基于小样本学习的多失效模式下设备剩余寿命预测方法技术

本发明专利技术涉及一种基于小样本学习的多失效模式下设备剩余寿命预测方法，所述的方法包括以下步骤：S1、收集设备的传感器信号、失效模式以及剩余使用寿命；S2、构建推理网络，基于贝叶斯模型不可知元学习模型获取失效模式概率分布和剩余使用寿命概率分布；S3、基于概率分布构建损失函数，并估计和更新模型参数；S4、识别新的运行设备的失效模式并预测其剩余使用寿命。与现有技术相比，本发明专利技术具有同时实现失效模式概率分布和剩余寿命概率分布的预测、在小样本情形下预测准确度高、泛化能力强等优点。泛化能力强等优点。泛化能力强等优点。

【技术实现步骤摘要】
基于小样本学习的多失效模式下设备剩余寿命预测方法


[0001]本专利技术涉及设备剩余寿命预测
，尤其是涉及一种基于小样本学习的多失效模式下设备剩余寿命预测方法。

技术介绍

[0002]剩余使用寿命(Remaining Useful Lifetime,RUL)预测在失效预测和健康管理(Prognostics and Health Management,PHM)中发挥着重要作用，它可以避免机器的意外失效，从而进一步防止严重后果，包括生产停工风险、设备安全和物流中断。PHM通过收集多种类型的传感器信号提取有关运行设备的退化特性信息，并用于预测设备的RUL。
[0003]近年来深度学习因其灵活性和普适性，为RUL预测提供了强有力的工具。该类方法包括深度神经网络(Deep Neural Network,DNN)、卷积神经网络(Convolutional Neural Network,CNN)、循环神经网络(Recurrent Neural Network,RNN)及其变体长短期记忆网络(Long Short
‑<br/>Term M本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于小样本学习的多失效模式下设备剩余寿命预测方法，其特征在于，所述的方法包括以下步骤：S1、收集设备的传感器信号、失效模式以及剩余使用寿命；S2、构建推理网络，基于贝叶斯模型不可知元学习模型获取失效模式概率分布和剩余使用寿命概率分布；S3、基于概率分布构建损失函数，并估计和更新模型参数；S4、识别新的运行设备的失效模式并预测其剩余使用寿命。2.根据权利要求1所述的一种基于小样本学习的多失效模式下设备剩余寿命预测方法，其特征在于，所述的推理网络包括原型网络和回归子网络，用于将传感器信号中提取的特征作为贝叶斯模型不可知元学习模型的输入x，同时输出K种失效模式概率分布向量z和预测的剩余使用寿命概率分布向量y；所述的贝叶斯模型不可知元学习模型通多个历史任务训练，然后对新的任务进行识别和预测；所述的历史任务由一个小样本数据集构成，该数据集包含支持集和查询集；所述的支持集包含标签值，用于训练模型；所述的查询集被用于获取模型输出值并与相应的标签值进行比较以评估模型性能。3.根据权利要求2所述的一种基于小样本学习的多失效模式下设备剩余寿命预测方法，其特征在于，所述的获取失效模式概率分布具体为：S2011、原型网络使用DNN将输入x映射到嵌入空间中，在该嵌入空间中，支持集的原型计算表达式为：其中，表示失效模式概率分布的嵌入函数，Θ
C
为该嵌入函数的参数集，c
k
(k＝1,
…
,K)为失效模式k下所有支持点的嵌入函数均值向量，表示支持集中失效模式k下的子任务集，n
k
表示支持集中失效模式k的任务数量；S2012、原型网络采用softmax函数测量查询集中的x与每种失效模式的原型在嵌入空间中的距离，以生成每种失效模式的概率分布，对于失效模式k，其概率分布z
(k)
的计算式为：其中，表示一个相似度度量向量，使用指数级欧拉距离计算即：S2013、构建失效模式概率分布向量式中z＝[z
（1)
,
…
,z
(k)
,
…
,z
(K)
]，表示失效模式概率分布向量的计算表达式的简记符号。4.根据权利要求3所述的一种基于小样本学习的多失效模式下设备剩余寿命预测方法，其特征在于，所述的获取剩余使用寿命概率分布具体为：S2021、建立回归子网络实现失效模式k下输入x到失效模式k(k＝1,
…
,K)的候选剩余
使用寿命y
(k)
的映射，即:其中，表示回归子网络，为回归子网络的参数集；S2022、给定支持集得到K种失效模式下查询集中的输入x对应的剩余使用寿命混合概率分布的计算式如下：其中，Θ＝{Θ
C
,Θ
R
}；S2023、基于参数集使用其支持集更新每个历史任务τ的预测模型参数，得到任务后验概率分布其中表示回归子网络的任务后验分布参数集；S2024、元更新过程基于任务后验分布参数集获取查询集中x的剩余使用寿命混合概率分布，将经验贝叶斯应用于分层概率分布(i.e....

【专利技术属性】
技术研发人员：王迪，汪颖，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：