[发明专利]一种机电设备故障诊断与健康趋势预测方法及系统

权利要求书

1.一种机电设备故障诊断与健康趋势预测方法，其特征在于，包括：

实时获取机电设备数据序列；采用规范化方法对所述机电设备数据序列进行预处理，得到规范化数据序列；

采用一维卷积网络对所述规范化数据序列进行特征的提取和选择，得到设备运行特征；

对所述设备运行特征进行膨胀卷积操作，得到时间序列设备运行特征；

对所述时间序列设备运行特征与所述设备运行特征进行时空特征融合，得到融合特征；

采用注意力机制对所述融合特征进行元素计算，得到查询相似度；根据所述查询相似度得到相应的注意值；

根据所述注意值，得到机电设备运行状态，和/或，健康趋势。

2.根据权利要求1所述的机电设备故障诊断与健康趋势预测方法，其特征在于，所述规范化方法是对所述机电设备数据序列{x₁,x₂,x₃,...,x_n}进行线性变换处理，得到所述规范化数据序列{y₁,y₂,y₃,...,y_n}∈[0,1]；变换公式如下：

其中，y_i表示{y₁,y₂,y₃,...,y_n}∈[0,1]中第i个数据，x_i表示{x₁,x₂,x₃,...,x_n}中第i个数据，x_j表示{x₁,x₂,x₃,...,x_n}中的所有数据。

3.根据权利要求1所述的机电设备故障诊断与健康趋势预测方法，其特征在于，所述采用一维卷积网络对所述规范化数据序列进行特征的提取和选择，得到设备运行特征具体包括：

采用N*N卷积核对所述规范化数据序列进行特征的提取，得到提取特征；

采用池化区对所述提取特征进行选择，得到所述设备运行特征。

4.根据权利要求1所述的机电设备故障诊断与健康趋势预测方法，其特征在于，对所述设备运行特征进行膨胀卷积操作，得到时间序列设备运行特征具体包括：

对所述设备运行特征上进行膨胀卷积操作关联时间维度，得到所述时间序列设备运行特征；公式如下：

其中s为所述规范化数据序列上的元素，d为膨胀卷积中的膨胀因子，f为滤波器，k为滤波器f的长度。

5.根据权利要求1所述的机电设备故障诊断与健康趋势预测方法，其特征在于，对所述时间序列设备运行特征与所述设备运行特征进行时空特征融合具体包括：

采用双向传播当前所述时间序列设备运行特征与所述设备运行特征进行时空特征融合，输出所述融合特征。

6.根据权利要求1所述的机电设备故障诊断与健康趋势预测方法，其特征在于，所述采用注意力机制对所述融合特征进行元素计算，得到查询相似度；根据所述查询相似度得到相应的注意值具体包括：

采用相似性准则G对所述融合特征进行计算，得到查询项q的相似性和键K的相似性；所述查询相似度为所述相似性准则G；

根据所述相似性准则G、所述查询项q和所述键K，得到所述融合特征的分数β，具体公式如下：

β_i＝G(q,K_i)；

采用Softmax函数对所述分数β进行归一化，得到重要性权重α，具体公式如下：

将所述重要性权重α与对应值进行加权求和计算，得到所述注意值Attetion，具体公式如下：

其中V为所述对应值。