基于慢特征信息增益比的轨迹相似性剩余寿命预测方法技术

本发明专利技术公开一种基于慢特征信息增益比的轨迹相似性剩余寿命预测方法，首先获取退役设备全生命周期的多维状态监测数据，对经过特征筛选和归一化后的状态监测数据采用慢特征分析求解，再采用矩阵广义特征值求解结合慢特征信息增益比定义得到数据融合最优特征向量，退役单元的处理后的多维状态监测数据与最优特征向量相乘得到健康指标曲线；采用同样的特征筛选、特征归一化、非线性扩展和矩阵白化对在役机械设备的多维状态监测数据退化曲线进行处理，得到其对应的健康指标曲线，将该曲线指定段与健康指标曲线进行匹配，满足相似度筛选要求的曲线段可给出在役设备的剩余寿命预测结果。本发明专利技术可用于各类有全生命周期状态监测数据的复杂机械设备中。数据的复杂机械设备中。数据的复杂机械设备中。

【技术实现步骤摘要】
基于慢特征信息增益比的轨迹相似性剩余寿命预测方法


[0001]本专利技术涉及机械设备剩余寿命预测技术，尤其涉及一种基于慢特征信息增益比的轨迹相似性剩余寿命预测方法。

技术介绍

[0002]随着传感器网络、工业互联网和云计算技术的飞速发展，机械设备的运行状态监测、海量数据存储和处理计算成为可能。在此场景下，视情维修技术逐渐成为设备维修和健康管理的主流。不同与定期维护和失效维修技术，视情维修技术根据机械设备的监测数据分析获取健康状态指标，再制定相应的维修方案，可最大化设备的使用价值。准确的剩余寿命预测是视情维修技术的关键环节。基于设备退化轨迹相似性的剩余寿命预测方法则是剩余寿命预测技术中重要的一类，其兼具数据驱动、模型可解释性和便于实时部署的特点，在工业大数据场景下得到日益广泛的应用。构建有效的健康指标是退化轨迹相似性方法的关键。传统的数据驱动和统计学习方法获取的健康指标中忽略了对于轨迹差异性信息的挖掘，使其得到的设备健康指标难以配合后续轨迹相似性匹配过程得到准确的剩余寿命预测结果。

技术实现思路

[0003]本专利技术目的是针对现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于慢特征信息增益比的轨迹相似性剩余寿命预测方法，其特征在于，该方法分为离线训练阶段和在线监测阶段；所述的离线训练阶段具体为：(1)获取由多维传感器采集的M个同类机械设备运行至失效的状态监测数据，当状态检测数据为非过程数据时，采用特征提取方法提取退化过程的特征量；当状态检测数据为过程数据时，所述状态监测数据直接作为退化过程的特征量；(2)将退化过程的特征量进行特征筛选，并按照运行工况进行归一化处理；(3)对于归一化后的退化过程的特征量，基于慢特征求解框架和信息增益比指标值定义，采用矩阵广义特征值求解得到特征融合向量；(4)基于所述特征融合向量和所述慢特征求解框架中的非线性扩展函数，得到M条原始健康指标曲线；(5)根据所述原始健康指标曲线的局部斜率值，划定健康阶段和退化阶段，并将退化阶段的原始健康指标曲线保存至退化轨迹曲线库；所述的在线监测阶段包括：S1：获取在役的机械设备运行至当前阶段的状态监测数据，执行和离线阶段相同的特征提取、特征筛选和归一化处理；S2：基于离线阶段得到的特征向量和慢特征求解框架中的非线性扩展函数，得到在役设备健康指标曲线；S3：采用时间窗截取在役设备健康指标曲线，并将截取的时间窗曲线与离线阶段获得的M条原始健康指标曲线逐段进行相似度计算，选取每条原始健康指标曲线中与截取的时间窗曲线相似度大于设定阈值的曲线段作为预测参考样本；S4：根据最终预测参考样本得到剩余寿命预测结果。2.根据权利要求1所述的基于慢特征信息增益比的轨迹相似性剩余寿命预测方法，其特征在于，对于归一化后的退化过程的特征量，基于慢特征求解框架和信息增益比指标值定义，采用矩阵广义特征值求解得到特征融合向量，通过如下子步骤来实现：(1)对归一化后的特征x
i,j,k
进行非线性扩充函数扩充和白化处理，得到非线性扩展特征z
i,j',k
＝whiten(h(x
i,j,k
))；其中，i表示第i个退役设备，j表示第j个特征维度，j'表示第j个非线性扩展后的特征维度，k表示第k个监测时间步，h()表示非线性扩充函数，whiten()表示白化操作；(2)采用线性组合的形式对扩充和白化处理后的数据z
i,j',k
进行维度融合，得到融合后的健康指标值d
i,k
＝z
i,j',k
ω，其中ω为熔合权重；(3)定义慢特征信息增益比SNR
s
：其中，D
e
为记录初始值和终值之间的差值的特征范围矩阵，D
e
的每行表示每个退役单元，每列则表示非线性扩展后的多维状态监测特征，其表达式如下式(2)：
式(1)中1表示全为1的列向量，Q＝(I
‑
O/M)/(M
‑
1)Δt∈R
...

【专利技术属性】
技术研发人员：王鹏飞，薛斌，许忠斌，黄兴，吴烨涛，叶如清，林增荣，成明祥，
申请(专利权)人：德清申达机器制造有限公司，
类型：发明
国别省市：