[發(fā)明專(zhuān)利]基于群體數(shù)據(jù)和自編碼器的設(shè)備健康評(píng)估方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202310100319.0
• 申請(qǐng)日: 2023-02-06
• 公開(kāi)（公告）號(hào): CN116401540A
• 公開(kāi)（公告）日: 2023-07-07
• 發(fā)明（設(shè)計(jì)）人: 唐宇翔;陶建峰;孫浩;董暢;伏星辰;覃程錦;劉成良
• 申請(qǐng)（專(zhuān)利權(quán)）人: 上海交通大學(xué)
• 主分類(lèi)號(hào): G06F18/214
• 分類(lèi)號(hào): G06F18/214;G06F18/25;G06N3/0442;G06N3/0455;G06N3/0464;G06N20/00
• 代理公司: 上海漢聲知識(shí)產(chǎn)權(quán)代理有限公司 31236
• 代理人: 胡晶

1.一種基于群體數(shù)據(jù)和自編碼器的設(shè)備健康評(píng)估方法，其特征在于，包括：

數(shù)據(jù)采集步驟：獲取同一工況下多個(gè)相同設(shè)備的運(yùn)行狀態(tài)信號(hào)；

數(shù)據(jù)差異性分析步驟：對(duì)所有信號(hào)進(jìn)行預(yù)處理，計(jì)算信號(hào)間的差異性并生成差異性矩陣,將多時(shí)刻多時(shí)間跨度的差異性矩陣拼接成張量；

模型訓(xùn)練步驟：利用差異性矩陣拼接成的張量作為訓(xùn)練數(shù)據(jù)，訓(xùn)練多尺度自編碼器以最小化重構(gòu)誤差，生成機(jī)器學(xué)習(xí)模型；

健康評(píng)估步驟：將經(jīng)過(guò)處理的設(shè)備運(yùn)行數(shù)據(jù)輸入多尺度自編碼器，通過(guò)重構(gòu)誤差反映數(shù)據(jù)偏離正常狀態(tài)的程度，根據(jù)數(shù)據(jù)異常程度評(píng)估設(shè)備健康狀況。

2.根據(jù)權(quán)利要求1所述的基于群體數(shù)據(jù)和自編碼器的設(shè)備健康評(píng)估方法，其特征在于：所述運(yùn)行狀態(tài)信號(hào)包括設(shè)備的基本控制信號(hào)、反饋信號(hào)和采集信號(hào)。

3.根據(jù)權(quán)利要求1所述的基于群體數(shù)據(jù)和自編碼器的設(shè)備健康評(píng)估方法，其特征在于，對(duì)運(yùn)行狀態(tài)信號(hào)預(yù)處理包括：對(duì)所有信號(hào)進(jìn)行異常值處理，再對(duì)所有信號(hào)進(jìn)行歸一化處理。

4.根據(jù)權(quán)利要求1所述的基于群體數(shù)據(jù)和自編碼的設(shè)備健康評(píng)估方法，其特征在于：所述信息間的差異性計(jì)算過(guò)程為：計(jì)算兩兩信號(hào)的差信號(hào)，再計(jì)算差信號(hào)的均方根。

5.根據(jù)權(quán)利要求1所述的基于群體數(shù)據(jù)和自編碼的設(shè)備健康評(píng)估方法，其特征在于：所述多尺度自編碼器包括編碼器、解碼器以及特征融合，張量數(shù)據(jù)經(jīng)過(guò)編碼器提取時(shí)域特征和卷積特征生成特征向量，特征向量與編碼過(guò)程中的數(shù)據(jù)融合經(jīng)過(guò)解碼器生成重構(gòu)輸出數(shù)據(jù)，以最小化重構(gòu)誤差為損失函數(shù)進(jìn)行訓(xùn)練。

6.根據(jù)權(quán)利要求4所述的基于群體數(shù)據(jù)和自編碼的設(shè)備健康評(píng)估方法，其特征在于：所述編碼器和解碼器采用多層卷積神經(jīng)網(wǎng)絡(luò)，所述特征融合采用時(shí)序神經(jīng)網(wǎng)絡(luò)和循環(huán)長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)。

7.根據(jù)權(quán)利要求1所述的基于群體數(shù)據(jù)和自編碼的設(shè)備健康評(píng)估方法，其特征在于：所述健康評(píng)估步驟中，通過(guò)設(shè)置閾值或者卷積神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)的異常程度進(jìn)行判斷。

8.一種基于群體數(shù)據(jù)和自編碼的設(shè)備健康評(píng)估系統(tǒng)，其特征在于，包括：

數(shù)據(jù)采集模塊：獲取同一工況下多個(gè)相同設(shè)備的運(yùn)行狀態(tài)信號(hào)；

數(shù)據(jù)差異性分析模塊：對(duì)所有信號(hào)進(jìn)行預(yù)處理，計(jì)算信號(hào)間的差異性并生成差異性矩陣,將多時(shí)刻多時(shí)間跨度的差異性矩陣拼接成張量；

模型訓(xùn)練模塊：利用差異性矩陣拼接成的張量作為訓(xùn)練數(shù)據(jù)，訓(xùn)練多尺度自編碼器以最小化重構(gòu)誤差，生成機(jī)器學(xué)習(xí)模型；

健康評(píng)估模塊：將經(jīng)過(guò)處理的設(shè)備運(yùn)行數(shù)據(jù)輸入多尺度自編碼器，通過(guò)重構(gòu)誤差反映數(shù)據(jù)偏離正常狀態(tài)的程度，根據(jù)數(shù)據(jù)異常程度評(píng)估設(shè)備健康狀況。

9.一種存儲(chǔ)有計(jì)算機(jī)程序的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的基于群體數(shù)據(jù)和自編碼器的設(shè)備健康評(píng)估方法的步驟。

10.一種設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的基于群體數(shù)據(jù)和自編碼器的設(shè)備健康評(píng)估方法的步驟。