一种多阶段退化设备剩余寿命智能预测方法技术

本发明专利技术公开了一种多阶段退化设备剩余寿命智能预测方法，属于可靠性工程技术领域，基于连续深度置信网络建立并训练了多阶段退化设备的阶段划分模型，然后采用滑动时间窗生成具有退化标签的样本，并借助贝叶斯双向GRU描述各阶段的性能演化模型。在此基础上，对于在役设备将当前多域特征输入到阶段划分模型中以计算各个阶段的概率，进而通过各阶段的预测模型分别外推退化特征。再次，可根据全概率公式确定预测的退化分布，类似地以迭代的方式计算任何时刻的退化水平，并结合失效阈值来确定剩余寿命分布。该方法以零寿命标签为典型特色，在大数据背景下提出了一种退化阶段划分和剩余寿命预测方法，确保退化阶段数目的优化和剩余寿命预测精度提升。

【技术实现步骤摘要】

本专利技术属于可靠性工程，具体涉及一种多阶段退化设备剩余寿命智能预测方法。

技术介绍

1、不同于失效机理方法，数据驱动的剩余寿命预测方法主要利用数学工具对监测数据进行拟合，在剩余寿命预测领域中得到了广泛发展和普遍青睐。目前，在大数据时代，退化设备在运行过程中收集的监测数据正在迅速扩大，并呈现出海量的特点，这对计算提出了更高的要求。在这种背景下，基于深度学习的方法近年来越来越受到关注。代表性模型包括自动编码器、深度置信网络、深度卷积神经网络、深度递归神经网络及其变体和组合。大多数研究都集中在单一阶段的退化设备上。换言之，在整个生命周期内都应该满足相同的退化方式，并且通常只使用特定深度学习模型进行训练。

2、遗憾的是，由于部件退化的内在机制、运行环境的外部影响以及部件之间的耦合影响，一些设备的性能退化过程很难在整个寿命剖面内满足单一模式的退化规律。因此，在实践中可能经常遇到多阶段退化特性。以滚动轴承为例，根据工程经验可以推断，运行过程通常表现为三个典型阶段，即平稳运行阶段、缓慢退化阶段和严重退化阶段。很明显，如果使用单一模型的现有方法，设备在不同阶本文档来自技高网...

【技术保护点】

1.一种多阶段退化设备剩余寿命智能预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种多阶段退化设备剩余寿命智能预测方法，其特征在于，所述S1具体包括如下步骤：

3.根据权利要求2所述的一种多阶段退化设备剩余寿命智能预测方法，其特征在于，所述S12中通过预训练方式更新权重和控制sigmoid函数斜率的参数的具体方式为：

4.根据权利要求2所述的一种多阶段退化设备剩余寿命智能预测方法，其特征在于，所述S12中BP损失函数表示为：

5.根据权利要求1所述的一种多阶段退化设备剩余寿命智能预测方法，其特征在于，所述S2具体包括如下步骤...

【技术特征摘要】

1.一种多阶段退化设备剩余寿命智能预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种多阶段退化设备剩余寿命智能预测方法，其特征在于，所述s1具体包括如下步骤：

3.根据权利要求2所述的一种多阶段退化设备剩余寿命智能预测方法，其特征在于，所述s12中通过预训练方式更新权重和控制sigmoid函数斜率的参数的具体方式为：

4.根据权利要求2所述的一种多阶段退化设备剩余寿命智能预测方法，其特征在于，所述s12中bp损失函数表示为：

5.根据权利要求1所述的一种多阶段退化设备剩余寿命智能预测方法，其特征在于，所述s2具体包括如下步骤：

6.根据权利要求5所述的一种多阶段退化设备剩余寿命智能预测方法，其特征在于，...

【专利技术属性】
技术研发人员：裴洪，司小胜，郑建飞，李天梅，张建勋，董青，
申请(专利权)人：中国人民解放军火箭军工程大学，
类型：发明
国别省市：