[发明专利]工程机械部件剩余寿命的预测模型建立方法及预测方法

权利要求书

1.一种机械部件剩余寿命预测模型建立方法，其特征在于，包括：

获得训练数据集，其中的每一条样本包括所述机械部件在连续W个时间步的状态监测数据以及所述机械部件在最后一个时间步的剩余寿命；W∈R⁺；

建立初始神经网络模型，其以机械部件在连续W个时间步t～t+W-1的状态监测数据为输入，用于预测机械部件在最后一个时间步t+W-1的剩余寿命；所述初始神经网络模型包括：第一注意力网络，用于基于自注意力机制获取状态监测数据中各时间步的注意力权重并赋予相应的时间步，得到第一特征Z；时间卷积网络，用于对所述第一特征Z进行特征提取，得到第二特征U；第二注意力网络，用于获取所述第二特征U中各通道的注意力权重并赋予相应的通道，得到第三特征以及预测模块，用于对所述第三特征中的各通道特征进行融合并激活，以得到机械部件在最后一个时间步t+W-1的剩余寿命；

利用所述训练数据集对所述初始神经网络模型进行训练，以获得所述机械部件剩余寿命预测模型。

2.如权利要求1所述的机械部件剩余寿命预测模型建立方法，其特征在于，所述第一注意力网络包括自注意力网络或者多头自注意力网络。

3.如权利要求1所述的机械部件剩余寿命预测模型建立方法，其特征在于，所述第一注意力网络包括自注意力网络时，所述第一注意力网络还包括残差连接；

所述自注意力网络，用于基于自注意力机制获取状态监测数据中各时间步的注意力权重并赋予相应的时间步，得到第四特征A：

所述残差连接，用于将所述第四特征A与待学习的权重W_a相乘后与输入的检测数据相加，得到所述第一特征Z。

4.如权利要求2或3所述的机械部件剩余寿命预测模型建立方法，其特征在于，所述自注意力网络中，query值Q、key值K和value值V分别由三个1×1卷积层对输入的状态监测数据进行卷积操作后得到。

5.如权利要求1～3任一项所述的机械部件剩余寿命预测模型建立方法，其特征在于，所述第二注意力网络为压缩激励机制网络。

6.如权利要求1～3任一项所述的机械部件剩余寿命预测模型建立方法，其特征在于，获得训练数据集，包括：

将已知状态监测数据归一化之后，利用长度为W的滑动窗口在已归一化的状态监测数据上沿时间步增大的方向滑动，每次截取滑动窗口内的状态监测数据，并将机械部件在状态监测数据最后一个时间步的剩余寿命作为对应标签，由所截取的状态监测数据和对应标签构成一条样本，并由所有样本构成所述训练数据集。

7.如权利要求6所述的机械部件剩余寿命预测模型建立方法，其特征在于，所述滑动窗口的滑动步长为l＝1。

8.如权利要求1～3任一项所述的机械部件剩余寿命预测模型建立方法，其特征在于，所述预测模块包括：

全连接层，用于将所述第三特征按通道拼接为一维向量，以对所述第三特征中的各通道特征进行融合，得到融合特征；

以及激活函数层，用于对所述融合特征进行激活，以将其映射为机械部件在最后一个时间步t+W-1的剩余寿命。

9.一种机械部件剩余寿命预测方法，其特征在于，包括：

获取所述机械部件在待预测时间步及其前W-1个连续时间步的状态监测数据，并进行归一化处理，得到预测样本；

将所述预测样本输入由权利要求1～8任一项所述的机械部件剩余寿命预测模型建立方法建立得到的机械部件剩余寿命预测模型，以获得所述机械部件在待预测时间步的剩余寿命。

10.一种计算机可读存储介质，其特征在于，包括存储的计算机程序，所述计算机程序被处理器执行时，控制所述计算机可读存储介质所在设备执行权利要求1～8任一项所述的机械部件剩余寿命预测模型建立方法，和/或权利要求9所述的机械部件剩余寿命预测方法。