一种基于注意力机制的机械设备多工况故障预测方法技术

本发明专利技术提出了一种基于注意力机制的机械设备多工况故障预测方法，包括以下步骤：步骤1）对数据进行预处理，将原始数据向量化处理，归一化，利用滑动时间窗口进行划分；步骤2）将预处理数据嵌入到长短期记忆网络层，经训练获得数据长范围依赖关系，计算出隐藏向量；步骤3）将步骤2）中的隐藏向量输入到的注意力层中；步骤4）在网络训练过程中，利用粒子群优化技术对网络参数进行优化处理；步骤5）将网络训练得到的结果输入到神经网络的全连接层，利用全连接层学习到的更高层特征表示进行线性回归计算，得到机械该周期对应的RUL，供人为调整机械运行参数或运行条件，本发明专利技术通过结合自然语言处理技术与注意力机制实现多工况下的故障预测。

【技术实现步骤摘要】
一种基于注意力机制的机械设备多工况故障预测方法
本专利技术涉及一种故障预测方法，具体的说是一种机械设备多工况故障预测方法，属于机械设备

技术介绍
随着传感器技术和工业系统的快速发展，工业设备传感器数据正在迅速增加。然而在工业生产制造过程中，由于生产过程中复杂的物理及化学变化，机械设备不可避免地会出现性能衰落甚至故障。在生产过程中出现的故障可能会引起严重的工业生产问题以及经济损失，因此实现工业生产的故障预测与健康管理(PHM)显得尤为重要。现今，为了实现工业生产的故障预测与健康管理，学者们提出了机械设备组成部件或系统的剩余使用寿命(Remainingusefullife,简称RUL)的概念。RUL是对设备组成部件或系统从当前的工作时间到设备故障时间的生命周期计算，通过对RUL的预测能够有效避免工业设备衰落或故障的发生，这对于工业生产极其重要。总的来说，预测估计RUL的方法分为三种，基于数学物理模型的方法、数据驱动的方法以及它们的混合型方法。基于数学物理模型的方法通过对机械本身建立精确的数学模型来模拟机械生产过程物理特性的本文档来自技高网...

【技术保护点】
1.一种基于注意力机制的机械设备多工况故障预测方法，其特征在于，包括以下步骤：/n步骤1)对数据进行预处理，将原始机械数据库中的传感器数据向量化处理，然后根据归一化原则对向量进行归一化，最后利用滑动时间窗口对归一化处理后的数据进行划分；/n步骤2)将步骤1)中获得的预处理数据作为输入嵌入到长短期记忆网络层中，经过训练获得数据的长范围依赖关系，从而计算出机械输入向量中运行条件的隐藏向量；/n步骤3)将步骤2)中得到的机械数据中运行条件的隐藏向量输入到的注意力层中；/n步骤4)在网络训练过程中，利用粒子群优化技术对网络参数进行优化处理；/n步骤5)将网络训练得到的结果输入到神经网络的全连接层，全连...

【技术特征摘要】
1.一种基于注意力机制的机械设备多工况故障预测方法，其特征在于，包括以下步骤：
步骤1)对数据进行预处理，将原始机械数据库中的传感器数据向量化处理，然后根据归一化原则对向量进行归一化，最后利用滑动时间窗口对归一化处理后的数据进行划分；
步骤2)将步骤1)中获得的预处理数据作为输入嵌入到长短期记忆网络层中，经过训练获得数据的长范围依赖关系，从而计算出机械输入向量中运行条件的隐藏向量；
步骤3)将步骤2)中得到的机械数据中运行条件的隐藏向量输入到的注意力层中；
步骤4)在网络训练过程中，利用粒子群优化技术对网络参数进行优化处理；
步骤5)将网络训练得到的结果输入到神经网络的全连接层，全连接层获取输入的更高层特征表示，利用全连接层学习到的更高层特征表示进行线性回归计算，得到机械该周期对应的RUL，供人为调整机械运行参数或运行条件。


2.根据权利要求1所述的一种基于注意力机制的机械设备多工况故障预测方法，其特征在于，步骤1)具体包括：
1-1)对原始数据向量化处理，得到传感器向量数据，即其中Tc为第c个组成部件的故障周期，c∈{1，2，...，n}；向量中每个分量si为一个k+1维向量{x1，x2，...，xk，yi}，表示k+1维传感器数据输入特征和对应的剩余寿命周期，即xi为第i个传感器数据，yi为对应的剩余寿命周期；
1-2)对输入向量归一化处理，对S中每一项都进行归一化，即表示第i个周期第j个传感器数据的归一化值，得到归一化处理之后的值S′；
1-3)利用滑动时间窗口对输入数据进行时间域上的划分，得到数据为O＝{oi|i＞＝0，i＜Tc-L}，其中oi＝si′窗口长度为L，滑动步长为T。


3.根据权利要求2所述的一种基于注意力机制的机械设备多工况故障预测方法，其特征在于，步骤2)具体包括：
2-1)接收步骤1)中的向量O＝{s1′，s2′，...，sL′}，将向量分量记为xt为上述归一化处理之后的传感器向量；然后将向量输入到长短期记忆网络中，对于每一个时刻t，长短期记忆网络计算利用输入xt以及前一时刻的ht-1来计算ht，其中ht表示数据序列的隐藏向量，具体计算方法如下，
it＝σ(Wixt+Uiht-1+bi)(1)
ft＝σ(Wfxt+Ufht-1+bf)(2)






ot＝σ(Woxt+Uoht-1+bo)(5)
ht＝ot⊙tanh(ct)(6)
Hi＝[h1，h2...

【专利技术属性】
技术研发人员：孙雁飞，张及棠，亓晋，许斌，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32