[发明专利]利用机器学习预测电气参数的方法及装置

说明书

本发明公开了利用机器学习预测电气参数的方法及装置，对电磁继电器和/或与之类似的利用电磁力实现机械动作的一大类装置如电磁阀，获取其动作执行诊断结果组成矩阵，重构为列数固定的矩阵，利用机器学习的方法给定电气参数标签对重构数据进行训练，得到符合预期的神经网络，在需要对继电器等设备进行寿命预测或者其他参数预测时，获取新的重构数据并输入训练得到的神经网络中，即可实现针对继电器等设备的电气参数的预估，包括对电气寿命的预测。

技术领域

本发明涉及机器学习的技术领域，尤其涉及利用机器学习预测电气参数的方法及装置。

背景技术

目前，对电磁继电器和/或与之类似的利用电磁力实现机械动作的一大类装置如电磁阀的预防维护工作主要是故障后维修和定期检修，缺乏在线寿命预测及相应的预防维护和检修系统，难以实现对继电器等设备进行寿命预警的作用，不能科学判断检修时机及提供合理的预防和检修方式，导致维护成本较高。及时获得电气寿命，对于继电器的安全、稳定运行和优化继电器可靠性具有重大意义。因此，需要一种对继电器等设备进行寿命预测的技术。

另外，除了电气寿命，继电器等设备的其他参数也需要被预测。

发明内容

为了克服现有技术的不足，本发明的目的在于提供利用机器学习预测电气参数的方法及装置，旨在解决现有技术无法对继电器等设备的电气参数进行预测的问题。

本发明的目的采用以下技术方案实现：

一种利用机器学习预测电气参数的方法，包括：

组成步骤，依次获取待预测对象的动作执行诊断结果A₁、A₂、……、A_m并组成矩阵，矩阵的列数为m；m为正整数；

重构步骤，当m达到或超过预定值M时，如果再获取到待预测对象的动作执行诊断结果A_m+1，则根据A_m+1对矩阵进行重构，使矩阵列数保持为M；M为正整数；

数据步骤，从重构后的矩阵中得到重构数据；

训练步骤，利用重构数据，给定电气参数标签并进行神经网络训练，得到符合预期的神经网络；

预测步骤，对需要预测电气参数的待预测对象，通过组成步骤、重构步骤、数据步骤得到新的重构数据，并将新的重构数据输入符合预期的神经网络得到最终诊断结果。

在上述实施例的基础上，优选的：

所述组成步骤中，

n为正整数；

则组成的矩阵为：

所述重构步骤，具体为：

当m达到预定值M时，如果再获取到待预测对象的动作执行诊断结果A_m+1，

则设定向量L₁＝[S₁₁，S₁₂，……S_1m]；向量L₂＝[S₂₁，S₂₂，……S_2m]，……，向量L_n＝[S_n1，S_n2，……S_nm]；

对向量L₁进行重构的方法为：

设定向量L₁’＝[S₁₁，S₁₂，……S_1m，S_1(m+1)]；