CN115017937A
• 公開（公告）日: 2022-09-06
• 發明（設計）人: 秦毅;周江洪;蔡維;周弦;錢泉
• 申請（專利權）人: 重慶大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08;G01M13/021
• 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

1.一種基于雙線程門控循環單元的齒輪剩余使用壽命預測方法，其特征在于，具體步驟如下：

1)數據采集：以T為單個樣本采樣時間、T_s為采樣間隔時間，采集齒輪全生命周期的振動信號，獲得樣本個數為n的采集數據；

2)構建健康指標：計算采集數據的多維時域和頻域特征，將多維時域和頻域特征輸入DTC-VAE神經網絡中，生成基于DTC-VAE模型的健康指標H，H＝[h₁,h₂,…,h_n]^T，并將健康指標數據集H劃分為訓練集S_train與測試集S_test；

3)構建預測模型：構建基于雙線程門控循環單元DTGRU網絡的齒輪剩余使用壽命預測模型；

4)模型訓練：使用訓練樣本S_train構建矩陣U，將矩陣U的前k行向量作為DTGRU網絡模型的輸入，將矩陣U的最后一行作為DTGRU網絡模型的輸出，以DTGRU神經網絡映射函數f的損失函數L最小為目標，對DTGRU網絡模型參數進行更新；

5)健康指標預測：將t時刻的倒數的k個輸出作為更新后DTGRU網絡模型的輸入，得到t+1時刻的健康指標向量；

6)剩余使用壽命預測：重復步驟5)，若t+1時刻的健康指標向量小于設定的失效閾值，則返回步驟5)計算t+2時刻的健康指標向量，若t+1時刻的健康特征指標向量大于設定的失效閾值，則輸出伺服電機的剩余使用壽命。

2.如權利要求1所述的一種基于雙線程門控循環單元的齒輪剩余使用壽命預測方法，其特征在于，步驟3)中所述雙線程門控循環單元DTGRU網絡包括使用注意力機制模塊連接的兩個GRU網絡，定義兩個GRU網絡分別為雙線程門控循環單元DTGRU網絡主、副線程GRU網絡。

3.如權利要求2所述的一種基于雙線程門控循環單元的齒輪剩余使用壽命預測方法，其特征在于，步驟3)中所述雙線程門控循環單元DTGRU網絡的工作步驟為：

3-1)以前兩個時間點的主線程的兩個隱藏狀態h_t-1和h_t-2以及前一個時間點副線程輸出的關聯線程N_t-1作為副線程的輸入，提取h_t-1和h_t-2之間的包含非平穩波動的差分信息，利用副線程GRU網絡挖掘非平穩時間特征，這些非平穩性知識包含在N_t中，在t時刻，副線程GRU網絡的狀態傳輸等式為：

D_t＝h_t-1-h_t-2

式中，D_t為非平穩波動的差分信息，⊙表示點積，為副線程GRU網絡更新門的輸出，為副線程GRU網絡重置門輸出，為副線程GRU網絡的權重矩陣，為副線程GRU網絡的偏置矩陣，σ為Sigmoid函數；

3-2)將N_t和h_t-1作為注意力機制模塊的輸入，利用注意機制對健康指標曲線的重要知識進行篩選，注意力機制模塊的更新公式為：

s(h_t-1,N_t)＝V^Ttanh(W_sh_t-1+U_sN_t)

Ω_t＝α_t⊙N_t

m_t＝σ(W_m[Ω_t,h_t-1]+b_m]

式中，W_s、U_s、W_m、V^T為注意力機制模塊的權重矩陣，b_m為注意力機制模塊的偏置矩陣，σ為Sigmoid函數，m_t為注意力模塊的輸出；

3-3)將注意機制的輸出以及t時刻輸入序列x_t作為主線程GRU網絡的輸入，主線程GRU網絡的輸出狀態的計算式為：

式中，x_t為t時刻的輸入信息，⊙表示點積，為主線程GRU網絡更新門的輸出，為主線程GRU網絡重置門輸出，為主線程GRU網絡的權重矩陣，為副線程GRU網絡的偏置矩陣，σ為Sigmoid函數；

3-4)計算雙線程門控循環單元DTGRU網絡的輸出：

o_t＝g(W_th_t+b_t)

式中，o_t為t時刻DTGRU網絡的輸出，g為線性激活函數，W_t為t時刻權矩陣，b_t為t時刻偏置矩陣，定義DTGRU網絡的損耗函數為:

式中，o_t為t時刻DTGRU網絡的輸出，N為輸出目標的維度。