基于DBN和多层模糊LSTM的电动舵机剩余寿命预测方法及系统技术方案

本发明专利技术公开了一种基于DBN和多层模糊LSTM的电动舵机剩余寿命预测方法及系统，包括：获取电动舵机实时监测数据；对获取的实时监测数据进行预处理；将预处理后的数据输入到训练好的舵机状态退化模型，输出预测的电动舵机剩余寿命；其中，所述舵机状态退化模型对预处理后的数据通过深度置信网络提取特征规律，然后通过多层模糊LSTM网络提取数据序列中的时间特征；基于所述特征规律和时间特征，得到预测的电动舵机剩余寿命。本发明专利技术采用基于DBN和多层模糊LSTM的深度学习网络模型进行电动舵机剩余寿命预测，可以有效地提取多维电动舵机传感器监测数据中的特征规律和序列的时间特征，提高剩余寿命预测的精度；提高舵机在运行时的安全性和可靠性。

【技术实现步骤摘要】
基于DBN和多层模糊LSTM的电动舵机剩余寿命预测方法及系统
本专利技术涉及装备剩余寿命预测
，尤其涉及一种基于DBN和多层模糊LSTM的电动舵机剩余寿命预测方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。电动舵机作为直升机、无人机等先进飞行器自驾系统的核心设备，是飞行器中重要的控制部件。电动舵机如果发生故障，尤其是主控舵机发生故障，例如方向舵、升降舵和副翼等，会导致飞机处于失控状态，严重则会导致机毁人亡的灾难性后果，严重制约了飞行器航电系统及直升机、无人机的安全性和可靠性。电动舵机在众多机载系统中可靠性较差，容易发生故障。因此对电动舵机进行故障监测和寿命预测对飞行器的飞行安全有着重要的意义。相较于液压舵机和气动舵机来说，由伺服直流电机和传动机构构成的电动舵机具有精度高、维护方便、体积小、重量轻、传动控制容易等优点，大量应用于无人机、飞机、直升机及航天器等先进飞行器。根据《非电子零部件可靠性》的统计，对于用于直升机、无人机等飞行器中小型永磁直流电动机，电刷故障占电本文档来自技高网...

【技术保护点】
1.一种基于DBN和多层模糊LSTM的电动舵机剩余寿命预测方法，其特征在于，包括：/n获取电动舵机实时监测数据；/n对获取的实时监测数据进行预处理；/n将预处理后的数据输入到训练好的舵机状态退化模型，输出预测的电动舵机剩余寿命；/n其中，所述舵机状态退化模型对预处理后的数据通过深度置信网络提取特征规律，同时降低数据的特征维度，然后通过多层模糊LSTM网络提取数据序列中的时间特征；基于所述特征规律和时间特征，得到预测的电动舵机剩余寿命。/n

【技术特征摘要】
1.一种基于DBN和多层模糊LSTM的电动舵机剩余寿命预测方法，其特征在于，包括：
获取电动舵机实时监测数据；
对获取的实时监测数据进行预处理；
将预处理后的数据输入到训练好的舵机状态退化模型，输出预测的电动舵机剩余寿命；
其中，所述舵机状态退化模型对预处理后的数据通过深度置信网络提取特征规律，同时降低数据的特征维度，然后通过多层模糊LSTM网络提取数据序列中的时间特征；基于所述特征规律和时间特征，得到预测的电动舵机剩余寿命。


2.如权利要求1所述的一种基于DBN和多层模糊LSTM的电动舵机剩余寿命预测方法，其特征在于，所述实时监测数据至少包括：电动舵机中各电机的电流信号和转速信号，各电机和传动轴的振动信号和温度信号。


3.如权利要求1所述的一种基于DBN和多层模糊LSTM的电动舵机剩余寿命预测方法，其特征在于，对获取的实时监测数据进行预处理，具体包括：
求取数据丢失点前后设定数量的数值的平均值，采用所述平均值填充数据丢失点的缺失值。


4.如权利要求3所述的一种基于DBN和多层模糊LSTM的电动舵机剩余寿命预测方法，其特征在于，对获取的实时监测数据进行预处理，还包括：
采用皮尔逊积矩相关系数计算监测数据中每个变量之间的相关性，选择相关系数大的变量作为输入深度学习神经网络的变量。


5.如权利要求3所述的一种基于DBN和多层模糊LSTM的电动舵机剩余寿命预测方法，其特征在于，对获取的实时监测数据进行预处理，还包括：
采用零-均值规范化对数据进行规范化处理。


6.如权利要求1所述的一种基于DBN和多层模糊LSTM的电动舵机剩余寿命预测方法，其特征在于，对于舵机状态退化...

【专利技术属性】
技术研发人员：张法业，李新龙，姜明顺，张雷，隋青美，贾磊，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37