一种满足跨工况场景应用的剩余使用寿命预测方法技术

本发明专利技术公开了一种满足跨工况场景应用的剩余使用寿命预测方法，包括以下步骤：1).给定已有源域和目标域退化数据；2).对收集的数据进行数据归一化；3).提取源域和目标域的退化特征，并将其分离成私有特征和共同特征两个部分；4).从全局分布和局部分布两个角度对齐源域和目标域的共同特征；5).采用对比学习中的InfoNCE损失函数最大化输入数据与提取出的特征的互信息，确保提取出的特征具有代表性；6).回归预测，使用以上步骤训练好的模型对测试数据进行RUL预测，大大提高了预测的精度。

【技术实现步骤摘要】

本专利技术涉及预测，特别是一种满足跨工况场景应用的剩余使用寿命预测方法。

技术介绍

1、随着人工智能、机器学习等技术的应用，在海量数据和算法的共同支撑下，故障和预测管理系统得以快速发展，使得机械设备运行的可靠性的到了极大的提高并减少维护成本。作为phm的关键议题之一，剩余使用寿命预测一直是phm的研究热点。剩余使用寿命预测技术利用对装备的状态监测数据和故障机理，建立退化模型，分析退化趋势，预测其在当前工况条件下，从当前状态运行到故障阈值的剩余时间。这一技术极大降低了设备的维护成本，提高了设备运行的可靠性。但是，rul的预测精度易受到各种因素的影响，例如工作环境、运行速度等不确定性因素。因此，机械设备的rul预测一直是一项具有挑战性的任务。

2、近些年来，许多rul预测方法被提出，这些方法主要分为基于模型、基于数据驱动和二者融合三大类。基于模型的方法是通过故障物理分析和物理化学分析，建立设备故障与部件磨损等物理化学原因之间的关系从而预测设备的寿命。此类方法需过于依赖强大的专家知识，很难获得设备的机理模型。数据驱动方法是使用大量的历史数据提取设备的本文档来自技高网...

【技术保护点】

1.一种满足跨工况场景应用的剩余使用寿命预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种满足跨工况场景应用的剩余使用寿命预测方法，其特征在于：

3.根据权利要求2所述的一种满足跨工况场景应用的剩余使用寿命预测方法，其特征在于：

4.根据权利要求3所述的一种满足跨工况场景应用的剩余使用寿命预测方法，其特征在于：

5.根据权利要求4所述的一种满足跨工况场景应用的剩余使用寿命预测方法，其特征在于：

6.根据权利要求5所述的一种满足跨工况场景应用的剩余使用寿命预测方法，其特征在于：

7.根据权利要求6所述的...

【技术特征摘要】

1.一种满足跨工况场景应用的剩余使用寿命预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种满足跨工况场景应用的剩余使用寿命预测方法，其特征在于：

3.根据权利要求2所述的一种满足跨工况场景应用的剩余使用寿命预测方法，其特征在于：

4.根据权利要求3所述的一种满足跨工况场景应...

【专利技术属性】
技术研发人员：吕燚，沈在臣，周柠旭，温振飞，肖旭，
申请(专利权)人：电子科技大学中山学院，
类型：发明
国别省市：