[发明专利]基于集成双向循环神经网络的设备剩余使用寿命预测方法有效
| 申请号： | 201910465467.6 | 申请日： | 2019-05-30 |
| 公开（公告）号： | CN110245745B | 公开（公告）日： | 2021-08-03 |
| 发明（设计）人： | 吴军;胡奎;陈作懿;严喆;邓超;邵新宇 | 申请（专利权）人： | 华中科技大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 华中科技大学专利中心 42201 | 代理人： | 孔娜;曹葆青 |
| 地址： | 430074 湖北*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于机械设备剩余使用寿命预测相关技术领域，其公开了一种基于集成双向循环神经网络的设备剩余使用寿命预测方法，该方法包括以下步骤：(1)获取样本设备的状态监测数据；(2)构建样本设备的多个具有不同网络结构的双向循环神经网络，基于所述状态监测数据依次对多个双向循环神经网络进行训练及校验，继而根据校验结果分类选择多个双向循环神经网络中预测效果排在前预定数量的双向循环神经网络；(3)采用集成学习算法对选择的双向循环神经网络进行集成以得到剩余使用寿命预测模型；(4)所述剩余使用寿命预测模型基于待预测设备的实时状态监测数据实时预测该待预测设备的剩余使用寿命。本发明提高了预测精度，灵活性较好。 | ||
| 搜索关键词： | 基于 集成 双向 循环 神经网络 设备 剩余 使用寿命 预测 方法 | ||
【主权项】：
1.一种基于集成双向循环神经网络的设备剩余使用寿命预测方法，其特征在于，该方法包括以下步骤：(1)获取样本设备在多种操作模式下的全寿命周期内的状态监测数据，并对不同操作模式下的状态监测数据分别进行归一化处理；(2)构建样本设备的多个具有不同网络结构的双向循环神经网络，基于所述状态监测数据依次对多个双向循环神经网络进行训练及校验，继而根据校验结果分类选择多个双向循环神经网络中预测效果排在前预定数量的双向循环神经网络，选择的双向循环神经网络包括多个类型的双向循环神经网络；(3)采用集成学习算法对选择的双向循环神经网络进行集成以得到剩余使用寿命预测模型；(4)将待预测设备的实时状态监测数据输入到所述剩余使用寿命预测模型，所述剩余使用寿命预测模型依据接收到的状态监测数据实时预测该待预测设备的剩余使用寿命。
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华中科技大学，未经华中科技大学许可，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/201910465467.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于多层感知器的摔倒检测方法
- 下一篇：一种BP神经网络学习率的改进方法
