申请/专利权人：浙江工业大学之江学院

申请日：2021-06-17

公开（公告）日：2024-04-30

公开（公告）号：CN113553759B

主分类号：G06F30/27

分类号：G06F30/27;G06F30/28;G06N3/045;G06N3/0464;G06N3/044;G06N3/048;G06N3/08;G06F119/04;G06F119/14

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2021.11.12#实质审查的生效;2021.10.26#公开

摘要：本申请提供了一种水泵剩余使用寿命预测方法、装置、设备及存储介质，涉及工业设备维护技术领域。该方法包括：采集水泵的振动信息、压力值信息以及水泵流量值信息；对振动信息进行时频域信息提取，构建水泵的特征集；对特征集进行数据降维，对降维后的特征集进行预测，确定水泵的剩余使用寿命。本申请实施例通过获取水泵在运行时的各种信息，通过预设的预测模型提取水泵的特征进行预测，充分考虑了水泵的各种运行数据，预测结果更加准确，并且通过对振动信息提取时频域信息，与水泵进出口压力和水泵流体流量值构建输入，使寿命预测更加准确，保证水泵剩余寿命预测的准确性，便于维护人员对水泵进行维护或更换，提高生产的安全性。

主权项：1.一种水泵剩余使用寿命预测方法，其特征在于，包括：每隔预设的时间间隔，采集所述水泵的振动信息、压力值信息以及水泵流量值信息；对所述振动信息进行时频域信息提取，确定多个所述时频域信息；基于所述多个时频域信息、所述压力值信息以及所述水泵流量信息构建所述水泵的特征集；采用预设的分析方法对所述特征集进行数据降维，得到降维后的特征集；对所述降维后的特征集以滑动窗口构建输入样本，并采用预训练好的预测模型对所述输入样本进行预测，确定所述水泵的剩余使用寿命；所述每隔预设的时间间隔，采集所述水泵的振动信息、压力值信息以及水泵流量值信息，包括：每隔时间间隔T，采集所述水泵泵体、基座以及驱动端的振动信息xkn，采集所述水泵进出口压力值mj，采集所述水泵流量大小q，其中，k∈{1,2,3}，x1n、x2n、x3n分别表示所述水泵泵体的振动信息、所述基座的振动信息以及所述驱动端的振动信息，n表示采样点数；j∈{1,2}，m1、m2分别表示进口压力和出口压力；所述对所述振动信息进行时域信息提取，确定多个所述时域信息，包括：对所述xkn提取如下时域信息：均值记为zk1；方差记为zk2；均方根值记为zk3；峰-峰值Peakk＝maxxki-minxki,记为zk4；峰态系数记为zk5；峰值因子记为zk6；波形因子记为zk7；脉冲因子记为zk8；偏度系数记为zk9；裕度系数记为zk10；峭度系数记为zk11；对所述xkn提取频域域信息，并求取所述振动信息的自相关函数，对所述自相关函数进行快速傅立叶变换，得到频率f和功率谱值Sf，其中，均方频率记为zk12；重心频率记为zk13；频率方差记为zk14；所述基于所述多个时频域信息、所述压力值信息以及所述水泵流量信息构建所述水泵的特征集包括：将针对采样t时刻采集的振动信息提取的时频域信息记为表示第p个时频域信息；将所述压力值记为将所述水泵流量值信息记为Lt＝{qt}；构建特征并将多条所述特征X构建为特征集Dinput；所述采用预设的分析方法对所述特征集进行数据降维，得到降维后的特征集，包括：对所述特征集Dinput的每个数据dij标准化，其中，dij代表特征集Dinput中第i行第j列的数据，标准化公式为： 其中，是第j个特征的均值，计算公式为：sj是第j个特征的标准差，计算公式为：标准化后的特征集Dinput记为Ainput；计算Ainput的相关系数矩阵R，计算公式为： 采用预设的迭代方法计算所述相关系数矩阵R的特征值λ1，…，λn，和对应的特征向量v1，…，vn；将所述特征值按降序排列得λ’1…λ’n，并分别将各所述特征值对应的特征向量进行对应得v’1，…，v’n；通过施密特正交化方法单位正交化调整后的特征向量，得到α1，…，αn；计算第l个特征值的贡献率，计算公式为： 计算l个特征值的累积贡献率，计算公式为： 根据预设的提取效率tp，当BSltp，提取前l个特征向量α1，…，αl作为主成分；计算已标准化的特征集Ainput在提取出的所述主成分上的投影A’input＝Ainput·α，α＝α1，…，αl，A’input是降维后的特征集；所述对所述降维后的特征集以滑动窗口构建输入样本，并采用预训练好的预测模型对所述输入样本进行预测，确定所述水泵的剩余使用寿命，包括：对所述降维后的特征集以滑动窗口构建输入样本，其中，所述，滑动窗口宽为特征集维度Dim＝l，长为Lwin；采用所述预测模型的第一层对所述输入样本进行局部特征提取，得到局部特征，其中，所述第一层为一维卷积神经网络层，卷积核宽为特征维度Dim，卷积核大小记为Lcon，卷积核数量记为Ncon，所述局部特征为Lwin×Ncon的数据矩阵；采用所述预测模型的第二层对所述局部特征进行时序特征提取，得到第二特征，其中，所述第二层包括两层LSTM层，所述两层LSTM分别设置有激活函数、神经元个数、以及Dropout；采用所述预测模型的第三层对所述第二特征进行预测，得到所述水泵的剩余使用寿命，其中，所述第三层为三个全连接层。

全文数据：

权利要求：

百度查询： 浙江工业大学之江学院 水泵剩余使用寿命预测方法、装置、设备及存储介质

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