[发明专利]一种基于DCNN模型的矿井机械设备的剩余寿命预测方法有效
| 申请号： | 201811585914.3 | 申请日： | 2018-12-24 |
| 公开（公告）号： | CN109766930B | 公开（公告）日： | 2020-02-07 |
| 发明（设计）人： | 丁华;杨亮亮;王义亮;王淑平;杨琨 | 申请（专利权）人： | 太原理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 14110 太原晋科知识产权代理事务所(特殊普通合伙) | 代理人： | 任林芳 |
| 地址： | 030024 *** | 国省代码： | 山西;14 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于产品设备的剩余寿命预测或可靠性评估技术领域，具体是一种基于DCNN模型的矿井机械设备的剩余寿命预测方法。包括以下步骤，S100～收集设备从投入使用到完全报废的整个寿命周期的数据，对收集的原始数据进行去噪、缺失值弥补、归一化处理，对于高维数据进行降维处理以及特征提取的预处理。S200～将设备历史运转信息，即投入使用‑报废，划分为训练集和测试集。S300～构建深度卷积神经网络DCNN模型，使模型的学习能力增强，提高预测的准确度，同时能够处理大量数据。S400～基于训练好的模型，利用测试集测试模型预测值，将模型的预测值和实际值做对比，得到模型预测的准确性，对模型预测结果进行评判；S500～可视化预测结果，进行预测剩余寿命分析。 | ||
| 搜索关键词： | 剩余寿命预测 预测 矿井机械 测试集 报废 预处理 卷积神经网络 模型预测结果 归一化处理 可靠性评估 准确度 测试模型 产品设备 高维数据 降维处理 模型预测 设备历史 剩余寿命 收集设备 寿命周期 特征提取 学习能力 预测结果 原始数据 运转信息 可视化 训练集 构建 去噪 评判 分析 | ||
【主权项】：
1.一种基于DCNN模型的矿井机械设备的剩余寿命预测方法,其特征在于：包括以下步骤，/nS100～收集设备从投入使用到完全报废的整个寿命周期的数据，对收集的原始数据进行去噪、缺失值弥补以及归一化处理，对于高维数据进行降维处理以及特征提取的预处理；/nS200～将设备历史运转信息，即投入使用-报废，划分为训练集和测试集；/n步骤S200采取以下方法，/nS201～对经过预处理的数据集进行划分，在数据集划分时，采用分层抽样的方法，即在完整的数据集中，每隔四个数据抽取一个数据，按照这样的顺序一直抽取到数据结束，抽取的数据作为测试集，剩余的作为训练集，则训练集和测试集的比例为4:1；/nS202～设置训练集和预测集的对应标签，/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于太原理工大学，未经太原理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811585914.3/，转载请声明来源钻瓜专利网。
