[发明专利]基于DA-TCN的设备剩余使用寿命的估计方法及系统

权利要求书

1.基于DA-TCN的设备剩余使用寿命的估计方法，其特征是，包括：

获取若干个传感器采集的待估计设备的数据；

对获取的数据进行预处理；

将预处理后的数据输入到用于估计设备剩余使用寿命的DA-TCN模型中，输出待估计设备的剩余使用寿命；

用于估计设备剩余使用寿命的DA-TCN模型的训练步骤包括：

S31：构建DA-TCN模型；

S32：构建训练集；所述训练集为已知设备剩余使用寿命的设备数据；

S33：利用训练集对DA-TCN模型进行训练，得到于估计设备剩余使用寿命的DA-TCN模型；

所述S31中，构建DA-TCN模型；DA-TCN模型具体包括：

依次连接的输入层、第一注意力机制层、若干并联的TCN网络、第二注意力机制层、第一全连接层、第二全连接层和输出层；

所述输入层，用于输入预处理后的设备数据，所述预处理后的设备数据包括：各个传感器采集的设备数据；每个传感器采集设备的一种数据，每一种数据均是按照设定间隔的时间点进行采集的；

所述第一注意力机制层，用于对各个传感器采集的数据进行处理得到每个传感器的权重；进而得到对每个传感器采集的数据加权处理后的结果；

所述TCN网络，用于对每个传感器采集的数据加权处理后的结果进行特征提取；

所述第二注意力机制层，用于计算采集数据时的每个时间点的权重，对TCN输出数据在每个时间点的进行加权处理；

所述第一全连接层，用于将第二注意力机制层输出矩阵进行一维化，作为第一全连接层的输入；将输入的特征空间线性变换到另一个特征空间；将线性变换结果作为输出；

所述第二全连接层，用于基于第一全连接层的输出值预测RUL值；

所述输出层，用于输出RUL预测结果。

2.如权利要求1所述的方法，其特征是，对获取的数据进行预处理；包括：

S21：对每个传感器的时间序列数据进行归一化处理；

S22：计算每个传感器的时间序列数据的平均值；

S23：计算时间步长与时间序列数据之间的回归系数。

3.如权利要求1所述的方法，其特征是，所述第一注意力机制层，包括：彼此连接的softmax函数和乘法器；

softmax函数对每个传感器采集的数据进行处理，得到该传感器的权重；

基于该传感器的权重、传感器采集的数据和乘法器，得到对传感器采集的数据加权后的结果。

4.如权利要求1所述的方法，其特征是，所述第二注意力机制层，包括：彼此连接的softmax函数和乘法器；

第二注意力机制层，即注意力机制加权时间节点：TCN的输出在时间维度上被第二注意力机制层加权。