[发明专利]一种基于动态双极MPNN的小样本数据对象的寿命预测方法

摘要

本发明公开了一种基于动态双极MPNN的小样本数据对象的寿命预测方法，属于小样本寿命预测技术领域，该方法通过收集寿命预测对象的所有可用数据并对其进行寿命预测相关数据预处理和数据相关性分析；得到这些寿命影响因素同预测对象寿命表征参数间函数关系。然后数据映射并得到预测对象的当量数据值；通过改进的MPNN网络进行一次MPNN网络的训练及预测和二次MPNN网络的训练及预测；最后根据预测对象寿命表征参数的寿命终止判据确定预测对象的寿命值。本发明在实际预测对象可用数据很少的不利条件下，能充分利用预测对象寿命影响因素数据，实现小样本数据对象的寿命预测；具有较强的的通用性；寿命预测模型能动态调整神经网络，可不断提升寿命预测精度。

主权项

一种基于动态双极MPNN的小样本数据对象的寿命预测方法，其特征在于：步骤一、收集寿命预测对象的所有可用的寿命预测数据；步骤二、寿命预测相关数据预处理；对步骤一得到的寿命预测数据进行分析和筛选，提取出预测对象的寿命表征参数和寿命影响因素，并对寿命影响因素进行分类，同时，对筛选出的数据进行奇异值剔除、数据降噪的预处理工作；步骤三、数据相关性分析；对步骤二中筛选到的寿命影响因素数据进行相关性分析，从而得到这些寿命影响因素同预测对象寿命表征参数间函数关系；步骤四、数据映射并得到预测对象的当量数据值；利用步骤三得到的在各寿命影响因素的作用下，得到的相似产品同预测对象寿命表征参数间的相关关系，以参考的相似产品数据为基础，映射并得到预测对象寿命表征参数的当量数据值；步骤五、MPNN网络构建；把PNN网络输出层核函数更改为数学期望函数Expect(g)，得到MPNN网络；步骤六、一次MPNN网络的建立、训练及预测；利用预测对象寿命表征参数及其由步骤四得到的当量数据做差分比例处理，构造一次MPNN的训练样本及测试样本；将由上述构造的输入向量、目标向量进行归一化处理，然后输入一次MPNN网络对其进行训练，从而确定一次MPNN网络参数，并利用训练好的一次MPNN神经网络，对寿命表征参数进行预测；步骤七、二次MPNN网络的建立、训练及预测；利用经预处理后预测对象表征寿命参数数据和一次MPNN的预测结果，构造二次MPNN的训练及测试样本，进而开展预测工作，最后根据预测对象寿命表征参数的寿命终止判据确定预测对象的寿命值；步骤八、动态时间窗调整；根据实际对象特点及使用要求，设置相应的动态时间间隔，按照设置的时间间隔，重复上述步骤二到步骤七，对双极MPNN网络进行重新训练和预测。