申请/专利权人：江苏科技大学

申请日：2024-01-19

公开（公告）日：2024-04-19

公开（公告）号：CN117910351A

主分类号：G06F30/27

分类号：G06F30/27;G06N3/0455;G06N3/0464;G06F17/16;G06F119/04

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明公开一种数模联动随机退化刀具剩余寿命预测方法，包括：S1：获取历史多源传感检测数据；S2：构建寿命预测模型；S3：构建剩余寿命预测精度的优化目标函数；S4：判断是否满足预测精度要求；S5：输出在线复合健康指标；S6：通过EM法自适应更新退化模型参数；S7：根据网络参数和退化模型参数，进行剩余寿命在线预测；S8：对预测结果精确度进行验证；通过Transformer网络实现多源传感器数据至刀具复合健康指标的映射，用门控卷积单元将局部特征纳入注意机制，缓解深层神经网络结构中的信息衰减，提高模型对局部信息的敏感性；利用数模联动方法，将失效状态、随机退化模型中的失效阈值、和失效时刻的复合健康指标统一，使健康状态和复合健康指标相统一。

主权项：1.一种数模联动随机退化刀具剩余寿命预测方法，其特征在于：包括以下步骤：S1：获取历史多源传感检测数据：通过多源传感检测数据集获取退化刀具的历史多源传感检测数据，对历史多源传感检测数据进行最大最小归一化处理，并进行相关性分析，并提取出相关性最高的传感器数据；S2：构建寿命预测模型：所述寿命预测模型包括Transformer网络和随机退化模型，分别构建Transformer网络以及随机退化过程模型以得到寿命预测模型；S201：构建Transformer网络；S202：构建历史复合健康指标；S203：构建随机退化过程模型并进行参数估计，并计算剩余寿命的数学期望；S3：构建剩余寿命预测精度的优化目标函数，通过最小化目标函数，得出剩余寿命预测精度的误差值LOSS；S4：判断误差值LOSS是否满足预测精度要求，若是，则保存寿命预测模型中的网络参数和退化模型参数；若否，则返回S2；S5：通过多源传感检测数据集获取在线多源传感检测数据，并将S4中的网络参数和退化模型参数代入S2中的Transformer网络，输出在线复合健康指标；S6：将系统运行至当前时刻的所有监测数据输入S2所构建的寿命预测模型，通过EM法自适应更新退化模型参数；S7：根据S4中的网络参数和S6中的退化模型参数，进行剩余寿命在线预测；S8：对预测结果精确度进行验证：将在线预测结果和刀具真实寿命作为输入，获得平均预测得分、预测准确率和均方误差。

全文数据：

权利要求：

百度查询： 江苏科技大学 一种数模联动随机退化刀具剩余寿命预测方法

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