[发明专利]基于Kalman滤波的ESN的涡轮发电机的分类子模型的剩余寿命预测方法

权利要求书

1.基于Kalman滤波的ESN的涡轮发电机的分类子模型的剩余寿命预测方法，其特征在于，它包括下述步骤：

步骤一、对100个测试数据单元进行分类，得到k个测试数据集合；每个测试数据集合对应一个ESN的涡轮发电机的分类子模型，每个ESN的涡轮发电机的分类子模型的参数不同，k个ESN的涡轮发电机的分类子模型组成分类子模型库；E表示测试数据单元的个数，

测试数据单元为ESN的涡轮发电机的分类子模型的一组数据集，该组数据集包含E个涡轮发动机的数据单元，其中，E＝100，

每一个测试数据单元为24维数据，该24维数据中的3维数据表示涡轮发动机操作条件数据，剩余的21维表示传感器采集的涡轮发动机状态数据，

步骤二、将步骤一的每个测试数据输入与该数据集合对应的ESN的涡轮发电机的分类子模型进行运算得到该测试数据的剩余寿命预测值。

2.根据权利要求1所述的基于Kalman滤波的ESN的涡轮发电机的分类子模型的剩余寿命预测方法，其特征在于，步骤一所述的对100个测试数据单元进行分类，得到k个测试数据集合的具体步骤为：

步骤一一、数据初始值，U100，i＝1，

步骤一二、随机选取U个已知的训练数据单元中的一个训练数据单元作为一个ESN的涡轮发电机的分类子模型的输入输出数据，同时将所述的被选择的训练数据单元删除，U表示已知的训练数据单元的个数；通过交叉验证法选取使得与该子模型输出结果最好储备池参数，建立第i个Kalman滤波的ESN的涡轮发电机的分类子模型；

训练数据单元包含100个涡轮发动机的数据单元，所述的100个涡轮发动机均属于同一生产批次，且100个涡轮发动机在开始试验之前的初始剩余寿命不同，

每个数据单元为24维数据，该24维数据中的3维数据表示涡轮发动机操作条件数据，剩余的21维表示传感器采集的涡轮发动机状态数据，

步骤一三、将测试数据单元依次输入至第i个ESN的涡轮发电机的分类子模型进行剩余寿命预测，并计算相应的剩余寿命，选择测试单元的剩余寿命与该测试单元的设计的剩余寿命之间的误差小于或等于10的测试单元加入第i组分类数据，同时将所述测试数据单元删除；

步骤一四、判断U是否大于90，判断为是，则执行步骤一三；判断为否，则结束训练，删除剩余的测试数据单元，令k＝i，得到k个测试数据集合和k个ESN的涡轮发电机的分类子模型；

步骤一五、则令i i+1,U U-1，并返回执行步骤一二，进行下一轮判断。

3.根据权利要求2所述的基于Kalman滤波的ESN的涡轮发电机的分类子模型的剩余寿命预测方法，其特征在于，步骤一二所述的通过交叉验证法选取使得与该子模型输出结果最好储备池参数，建立第i个Kalman滤波的ESN的涡轮发电机的分类子模型的具体步骤为：

A、训练阶段，建立Kalman滤波的ESN的涡轮发动机的数学模型，根据已知的输入单元u(n)和已知的输出单元y(n-l)，采用Kalman滤波的ESN的涡轮发动机的数学模型的内部处理单元的更新方程和Kalman滤波求得输出权值矩阵W^out，

B、在测试阶段，被测涡轮发动机在正常运行时，通过传感器测量获得涡轮发动机的24维数据作为输入单元的数据集；结合步骤一训练后的Kalman滤波的ESN的涡轮发动机的数学模型的输出单元和输出权值矩阵W^out，采用训练后的Kalman滤波的ESN的涡轮发动机的数学模型的输出单元的方程求得待测ESN的涡轮发动机的剩余寿命预测值。