【技术实现步骤摘要】
一种电动闸阀剩余使用寿命确定方法及系统
本专利技术涉及电动闸阀剩余使用寿命预测领域，特别是涉及一种电动闸阀剩余使用寿命确定方法及系统。
技术介绍
剩余使用寿命(RemainingUsefulLife，RUL)定义从当前时间到使用寿命结束的长度，而健康状态评估和寿命预测的主要任务是基于状态监测信息，预测机器在失去运行能力前的剩余时间。根据应用范围、预测精度和相关成本，剩余使用寿命预测方法可分为以下三种类型:基于物理模型的方法、数据驱动方法和可靠性分析方法，如图2所示，每种RUL预测方法都有其优缺点，基于可靠性的RUL预测是指在不依赖任何物理机制的情况下，利用概率论、数理统计等方法对观测数据进行拟合，具有最广泛的适用性。然而，这种方法需要假设一个寿命分布，这往往与实际情况有很大的不同。此外，转移概率矩阵通常由大量的训练数据来估计。基于物理过程模型的方法结合对象的失效和退化机理而建立数学模型来描述其老化和退化过程，并根据模型最终预测其RUL值。Oppenheimer等人利用Forman裂纹扩展规律预测了转子轴裂纹过程的RU...
【技术保护点】
1.一种电动闸阀剩余使用寿命确定方法，其特征在于，包括：/n获取电动闸阀的原始数据；所述原始数据包括声发射传感器、加速度传感器、压差传感器、温度传感器和流量传感器检测得到的数据；/n对所述原始参数进行数据特征工程，确定特征工程处理后的二维输入数据；/n将所述特征工程处理后的二维输入数据转换为三维堆叠数据块；/n利用卷积降噪自编码器，根据所述三维堆叠数据块确定高层特征，并将所述高层特征与所述三维堆叠数据块按列进行拼接，确定第一拼接特征；/n建立时间卷积网络模型，并根据所述时间卷积网络模型对所述新的特征组合进行处理，确定第二拼接特征；/n将所述第二拼接特征传递至所述时间卷积网络...
【技术特征摘要】
1.一种电动闸阀剩余使用寿命确定方法，其特征在于，包括：
获取电动闸阀的原始数据；所述原始数据包括声发射传感器、加速度传感器、压差传感器、温度传感器和流量传感器检测得到的数据；
对所述原始参数进行数据特征工程，确定特征工程处理后的二维输入数据；
将所述特征工程处理后的二维输入数据转换为三维堆叠数据块；
利用卷积降噪自编码器，根据所述三维堆叠数据块确定高层特征，并将所述高层特征与所述三维堆叠数据块按列进行拼接，确定第一拼接特征；
建立时间卷积网络模型，并根据所述时间卷积网络模型对所述新的特征组合进行处理，确定第二拼接特征；
将所述第二拼接特征传递至所述时间卷积网络模型中，确定更新后的时间卷积网络模型；
对所述卷积降噪自编码器以及所述更新后的时间卷积网络模型进行优化，确定优化后的卷积降噪自编码器以及优化的时间卷积网络模型；
根据所述优化后的卷积自编码器和所述优化后的时间卷积网络模型对实际电动阀门运行数据进行剩余使用寿命预测，确定剩余使用寿命值；所述实际电动阀门运行数据包括通过声发射传感器采集得到的振铃计数、幅度、持续时间、能量、均方根值、平均信号电平、阀门流体进口端和出口端的压差、阀门后的流量以及阀门的开度。
2.根据权利要求1所述的电动闸阀剩余使用寿命确定方法，其特征在于，所述将所述特征工程处理后的二维输入数据转换为三维堆叠数据块，具体包括：
采用长度为num_steps的滑动时窗，将二维输入数据转换为(N-num_steps+1)*(num_steps*D)的三维堆叠数据块；其中，N为采样时间和采样频率相关的数据长度；D为特征维度。
3.根据权利要求1所述的电动闸阀剩余使用寿命确定方法，其特征在于，所述将所述第二拼接特征传递至所述时间卷积网络模型中，确定更新后的时间卷积网络模型，具体包括：
使用dropout操作对所述时间卷积网络模型进行处理，确定更新后的时间卷积网络模型。
4.根据权利要求3所述的电动闸阀剩余使用寿命确定方法，其特征在于，所述将所述第二拼接特征传递至所述时间卷积网络模型中，确定更新后的时间卷积网络模型，之后还包括：
将所述卷积降噪自编码器以及所述更新后的时间卷积网络模型中涉及到的激活函数调整为LeakyReLU函数。
5.根据权利要求1所述的电动闸阀剩余使用寿命确定方法，其特征在于，所述对所述卷积降噪自编码器以及所述更新后的时间卷积网络模型进行优化，确定优化后的卷积降噪自编码器以及优化的时间卷积网络模型，具体包括：
采用均方误差函数作为损失函数，并根据所述损失函数对所述卷积降噪自编码器以及所述更新后的时间卷积网络模型中的权值和偏置进行优化，确定优化后的卷积降噪...
【专利技术属性】
技术研发人员：王航，彭敏俊，夏庚磊，夏虹，徐仁义，刘永阔，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。