【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种基于人工智能的机械设备寿命预测方法及装置。
技术介绍
1、在现代工业中，机械设备的可靠性和效率至关重要。设备的故障或性能下降会导致生产效率降低，甚至可能引发安全事故。为了确保设备的高效运行和预防突发故障，对设备的寿命和性能状态进行准确预测显得尤为重要。传统的设备维护方法通常基于设备的使用年限或者定期检查，这种方法虽然简单，但存在一定的局限性，例如可能无法及时发现设备的潜在故障。
2、随着大数据和人工智能技术的发展，基于数据驱动的预测维护方法逐渐受到重视。这种方法通过分析设备的运行数据，例如温度、振动频率和能耗等，来预测设备的寿命状态。
3、基于此，现有技术存在以下技术问题：（1）现有技术可能未能充分考虑数据扩充，导致训练数据的多样性和代表性不足。（2）现有的分类算法可能在精度和泛化能力方面有所不足，影响设备寿命阶段的准确预测。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种基于人工智能的机械设备寿命预测方法及装置，能够及时发现设备的潜在故障，对机械设备的寿命进行准确预测。
2、第一方面，本专利技术实施例提供了一种基于人工智能的机械设备寿命预测方法，该方法包括：获取目标机械设备的运行记录；运行记录包括在预设时间段内，连续采集目标机械设备的运行状态参数形成的时间序列数据；将运行记录输入至预先训练好的设备寿命预测模型中，输出运行记录对应的预测结果；根据预测结果，对目标机械设备的寿命进行预测分析；其中，设备寿
3、第二方面，本专利技术实施例提供了一种基于人工智能的机械设备寿命预测装置，该装置包括： 数据获取模块，用于获取目标机械设备的运行记录；运行记录包括在预设时间段内，连续采集目标机械设备的运行状态参数形成的时间序列数据；执行模块，用于将运行记录输入至预先训练好的设备寿命预测模型中，输出运行记录对应的预测结果； 输出模块，用于根据预测结果，对目标机械设备的寿命进行预测分析；其中，设备寿命预测模型基于预设的分类器模型构建，分类器模型基于自适应子梯度方法进行权重更新，且，训练分类器模型的训练样本集包括多个样本数据，每个样本数据携带有运行状态样本，以及，运行状态样本携带的状态标签；训练样本集使用谱聚类算法进行数据扩充后构建。
4、本专利技术实施例包括以下有益效果:本专利技术实施例提供一种基于人工智能的机械设备寿命预测方法及装置，通过预先构建的寿命预测模型对运行记录进行处理，确定其预测结果，并根据预测结果对设备的寿命进行预测。设备寿命预测模型基于预设的分类器模型构建，分类器模型基于自适应子梯度方法进行权重更新，在训练过程中自动调整学习率，能够提高收敛速度和稳定性。且，训练分类器模型的训练样本集使用谱聚类算法进行数据扩充后构建，能够增加训练集的多样性，同时保持数据的内在结构特征，提高后续模型的泛化能力和准确性。基于此，本专利技术实施例能够对机械设备的寿命进行准确预测。
5、本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的机械设备寿命预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述预测结果包括所述目标机械设备对应的预测标签，所述预测标签用于指示剩余寿命区间；根据所述预测结果，对所述目标机械设备的寿命进行预测分析的步骤，包括：
3.根据权利要求1所述的方法，其特征在于，构建所述分类器模型的训练样本集采用预先构建的特征提取模型进行特征提取；所述特征提取模型基于拟牛顿法进行权重更新；
4.根据权利要求3所述的方法，其特征在于，所述分类器模型的构建方法，包括：
5.根据权利要求4所述的方法，其特征在于，计算所述输出对应的包含正则化项的损失函数，并根据所述损失函数和预设的自适应子梯度方法对所述高阶神经网络的权重参数进行更新的步骤，包括：
6.根据权利要求3所述的方法，其特征在于，所述特征提取模型的构建方法，包括：
7.根据权利要求1所述的方法，其特征在于，所述训练样本集的构建方法，包括：
8.根据权利要求7所述的方法，其特征在于，采用基于谱聚类的样本扩充算法，对所述初始样本集
9.根据权利要求8所述的方法，其特征在于，改进的生成对抗网络包括降维网络；采用改进的生成对抗网络对所述第一扩充数据集进行二阶段扩充，生成保留时间动态特征的序列的步骤，包括：
10.一种基于人工智能的机械设备寿命预测装置，其特征在于，所述装置包括：
...【技术特征摘要】
1.一种基于人工智能的机械设备寿命预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述预测结果包括所述目标机械设备对应的预测标签，所述预测标签用于指示剩余寿命区间；根据所述预测结果，对所述目标机械设备的寿命进行预测分析的步骤，包括：
3.根据权利要求1所述的方法，其特征在于，构建所述分类器模型的训练样本集采用预先构建的特征提取模型进行特征提取；所述特征提取模型基于拟牛顿法进行权重更新；
4.根据权利要求3所述的方法，其特征在于，所述分类器模型的构建方法，包括：
5.根据权利要求4所述的方法，其特征在于，计算所述输出对应的包含正则化项的损失函数，并根据所述损失函数和预设的自适应...
【专利技术属性】
技术研发人员：马兵，尹旭，杨彪，续敏，王玉石，肖丙灿，
申请(专利权)人：山东能源数智云科技有限公司，
类型：发明
国别省市：
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。