[发明专利]基于机械设备时序信号的剩余寿命预测方法

权利要求书

1.基于机械设备时序信号的剩余寿命预测方法，包括数据前置处理和时间序列预测算法两部分，时间序列预测算法以嵌入门控循环单元和线性回归单元的栈式自编码网络实现，包括以门控循环单元构成的隐层网络一、以线性回归单元构成的隐层网络二与拷贝上述隐层网络权重后的待训练的整合层网络三，其特征在于：首先通过滑动窗口的方法对等距采样后的时间序列数据进行重构作为隐层网络一和整合层网络三的输入，以网络输入数据文件编号计算输出标签；其次采用隐层网络一作为时间序列预测算法的第一层训练，通过预测值与标签值的误差对第一层网络权重进行优化，再以经过权重优化后的隐层网络一输出的预测值作为隐层网络二的输入，根据输出标签进一步拟合，此过程作为时间序列预测算法的第二层训练，通过以上两层隐层网络对时间序列数据的初始化预训练，可以达到扩充数据信息的联系和发掘数据信息潜在关系的目的；最后对整合层网络三进行训练，输出剩余寿命的最终预测值。

2.根据权利要求1所述，数据前置处理，其特征在于：先对每个存储时序信号的数据源文件等距采样，再以一定长度滑动窗口在多个数据源文件间重叠平移，以此重新构建网络输入时序数据；以网络输入每一段序列的首个文件编号与最后一段序列的首个文件编号作差并作归一化处理，所得值作为输出标签。

3.根据权利要求1所述，栈式自编码网络，其特征在于：以门控循环单元和线性回归单元作为栈式自编码网络的两层，按照自编码器的形式进行堆叠，结合贪婪分层学习算法，通过自底向上的方式逐层对栈式自编码网络进行预训练，其中后一层网络的训练需要前层网络权重初始化完成之后才可以开始，所有隐层网络参数初始化结束后，将每层已训练参数对应拷贝到整合层网络，再次训练得到整合层网络的最优参数值，最后可由已获得最优参数值的网络结构得到剩余寿命的最佳结果。