[发明专利]一种提升设备剩余寿命预测准确度的方法

权利要求书

1.一种提升设备剩余寿命预测准确度的方法，其特征在于，包括以下步骤：

步骤S1：使用随机森林分类器对未分类的测试集样本进行分类；

步骤S2：运用去噪处理对数据的噪声进行控制和处理，提升预测结果的准确性，减少数据缺失和数据肮脏带来的敏感性问题；

步骤S3：通过长短期记忆网络分析设备状态监测信息，预测设备剩余寿命。

2.根据权利要求1所述的一种提升设备剩余寿命预测准确度的方法，其特征在于，所述步骤S1包括：

步骤S11：分析输入的设备状态监测信息，根据已知的已分类好的训练集确定未分类测试集样本的类型，将这一类型的信息作为训练随机森林时的输出；

步骤S12：对输入的设备状态监测信息进行数据预处理，将同一台设备按每一时刻进行拆开，将某一设备某一时刻的设备状态监测信息作为随机森林训练时的一条输入信息；

步骤S13：在输入的训练集样本中加入人为根据训练集样本类型制定的分类标签，再训练随机森林分类器；

步骤S14：在测试集中的信息将同一台设备按每一时刻进行拆开，随后输入到训练好的随机森林分类器模型中进行测试；

步骤S15：测试结果根据机器做一次投票归类。

3.根据权利要求2所述的一种提升设备剩余寿命预测准确度的方法，其特征在于，所述步骤S13中训练随机森林分类器前需要设定调整随机森林分类器的参数。

4.根据权利要求2所述的一种提升设备剩余寿命预测准确度的方法，其特征在于，所述步骤S15中投票归类采用简单多数制。

5.根据权利要求1所述的一种提升设备剩余寿命预测准确度的方法，其特征在于，所述步骤S2包括：

步骤S21：引入人为加入的噪声，将输入的训练集样本训练特征中的随机一部分数据置0，期间控制好置0数据的比例；

步骤S22：将人为噪音化的数据输入长短期记忆网络模型进行后续的训练测试预测；

步骤S23：得到预测后的结果。

6.根据权利要求1所述的一种提升设备剩余寿命预测准确度的方法，其特征在于，所述步骤S3包括：

步骤S31：根据随机森林分类器分类得到的结果选择已知的某一类训练集样本和与之类型相对应的测试集样本；

步骤S32：准备训练数据；

步骤S33：定义长短期记忆网络的网络架构；

步骤S34：按照设定的参数和训练集样本进行训练网络模型，使用测试集对训练好的网络进行测试验证。

7.根据权利要求6所述的一种提升设备剩余寿命预测准确度的方法，其特征在于，所述步骤S32的训练数据包括删除恒为常值的特征、归一化训练变量、裁减响应和准备填充数据。

8.根据权利要求6所述的一种提升设备剩余寿命预测准确度的方法，其特征在于，所述步骤S33包括设定网络的类型和具体参数。