[发明专利]一种基于改进变分自动编码的装备退化多源数据融合方法

说明书

本发明公开了一种基于改进变分自动编码的装备退化多源数据融合方法，利用对数正态分布作为变分自动编码器的隐变量的先验分布，构建相应的代价函数正则化表达，结合数据归一化和模型批处理训练，获取退化多源数据的融合结果。本发明利用对数正态分布作为变分自编码的隐变量的先验分布，并构建相应的正则化表达，以保留退化状态的异方差先验信息。

技术领域

本发明涉及退化建模与剩余寿命预测领域，具体涉及一种基于改进变分自动编码的装备退化多源数据融合方法。

背景技术

随着科学技术与工业水平的不断发展，机械设备结构日益复杂，工作环境要求日益苛刻，用户对机械设备的可靠性和安全性要求也越来越高。因此，对机械设备的退化状态进行有效提取，及时发现设备运行的异常状态信息，对保障机械设备安全可靠运行具有重要意义。

机械设备的退化信息往往蕴含于多源多物性传感器监测获取的设备状态信息中，如何对多传感器获取信息进行有效融合，获取综合的退化信息，是进行设备退化状态提取和剩余寿命预测的关键一步。常用的多源信息融合方法主要基于降维方法，如主成分分析、核主成分分析和自动编码器等。这些方法主要聚焦于让融合结果尽量多的保留多源数据的全部信息。然而，用于剩余寿命预测的退化特征，往往具有前期不确定度比较大，末段不确定度比较小的异方差数据结构。上述方法往往会丢失了融合结果自身异方差的先验信息。

发明内容

本发明的目的在于一种基于改进变分自动编码的装备退化多源数据融合方法，以克服上述现有技术存在的缺陷，本发明利用对数正态分布作为变分自编码的隐变量的先验分布，并构建相应的正则化表达，以保留退化状态的异方差先验信息。

为达到上述目的，本发明采用如下技术方案：

一种基于改进变分自动编码的装备退化多源数据融合方法，利用对数正态分布作为变分自动编码器的隐变量的先验分布，构建相应的代价函数正则化表达，结合数据归一化和模型批处理训练，获取退化多源数据的融合结果。

进一步地，包括以下步骤：

步骤1：构建三层网络结构的对数正态分布变分自动编码器网络模型，所述三层网络结构包括编码层、重采样层和解码层；

步骤2：对退化多源数据进行归一化，建立用于步骤1构建的对数正态分布变分自编码器网络模型的训练、测试样本集；

步骤3：利用变分贝叶斯原理，推导对数正态分布变分自编码器网络模型对应的KL散度正则化表达；

步骤4：设置步骤1构建的对数正态分布变分自编码器网络模型的训练参数，并初始化模型权重；

步骤5：利用训练样本集数据对模型进行训练，迭代更新模型训练参数，并通过测试集对训练结果进行验证，获取多源数据融合结果。

进一步地，步骤2所述的编码层包含均值网络和方差网络，均值网络的权重和偏置表示为：W_mean、b_mean，方差网络的权重和偏置表示为：W_var和b_var，对数正态分布对应的参数μ和σ分别表达为：

μ＝W_mean+b_mean

σ＝W_var+b_var

所述重采样层能够经过单次采样获取隐含层状态并传送至解码层进行原样本解码。

进一步地，步骤3中对数正态分布变分自动编码器对应的KL散度正则化表达为：