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：北京航空航天大学

摘要：基于双重卷积注意力机制CNN‑GRU网络的剩余使用寿命预测方法，首先根据信号变化趋势对输入传感器信号进行选择；然后对信号数据进行归一化和指数平滑处理，并且通过滑动窗口技术将数据切片成定长序列以构建训练样本；样本构建之后将样本输入模型进行训练，设定最大更新次数来更新模型，以此得到最优预测模型；最后将数据输入模型进行剩余使用寿命预测。本发明在剩余使用寿命预测中加入双重卷积注意力机制，增强对剩余使用寿命预测影响大的传感器数据时间点的关注，充分考虑不同数据时间点对RUL预测的影响，能有效提高RUL预测精度，有利于制定运行规划和维修决策。

主权项：1.一种基于双重卷积注意力机制CNN-GRU网络的剩余使用寿命预测方法，其特征在于，包括以下步骤：步骤一：航空发动机数据集中包含多组传感器数据，选择始终呈现上升趋势或下降趋势的传感器数据。不同传感器数据量纲不同，对数据进行Z-SCORE标准化处理以统一量纲和维度。计算公式为： 式中x'是标准化后传感器数据值，x是原始传感器数据值，μ是传感器数据的平均值，σ是传感器数据的标准差。原始数据中包含大量噪声，对数据进行指数平滑处理，在保持信号趋势的同时滤除冗余特征。采用滑动窗口技术对数据进行切片划分为定长序列，构建训练样本。步骤二：将训练样本输入CNN-GRU网络，通过CNN网络提取训练样本的退化信息后输入双重卷积注意力层。CNN网络中使用四个一维卷积层对训练样本做卷积处理，使用两个最大池化层对卷积结果做池化处理。步骤三：经双重卷积注意力层得到的退化信息通过GRU层，使用一层全连接层对GRU层输出信息进行映射，以输出最终的RUL预测结果。步骤四：使用模型进行剩余使用寿命预测。损失函数选择均方误差函数MSE，计算公式为： 式中，n表示样本个数，Yi表示第i个样本的真实值，Yipre表示第i个样本的预测值。本实例中优化器选择RMSProp优化器，使用学习率衰减策略，初始学习率设置为0.002，每10个epoch衰减为初始学习率的0.1，批处理大小设置为128。本实例的评价指标为均方根误差RMSE和得分函数Score，计算公式为： 式中，n表示样本个数，Yipre表示第i个样本的预测值，Yi表示第i个样本的真实值。将待测样本输入步骤三训练好的模型中，计算出T+1时刻航空发动机剩余使用寿命预测值

全文数据：

权利要求：

百度查询： 北京航空航天大学 一种基于双重卷积注意力机制CNN-GRU网络的剩余使用寿命预测方法