买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：桂林电子科技大学

摘要：本发明公开了一种基于PR‑Trans的机械设备剩余寿命预测方法，包括离线训练和在线预测两个阶段，其中，离线训练主要任务是建立预测模型、并利用历史操作数据库中处理后的数据对模型进行训练，在线训练主要任务是基于训练模型的实时预测实时RUL，并处理实时数据，然后将相关信息反馈给控制器。这种方法采用改进Transformer的自注意力机制，能减少计算量及空间占有率、增强位置之间关系、减小模型大小、通过增大模型感受野增强模型学习能力，使模型推理速度更快、预测更精确。

主权项：1.一种基于PR-Trans的机械设备剩余寿命预测方法，其特征在于，包括离线训练和在线预测两个阶段，其中，所述离线训练阶段包括：1采用传感器获取机械设备多种物理量的历史状态监测信号，监测信号为电流、温度、工作压强、电压、操作条件信号数据；2对步骤1所获取的传感器历史信号进行预处理，预处理是对数据进行清洗、平滑处理操作，将数据波动幅度在±0.01的无关联或关联度小的信号剔除；3采用分线段退化模型获得实际剩余寿命的标签，最大剩余寿命值设为128，即超过128的部分均设为128，不满足128的设备则设为最大cycle值为最大剩余寿命；4将步骤2中筛选出的信号数据进行归一化操作；5选择输入模型的信号数据时序长度，将步骤4处理完的数据输入到RP-Trans模型中，RP-Trans模型的输出为设备剩余寿命退化预测值，MSE函数用于计算预测的设备剩余寿命与标签之间的误差，采用Adam算法作为优化器优化网络；所述在线预测阶段包括：6从监测设备采集实时数据，并将数据和操作条件输入到设备剩余寿命预测模型即RP-Trans模型中，设备剩余寿命预测模型输出当前时刻设备剩余寿命退化预测结果，取当前设备的最后一个值为设备当前剩余寿命；所述RP-Trans模型采用旋转位置编码代替现有技术中Transformer模型中原有编码方式即将绝对位置编码与相对位置编码相结合、使得模型可以有能力分辨不同位置的令牌、增强了序列中不同位置之间的依赖性；采用ProbSparse自注意力模块方式代替现有技术中Transformer模型中的自注意力模块方式、降低自注意力机制时间复杂度至OLlogL、空间复杂度降低至OLlogL；采用改进的自我注意提取操作即采用Dilated-SKConv卷积代替现有技术中Transformer模型中全连接层连接ProbSparse自我注意块。

全文数据：

权利要求：

百度查询： 桂林电子科技大学 一种基于PR-Trans的机械设备剩余寿命预测方法