[发明专利]多源无标签数据机器学习的复杂装备性能评估与预测方法

摘要

本发明公开了一种多源无标签数据机器学习的复杂装备性能评估与预测方法，将复杂装备在不同转速、不同初始退化程度下的多源无标签退化数据进行标准化预处理并建立多源无标签退化数据与系统综合退化特征的映射关系；建立综合退化特征与复杂装备性能状态的非线性映射关系，进行模型超参数优化，获得结构和参数优化的非齐次隐半马尔可夫模型；基于建立的模型，对航空发动机多源无标签退化测试数据进行分析，得到航空发动机隐含性能状态的初始值、变化时刻和每个状态的持续时间，最终实现性能评估和剩余使用寿命预测。为多源无标签数据下考虑复杂装备非线性因素进行性能状态评估与预测提供了一种可行的方法。

主权项

多源无标签数据机器学习的复杂装备性能评估与预测方法，其特征在于，首先将复杂装备(如航空发动机)在不同转速、不同初始退化程度下的多源无标签退化数据进行标准化预处理，利用Autoencoder网络拓扑结构建立多源无标签退化数据与系统综合退化特征之间的映射关系；然后，基于非齐次隐半马尔可夫模型建立综合退化特征与复杂装备性能状态之间的非线性映射关系，采用改进的贝叶斯信息熵准则进行模型超参数N的优化，获得结构和参数优化的非齐次隐半马尔可夫模型，得到复杂装备性能退化规律；最后，基于建立的综合退化特征非监督提取方法和确定的非线性映射关系模型，对航空发动机多源无标签退化测试数据进行分析，得到航空发动机隐含性能状态的初始值、变化时刻和每个状态的持续时间，最终实现性能评估和剩余使用寿命预测。