[发明专利]一种基于多变量的设备动态健康状态评估方法

摘要

本发明公开了一种基于多变量的设备动态健康状态评估方法，利用综合显著‑偏置卷积神经网络和递减最大熵模糊聚类结合的多变量模型进行设备动态健康状态评估，减少了训练时间，提高了模型的精度和泛化能力，同时能够根据环境动态分配故障阈值，满足设备真实工作情况，实现对设备精确健康状态评估与寿命预测。

主权项

1.一种基于多变量的设备动态健康状态评估方法，其特征在于，利用综合显著‑偏置卷积神经网络和递减最大熵模糊聚类结合的多变量模型进行设备动态健康状态评估；具体如下：模型分成离线与在线两部分；离线部分包括：SOCNN多变量预测模型与分类器的构建；给定具有多维特征的训练数据集L，根据特征空间的维数，利用SOCNN算法建立多变量预测因子Pi，并用m个案例的数据进行训练；随后，使用S‑MEFC算法针对多维特征训练集构建q个无监督分类器，每个分类器CL具有不同数量的状态；在线部分包括：多步多变量预测、离散状态的估计与健康状态评估；对于在线阶段，考虑包含监控数据TFi形成多变量信号，直到某个临界时刻tc，在该时间点，设备多变量预测开始初始化；在健康状态评估开始之前，由于监测数据TF的每个索引可以与特定的分类器CL具有相似性，通过计算分类器和TFi的索引之间的距离相似度，动态地分配阈值；预测初始化完成后，进行多步多变量预测；从tc时刻开始利用SOCNN进行迭代多步预测，直到多变量预测到达动态分配的故障阈值；此时设备健康评估完成，得出在临界时刻tc的设备状态，同时预测出设备的故障前的剩余寿命。