[发明专利]一种预测健康管理方法及装置、计算机可读存储介质

说明书

本申请公开了一种预测健康管理PHM方法及装置、计算机可读存储介质，所述方法包括：获取传感器采集的数据，将获取的数据按时序加窗划分为多个数据块；通过多线程对划分出的多个数据块进行并行特征提取，并将各个线程提取的特征按类别进行合并，得到合并后的特征数据集；利用得到的特征数据集进行健康评估、故障诊断或剩余寿命预测。本申请通过将传感器采集的数据时序加窗处理划分为多个数据块，然后进行并行特征提取，提供了一种支持并行运算的健康管理平台，提高了装备上PHM系统运算速度和信息分析能力，有效地保障了装备的安全运营。

技术领域

本发明涉及计算机技术领域，具体涉及一种预测健康管理方法及装置、计算机可读存储介质。

背景技术

预测健康管理(Prognostic and Health Management，PHM)是利用各类先进传感器实时监测装备运行状态参数及特征信号，借助智能算法和模型来评估装备健康状态，预测剩余使用寿命，诊断故障类型并在故障发生前提供一系列的故障维修决策的系统。PHM技术是由先进的诊断技术、测试技术装备维修管理理论相结合的产物。装备使用人员与维修人员借助该项技术的故障诊断能力来识别故障类型，从而采取有效的维修方式，有效降低故障风险，节约装备资源，减少因装备故障误诊带来的经济损失。

但是在一些领域，装备的系统结构通常较为复杂，涉及到的零件级、部件级和整机级关键结构部位非常多，从而导致装备结构的损伤和故障复杂多样，诊断过程中亦会受到不确定因素的影响，因此，需要对装备的多个部位进行实时监测，保障装备的安全运营。现有技术实现的装备PHM系统常分为地面PHM系统和装备上PHM系统两部分，但是装备上设备信号处理和信息分析能力有限，只具备关键数据的可靠记录能力和局部的信号处理能力，复杂的故障诊断和健康预测方法则放在地面PHM系统上执行，使得装备的故障诊断和维修建议无法实时或者及时提供，造成对装备安全运营保障的延缓或延误。

发明内容

为了解决上述技术问题，本发明提供了一种预测健康管理方法及装置、计算机可读存储介质，能够提高装备的运算速度。

为了达到本发明目的，本发明实施例的技术方案是这样实现的：

本发明实施例提供了一种预测健康管理方法，包括：

获取传感器采集的数据，将获取的数据按时序加窗划分为多个数据块；

通过多线程对划分出的多个数据块进行并行特征提取，并将各个线程提取的特征按类别进行合并，得到合并后的特征数据集；

利用得到的特征数据集进行健康评估、故障诊断或剩余寿命预测。

进一步地，当通过多个多处理器MP执行所述多线程时，相同MP内部的多线程之间通过共享内存进行数据通信；不同MP之间通过全局内存进行数据通信。

进一步地，所述利用得到的特征数据集进行健康评估，包括：

将所述特征数据集划分为多个子数据集；

通过多线程对划分的各个子数据集同时进行聚类运算，得到各个子数据集的局部聚类结果；

将各个子数据集的局部聚类结果进行归并处理，得到归并后的聚类结果。

进一步地，所述利用得到的特征数据集进行故障诊断或剩余寿命预测，包括：

将所述特征数据集输入预先建立的深度置信神经网络模型；

通过多线程并行吉布斯抽样，根据抽样结果并行计算隐层与显层之间相互被激活的概率，并行更新每个神经元之间的权重以及偏置值；

将更新后的每个神经元之间的权重以及偏置值作为初始化训练参数，对深度置信神经网络进行有监督地训练；

利用训练好的深度置信神经网络进行故障诊断或剩余寿命预测。