[发明专利]基于循环神经网络的工业设备剩余寿命预测方法

摘要

本发明提供一种基于循环神经网络的工业设备剩余寿命预测方法，包括步骤：S1：获取工业设备的设备数据；S2：对设备数据进行预处理；S3：使用变分自编码器对预处理数据进行特征提取并分类；S4：将分类结果转化为独热编码并与设备数据拼接，获得第一输入数据；S5：对第一输入数据提取高维特征；S6：对高维特征进行线性叠加形成注意力层；S7：将注意力层与待预测序列的数据融合，并输入解码器中，获得多个预测结果；S8：利用核密度估计拟合其方差与预测结果分位点的函数关系获得最优分位点，作为最终预测结果。本发明的一种基于循环神经网络的工业设备剩余寿命预测方法，具有优良建模能力，并提升了对工业设备剩余寿命预测的准确度。

主权项

1.一种基于循环神经网络的工业设备剩余寿命预测方法，包括步骤：S1：获取一工业设备的设备数据，所述设备数据包括测量数据和故障报告；S2：对所述设备数据进行数据清洗、标准化和简化，获得预处理数据；S3：使用一变分自编码器对所述预处理数据进行特征提取并分类，获得分类结果；S4：将所述分类结果转化为独热编码并与所述设备数据拼接，获得第一输入数据；S5：将所述第一输入数据输入一序列对序列预测模型的编码器中，所述编码器对所述第一输入数据提取高维特征；S6：对所述高维特征进行线性叠加形成注意力层；S7：将所述注意力层与一待预测序列的数据融合，获得第二输入数据；将所述第二输入数据输入所述序列对序列预测模型的解码器中，获得多个预测结果，且每一时刻对应多个不同的所述预测结果；S8：利用核密度估计拟合其方差与预测结果分位点的函数关系，获得一最优分位点，并将所述最优分位点作为最终预测结果。