公开(公告)号：CN117933055A

公开(公告)日：2024-04-26

申请号：CN202311581025.0

申请日：2023-11-24

申请人： 电子科技大学

发明人： 郑代威 ,  刘梦娟 ,  苟鹏飞 ,  聂旭云 ,  马意然

IPC分类号： G06F30/27 ,  G06N3/044 ,  G06N3/0464 ,  G06N3/092 ,  G06F119/02

摘要： 本发明公开一种基于强化学习集成框架的设备剩余使用寿命预测方法，目的是结合多个剩余使用寿命预测模型的预测结果来提升最终的预测性能，每个预测模型在结合时的权重由一个强化学习算法优化的集成策略来动态确定。首先，收集相同型号设备在不同工作状态下的多组运行状态数据，构建训练数据集；其次，分别训练多个剩余使用寿命预测模型作为集成框架的基础模型；第三，利用强化学习算法优化每个监测时间点的集成策略。在实际应用中，对于每个监测时间点采集到的运行状态数据，首先构建测试样本；然后将测试样本输入到多个剩余使用寿命预测基础模型中得到多个预测值；接着基于预测值构建每个监测时间点的状态，并将状态输入到优化的集成策略中从而得到每个基础模型在集成时的权重；最后通过加权求和计算每个时间点的设备剩余使用寿命预测值。