申请/专利权人：中国民航大学

申请日：2023-12-21

公开（公告）日：2024-03-22

公开（公告）号：CN117744488A

主分类号：G06F30/27

分类号：G06F30/27;G01M13/045;G06N3/0464;G06N3/049;G06F119/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明涉及一种空气涡轮起动机轴承剩余寿命预测方法，包括，将获取的轴承的多传感器信号进行归一化处理后再按照采样时间序列进行切片处理，从而得到切片数据集，将多个切片按照切片顺序进行堆叠得到第二三维数据块，通道注意力处理后得到第三三维数据块，残差连接处理后得到第四三维数据块，将第四三维数据块依次经过全连接处理、线性激活处理和密集连接处理后，得到第一预测结果；基于自回归网络得到第二预测结果；基于第一预测结果和第二预测结果得到最终的预测结果。通过深度学习网络和自回归网络，提出的时间卷积网络与自回归模型的融合，并行预测再将结果相加，结合了两种模型的优势，增强了模型的鲁棒性，实现了更高精度的剩余寿命预测。

主权项：1.一种空气涡轮起动机轴承剩余寿命预测方法，其特征在于，包括：获取轴承的多传感器信号；对所述多传感器信号进行归一化处理；将归一化预处理后的多传感器信号按照采样时间序列进行滑窗切片处理，得到切片数据集，所述切片数据集包括多个切片数据；将所述多个切片数据按照切片顺序进行堆叠，形成一个三维的多尺度特征数据块作为第二三维数据块；对所述第二三维数据块中的所有切片数据进行通道注意力处理，得到第三三维数据块；对所述第三三维数据块进行残差连接处理，得到第四三维数据块；将所述第四三维数据块依次经过全连接处理、线性激活处理和密集连接处理后，得到第一预测结果YL；基于自回归网络得到第二预测结果YA，包括：对于任意一个归一化处理后的采样值，公式化为： 其中，表示进行归一化处理后的任意一个传感器i在t时刻的采样值，p表示阶数的索引，P表示预设的最大阶数，1≤p≤P≤T，T表示时间序列的总长度；表示第p阶的参数，可以基于估计算法得到，εt表示预设的t时刻的真实值与预测的误差；综合所有归一化处理后的采样值，得到第二预测结果YA；基于所述第一预测结果YL和第二预测结果YA得到第三预测结果YG，将所述第三预测结果YG作为最终预测结果。

全文数据：

权利要求：

百度查询： 中国民航大学 一种空气涡轮起动机轴承剩余寿命预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD