[发明专利]一种机械系统剩余寿命预测方法及系统

权利要求书

1.一种机械系统剩余寿命预测方法，机械系统包括多个相同型号规格的设备；其特征在于：包括

先将待预测机械系统分成建模用设备和待预测设备，并分别对建模用设备和待预测设备进行数据采集，分别形成训练数据和预测数据；

通过训练数据建立系统退化模型，得到拟合参数和健康指示量阈值；

将预测数据融合得到健康指示量时间序列；

根据拟合参数和健康指示量阈值，通过健康指示量时间序列预测剩余寿命。

2.根据权利要求1所述的机械系统剩余寿命预测方法，其特征在于：还包括验证环节，选择与待预测机械系统相同型号规格的测试用设备，已知测试用设备的实际寿命；对测试用设备进行数据采集得到测试数据；利用测试数据验证系统退化模型的精度。

3.根据权利要求1所述的机械系统剩余寿命预测方法，其特征在于：所述训练数据为对建模用设备其进行全寿命状态检测数据采集的数据。

4.根据权利要求3所述的机械系统剩余寿命预测方法，其特征在于：在建模前，先对训练数据进行数据融合，具体为：

特征筛选，先对训练数据进行特征筛选，得到重要性排名符合要求的多维数据；

归一化处理，将各维数据统一缩放到[0,1]之间，变化公式如下：

x_scale＝(x-min)/(max-min)，其中，

x_scale为归一化后的训练数据的各维数据；x为训练数据的各维数据；max为训练数据的各维数据中的最大值，min为训练数据中各数据中的最小值；

对归一化处理后的各维数据进行降维，得到多个主成分向量，选取最大主成分作为健康指示量。

5.根据权利要求4所述的机械系统剩余寿命预测方法，其特征在于：系统退化建模具体为：令h(t)＝H(t,θ)+ε，H代表退化理论模型，θ为模型参数，ε为噪声；使用如下方程表示健康指示量h随时间t变化的趋势：

h(t)＝exp(a×t+b)+c+ε

其中a、b、c是拟合参数；

对训练数据中每个设备的健康指示量使用拟合技术，求解其参数a、b、c、寿命、失效时的健康指示量failure Hi，记FHi＝mean(failure Hi)，作为健康指示量阈值，其中，mean()为失效时健康指示量的均值。

6.根据权利要求5所述的机械系统剩余寿命预测方法，其特征在于：寿命预测具体为：对所述预测数据进行与训练数据相同的预处理：特征筛选、归一化、降维后，得到健康指示量时间序列h(t)，对参数正常区间的某θ，计算出理论值H(t,θ)，定义损失函数Lose(θ)：

Lose(θ)＝RMSE(h(t),H(t,θ))

RMSE为均方根误差函数；

使用超参数优化算法，寻找最优参数θ^*；

令H(t,θ^*)≧FHi，求解故障时间t'，记t₀为测试数据截止时间，Rul＝t'-t₀即为该设备剩余寿命。

7.一种机械系统剩余寿命预测系统，应用于上述权利要求1至6任一所述的方法，其特征在于：包括

数据采集模块，用以对待预测机械系统进行数据采集，形成训练数据和预测数据；

建模模块，用以建立系统退化模型，得到拟合参数和健康指示量阈值；

数据融合模块，训练数据和预测数据分别通过数据融合模块融合得到；

预测模块，根据拟合参数和健康指示量阈值，预测机械系统剩余寿命。

8.根据权利要求7所述的机械系统剩余寿命预测系统，其特征在于：所建模模块先对所述训练数据进行数据融合，具体为：

特征筛选，先对训练数据进行特征筛选，得到重要性排名符合要求的多维数据；

归一化处理，将各维数据统一缩放到[0,1]之间，变化公式如下：

xscale＝(x-min)/(max-min)

降维，对归一化处理后的各维数据进行降维，得到多个主成分向量，选取最大主成分作为健康指示量。