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:浙江工业大学
摘要:本发明属于寿命预测技术领域,具体涉及一种可解释旋转机械全寿命周期服役性能退化评估方法。采用多源传感器监测旋转机械的设备随机退化过程,获取原始数据,采用小波包分解和最大‑最小归一化对原始数据进行预处理;通过KNN对选中的多源传感器构建网络拓扑图,采用GCN将预处理后的原始数据聚合成一维复合健康指标;构建随机退化模型,计算预测剩余寿命和预测剩余寿命的方差;构建以设备剩余使用寿命的预测误差、预测不确定性为中心的损失函数,通过Adam优化器自动更新随机退化模型的参数至算法收敛,得到退化评估结果。本发明在数据模型交互框架的模型层面,通过改进的包含多重不确定性的线性维纳过程来对随机退化过程进行优化建模。
主权项:1.一种可解释旋转机械全寿命周期服役性能退化评估方法,其特征在于,所述可解释旋转机械全寿命周期服役性能退化评估方法,包括:采用多源传感器监测旋转机械的设备随机退化过程,获取原始数据,采用小波包分解和最大-最小归一化对原始数据进行预处理;通过KNN对多源传感器构建网络拓扑图,根据网络拓扑图采用图卷积神经网络将预处理后的原始数据聚合成一维的复合健康指标,用公式表示如下: ; ;其中,表示第个设备的网络拓扑图,表示由第个设备的第个传感器监测样本时间序列构建的节点向量,表示由第个设备的第个传感器在时刻的监测样本,,表示转置,表示第个设备的网络拓扑图中每个节点的邻居个数,表示KNN的构图函数;表示第个设备的复合健康指标,表示第个设备在时刻的退化水平,表示监测样本时间戳的个数,表示第个设备的所有传感器构成的特征矩阵,表示图卷积神经网络,FC表示全连接层,表示图卷积神经网络的权重系数,是全连接层中的待训练的网络参数;构建基于漂移系数不确定性、布朗运动不确定性和失效阈值不确定性的随机退化模型,根据随机退化模型得到设备的退化水平,根据复合健康指标和退化水平计算设备的预测剩余寿命和预测剩余寿命的方差,根据退化水平计算设备的实际剩余寿命;构建损失函数,所述损失函数包括预测剩余寿命与实际剩余寿命的误差、预测剩余寿命的方差与实际剩余寿命的方差之间的误差,通过Adam优化器自动更新随机退化模型的参数至收敛,通过训练完的随机退化模型得到退化评估结果。
全文数据:
权利要求:
百度查询: 浙江工业大学 一种可解释旋转机械全寿命周期服役性能退化评估方法
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。