[发明专利]基于组合深度神经网络的复杂装备剩余使用寿命预测方法有效
| 申请号： | 201811202690.3 | 申请日： | 2018-10-16 |
| 公开（公告）号： | CN109522600B | 公开（公告）日： | 2020-10-16 |
| 发明（设计）人： | 刘振宇;刘惠;郏维强;张栋豪;谭建荣 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06F30/27 | 分类号： | G06F30/27;G06F30/17;G06K9/62;G06N3/04;G06N3/08;G06F119/04 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 林超 |
| 地址： | 310058 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于组合深度神经网络的复杂装备剩余使用寿命预测方法。主要步骤为：获取复杂装备的多传感数据；进行特征选择获得有效测量数据；预处理得到多个切片样本；建立融合了注意力机制和深度神经网络的神经网络回归模型；将切片样本与其对应的标签输入到神经网络回归模型中离线训练神经网络回归模型；将待预测的多传感数据的切片样本输入到训练好的神经网络回归模型中，得到复杂装备的剩余使用寿命。本发明考虑到了多传感器信号的数据特征，充分挖掘了数据中的局部特征和时序信息，预测精度高，适用性广，能广泛应用于各种复杂装备中。 | ||
| 搜索关键词： | 基于 组合 深度 神经网络 复杂 装备 剩余 使用寿命 预测 方法 | ||
【主权项】：
1.一种基于组合深度神经网络的复杂装备剩余使用寿命预测方法，其特征在于：包括以下步骤：S1.获取复杂装备的多传感数据；S2.对多传感数据进行特征选择，获得有效测量数据；S3.对有效测量数据进行预处理，包括利用数据均值对缺失值进行填充、对各数据进行标准化处理以及对数据进行切片处理，得到多个切片样本；S4.建立融合了注意力机制和组合深度神经网络的神经网络回归模型；S5.针对复杂装备已有剩余使用寿命标签的多传感数据进行步骤S1～S3后与其对应的标签输入到神经网络回归模型中，离线训练神经网络回归模型；S6.针对复杂装备需要预测的多传感数据进行步骤S1～S3后输入到训练好的神经网络回归模型中，得到复杂装备的剩余使用寿命。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811202690.3/，转载请声明来源钻瓜专利网。
