[发明专利]一种机械设备的剩余寿命预测方法及装置

权利要求书

1.一种机械设备的剩余寿命预测方法，其特征在于，包括：

获取预设时间段内机械设备的各个状态参数各自对应的状态数据；其中，所述状态参数是预设的；

根据各个所述状态参数各自对应的状态数据和单层感知机模型，获得中间预测结果；其中，所述单层感知机模型是预设的；

根据所述中间预测结果和剩余寿命预测反向传播神经网络模型，预测所述机械设备的剩余寿命；其中，所述剩余寿命预测反向传播神经网络模型是预先建立的；

其中，所述单层感知机模型的输出层的转移函数为：

其中，y_j为所述单层感知机模型的输出层的第j个输出层节点的输出值，其中，C_i为所述单层感知机模型的输入层的第i个输入层节点的连接权值，n为所述单层感知机模型的输入层的输入层节点数量，H_i是根据所述单层感知机模型的输入层的第i个输入层节点对应的状态数据获得的，θ_j为所述单层感知机模型的输出层的第j个输出层节点的第一阈值，所述连接权值和所述第一阈值是预设的；

其中，所述H_i是根据所述单层感知机模型的输入层的第i个输入层节点对应的状态数据获得的包括：

对所述单层感知机模型的输入层的第i个输入层节点对应的状态数据进行聚类分析，获得第一预设数量个簇，所述第一预设数量个簇包括m-1个正常状态簇和一个异常状态簇；其中，m为所述第一预设数量；

根据m-1个所述正常状态簇中每个所述正常状态簇的状态数据数量，获得所述正常簇的状态数据数量的平均值，并获得所述正常簇的状态数据数量的平均值与预设值的乘积的结果；

将m-1个所述正常状态簇的每个所述正常状态簇的状态数据数量与所述乘积的结果进行比较，获得所述正常状态簇的状态数据数量小于所述乘积的结果的正常状态簇；

根据所述异常状态簇的状态数据数量和所述正常状态簇的状态数据数量小于所述乘积的结果的正常状态簇的状态数据数量，获得异常状态数据数量；

根据所述第一预设数量个簇的状态数据数量和所述异常状态数据数量获得H_i。

2.根据权利要求1所述的方法，其特征在于，所述对所述单层感知机模型的输入层的第i个输入层节点对应的状态数据进行聚类分析，获得第一预设数量个簇，所述第一预设数量个簇包括m-1个正常状态簇和一个异常状态簇包括：

从所述单层感知机模型的输入层的第i个输入层节点对应的状态数据中随机选取m-1个所述状态数据，将m-1个所述状态数据中各个所述状态数据分别作为所述正常状态簇的聚类中心，并计算m-1个所述正常状态簇的聚类中心的平均值作为初始平均值；

计算所述单层感知机模型的输入层的第i个输入层节点对应的状态数据中每个所述状态数据与所述初始平均值之间的距离；

若判断获知所述距离大于第二阈值，则将所述距离对应的状态数据归入所述异常状态簇；

若判断获知所述距离小于或者等于所述第二阈值，则将所述距离对应的状态数据归入与m-1个所述状态数据中距离最近的状态数据对应的正常状态簇；

在对所述单层感知机模型的输入层的第i个输入层节点对应的状态数据一次聚类完成之后，根据m-1个所述正常状态簇的状态数据重新计算m-1个所述正常状态簇的聚类中心，并将重新计算获得的m-1个所述正常状态簇的聚类中心的平均值作为当前平均值；

若判断获知所述当前平均值等于所述初始平均值，则输出m-1个所述正常状态簇和一个所述异常状态簇作为所述第一预设数量个簇；否则，更新所述初始平均值为所述当前平均值，并更新m-1个所述正常状态簇的聚类中心重新进行聚类，直到重新聚类之后获得的所述当前平均值等于重新聚类的所述初始平均值。

3.根据权利要求1所述的方法，其特征在于，所述根据所述第一预设数量个簇的状态数据数量和所述异常状态数据数量获得H_i包括：

根据公式计算获得H_i，其中，Q_异为所述异常状态数据数量，Q_总为所述第一预设数量个簇的状态数据数量。