公开(公告)号：CN117010442A

公开(公告)日：2023-11-07

申请号：CN202310998159.6

申请日：2023-08-09

申请人： 北京交通大学

发明人： 李曼 ,  刘雨辰 ,  杨楠 ,  阳坤晓 ,  熊泽麒

IPC分类号： G06N3/0442 ,  G06N3/08 ,  G06N3/047 ,  G06F18/2135 ,  G06F18/214 ,  G06F18/21 ,  G06F30/27 ,  G06F119/02

摘要： 本发明提供一种设备剩余寿命预测模型训练方法、剩余寿命预测方法及系统，属于基于神经网络学习的设备寿命预测技术领域，基于设备原始退化数据集，进行特征值提取；计算Spearman相关系数作为特征值筛选的标准，选取相关性较大的若干特征值进行综合；基于主成分分析，对筛选出的若干特征值进行降维，构建设备健康指数；基于GRU神经网络，替换传统维纳过程中的退化函数，自适应学习设备的退化趋势；利用极大似然估计法，计算维纳过程中的扩散系数；构建设备剩余使用寿命的概率密度函数，该函数的数学期望值即为对设备剩余使用寿命的预测。对于复杂机电设备，能够根据退化数据实现对设备的剩余使用寿命预测，避免不必要的维修活动，提高设备的可靠性。