[发明专利]一种设备剩余寿命预测方法及系统

摘要

本发明属于机械设备状态监测和寿命预测技术领域，并公开了一种设备剩余寿命预测方法及系统。该方法首先需要获取设备多种物理量的历史监测信号，并从中筛选相关度较高的信号；然后为筛选出的信号设置归一化标签并转换为矩阵形式；再构建嵌套式长短期记忆神经网络，使用已知的信号矩阵进行训练，得到设备剩余寿命预测模型；最后利用高斯滤波法进一步优化模型输出，保证输出结果平稳可靠。本发明的方法及采用上述方法的系统能够对设备，尤其是长周期工作和具有耦合故障模式的机械设备的剩余使用寿命和退化状态进行实时精准预测，可实现机械设备故障的提前感知，保证设备的安全、稳定、长期运行。

主权项

1.一种设备剩余寿命预测方法，其特征在于，包括如下离线训练和在线检测阶段：/n离线训练阶段：/n步骤1：获取机械设备多种物理量的历史状态监测信号，包括加速度、温度、压力和位移信号；/n步骤2：对步骤1所获取的多种历史状态监测信号进行筛选，剔除与机械设备退化过程无关和/或相关度较小的信号；/n步骤3：为步骤2中筛选出的历史状态监测信号在所有时刻下，每一时刻设置一个对应的归一化标签值，用于描述当前时刻机械设备的剩余寿命和退化状态；将步骤2筛选出的历史状态监测信号按照时间顺序转化为矩阵形式，矩阵中每一行作为一个向量；按照时间顺序，每个时刻对应矩阵中的一行，矩阵中的每一行对应一个归一化标签值；/n步骤4：将步骤3获得的矩阵逐行输入嵌套式长短期记忆神经网络模型，即将包含各个时刻的状态的向量按照时间顺序一一输入嵌套式长短期记忆神经网络模型，将嵌套式长短期记忆神经网络模型的输出设为归一化标签值，重复训练直至输出的归一化标签值与步骤3中已知的归一化标签值相符，结束训练，得到设备剩余寿命预测模型；/n在线检测阶段：/n步骤5：按照步骤2中筛选出的历史状态监测信号类型进行实时采集，将实时采集的状态监测信号输入到设备剩余寿命预测模型中，然后对设备剩余寿命预测模型当前时刻的实时预测结果以及当前时刻之前所有时刻的预测结果，进行高斯滤波，取高斯滤波之后的预测结果作为当前时刻的最终寿命预测结果。/n