申请/专利权人：未必然数据科技(北京)有限公司

申请日：2022-03-10

公开（公告）日：2024-06-21

公开（公告）号：CN114580291B

主分类号：G06F30/27

分类号：G06F30/27;G06F119/02

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2022.06.21#实质审查的生效;2022.06.03#公开

摘要：本发明公开了一种基于LSTM‑VAE的动设备健康状况评估方法，包括以下步骤：收集、整理动设备传感器历史监测数据，选取工况指标数据；设计基于k‑means聚类的工况识别方法对设备运行工况进行划分；按工况类别分组进行预处理、标准化，将各工况标准化结果集重组；将数据集拆分为封装着子序列的窗口序列；设计LSTM‑VAE模型，并计算历史监测数据健康度；设计线性回归模型，使监测数据直接映射到健康度；复杂工况下，在线进行动设备健康状况评估。本发明改善了模型的通用性，降低了人工参与度，模型可自动从复杂信息中完成关键特征提取，不再依赖专业领域人员的参与特征挖掘，符合当前健康状况评估建模方法的发展趋势。

主权项：1.一种基于LSTM-VAE的动设备健康状况评估方法，其特征在于：包括以下步骤：步骤1.收集、整理动设备传感器历史监测数据，选取工况指标数据；步骤2.设计基于k-means聚类的工况识别方法对设备运行工况进行划分；步骤3.对传感器历史监测数据按工况类别分组进行预处理、标准化，将各工况标准化结果集重组，构成标准化后重组的监测数据集Q0以及健康状态训练集步骤4.将由时间序列构成的数据集Q0、分别拆分为封装着子序列的窗口序列；步骤5.设计健康度计算模型，并计算历史监测数据健康度；步骤6.设计线性回归模型，使监测数据直接映射到健康度；步骤7.复杂工况下，基于LSTM-VAE的动设备健康状况评估建模方法在线进行动设备健康状况评估；步骤1中，工况指标数据的获取方法为：步骤1.1对动设备传感器历史监测数据按标签进行排序；步骤1.2统一动设备传感器历史监测数据中各监测指标的量纲；步骤1.3对整理好的监测数据进行探索性分析；步骤1.4把与设备性能退化无关的指标删除，保留剩余指标，得到重组历史监测数据X0；步骤1.5从重组历史监测数据X0中标记出能够反映动设备运行工况的数据，即工况指标数据；步骤2中，工况划分的具体过程为：步骤2.1将标记为工况指标的数据从重组的历史监测数据X0中剥离出来，构成工况监测数据集G0；步骤2.2使用k-means聚类模型对工况进行识别，具体步骤为：构建不同类别数量k-means聚类模型，使用工况监测数据集G0分别训练这些模型；计算出所有k-means聚类对象的轮廓系数；步骤2.3依据轮廓系数筛选出最优的工况识别聚类模型，使用该最优模型对重组的历史监测数据X0的工况进行划分；步骤3中，重组的监测数据集Q0、健康状态训练集的获取方法为：步骤3.1依据步骤2.3的工况划分情况进行分组预处理，得重组历史监测数据标识为X′0；步骤3.2使用z-score方法将重组历史监测数据X′0的各指标分别实施标准化处理，构成标准化后重组的监测数据集Q0；步骤3.3过滤标准化后重组的监测数据集Q0，过滤条件是保留动设备健康状态下运行时段的监测数据，并将其另存为健康状态训练集步骤4的处理过程为：采取滑动时间窗法，从标准化后重组的监测数据集Q0中提取封装着子序列的窗口序列，构成子序列窗口数据集W0；采取滑动时间窗法，从健康状态训练集中提取封装着子序列的窗口序列，构成健康状态子序列窗口数据集步骤5中，历史监测数据健康度的获取过程为：步骤5.1使用健康状态子序列窗口数据集以无监督方式对LSTM-VAE模型进行训练；步骤5.2将子序列窗口数据集W0载入训练好的LSTM-VAE模型中，模型解码器按时间窗口重构子序列窗口数据集W0′；步骤5.3由重构的子序列窗口数据集W0′与子序列窗口数据集W0计算重构误差E0，对其取平均，得到平均重构误差序列步骤5.4将平均重构误差序列映射为百分制，即动设备的历史监测数据健康度H0；平均重构误差的获取过程为：设窗口滑动到时刻t时，截取到子序列窗口w，记为w＝[w1,w2,...,wl]，其中，l为时间窗口的长度,L为传感器序列长度，w作为输入，动设备t时刻子序列窗口w的重构误差为：e＝||w-w′||＝[e1,e2,…,el]重构的子序列窗口数据集W0′与子序列窗口数据集W0的平均重构误差为： 平均重构误差序列的映射通过构建映射函数hx，将重构误差映射到0到100的区间内，如下式所示； 其中，hx为健康度映射函数，x是重构误差，p表示重构误差的分界值。

全文数据：

权利要求：

百度查询： 未必然数据科技(北京)有限公司 一种基于LSTM-VAE的动设备健康状况评估方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD