(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202110545171.2 (22)申请日 2021.05.19 (71)申请人 湖南科技大 学 地址 411201 湖南省湘潭市桃园路 (72)发明人 文一凭　谭铮　 (74)专利代理 机构 长沙正奇专利事务所有限责 任公司 431 13 专利代理师 王娟 (51)Int.Cl. G06F 30/15(2020.01) G06F 30/17(2020.01) G06F 30/27(2020.01) G06F 119/04(2020.01) (54)发明名称 一种航空发动机设备的剩余寿命预测方法 及系统 (57)摘要 本发明公开了一种航空发动机设备的剩余 寿命预测方法及系统， 对复杂设备基于传感器采 集的历史退化数据进行数据预处理， 然后基于堆 叠去噪自编码器可以直接对原始监测信号进行 自适应的特征提取， 最后智能选择特征指标作为 设备健康指标HI， 并将其作为相似性退化模型的 输入最终得到寿命预测结果。 利用堆叠去噪自编 码器较好地解决在缺乏足够的先验知识以及因 此难以人工标注类别或进行人工类别标注的成 本太高的问题， 同时去噪自编码器具备降噪能 力， 面对复杂的工作环境下监测数据中夹杂的噪 声， 可有效提高预测精度的提高。 权利要求书2页 说明书11页 附图3页 CN 114792026 A 2022.07.26 CN 114792026 A 1.一种设备剩余寿命预测方法， 其特 征在于， 包括以下步骤： S1、 获取设备传感器采集的数据， 并对数据进行预处理， 将预处理后的数据拆分为训练 集和测试集； S2、 利用所述训练集训练SDAE神经网络， 利用训练后的SADE神经网络获取测试集中每 个设备各个时间点处的设备健康指标， 即得到设备健康指标曲线； S3、 利用所述设备健康指标曲线预测设备的剩余寿命。 2.根据权利要求1所述的设备剩余寿命预测方法， 其特征在于， 步骤S1中， 对数据进行 预处理的实现过程包括： 删除同一时间点的冗余数据， 仅保留一条可用数据； 采用缺 失数据 上、 下时间点数据的平均数填充缺 失数据； 对经删除和填充后的数据进 行归一化处理， 得到 预处理后的数据。 3.根据权利要求1或2所述的设备剩余寿命预测方法， 其特征在于， 步骤S1中， 将预处理 后的数据集划分为两个互斥的子数据集， 其中一个子数据集作为训练集， 另外一个子数据 集作为测试集。 4.根据权利要求1所述的设备剩余寿命预测方法， 其特征在于， 步骤S2的具体实现过程 包括： 1)初始化S DAE神经网络结构； 2)选择训练集数据的第j个时间点处的m维样本x(j)＝[x(j,1),x(j,2),....x(j,m)]， 其中， x (j)为从训练集数据提取出的在各时间点上的m维传感器数据， j＝1,2, …,T,T为时间点个 数； 将T个时间点的样本 输入到SDAE神经网络中； 3)对数据样本x(j)加噪， 训练SDAE神经网络中包含第1个隐含层的去噪自编码器DAE1， 并 将x(j)编码成 使用 为输入数据训练包含第2个隐含层的去噪自编码器DAE2， 并将 编码为 依此类推， 直至训练完SDAE神经网络中包含第N个隐含层， 得到训练好的SDAE神 经网络； 4)将测试集数据输入到训练好的SDAE神经网络中， 通过训练好的SDAE神经网络的多个 隐含层进行自适应特 征提取， 得到测试集中每 个设备各个时间点处的设备健康指标。 5.根据权利要求1所述的设备剩余寿命预测方法， 其特征在于， 步骤S3的具体实现过程 包括： 根据测试样本的设备健康指标曲线与训练样本对应的设备健康指标曲线的欧氏距离 度量测试样本与训练样本的相似程度， 并基于所述相似程度和训练样本的剩余寿命预测测 试样本的剩余寿命； 所述测试样本指从测试集中提取 的某一待预测样本， 训练样本指从训 练集中提取的所有样本 。 6.根据权利要求5所述的设备剩余寿命预测方法， 其特征在于， 利用测试样本对应的设 备健康指标曲线与训练样本对应的各设备健康指标曲线的欧式距离最小值对应的设备编 号， 判断测试样本对应的设备健康指标曲线与训练样本对应的各设备健康指标曲线相似程 度； 其中， 测试样本对应的设备健康指标曲线与训练样本对应的各设备健康指标曲线的距 离最小值对应的设备健康指标曲线编号权　利　要　求　书 1/2 页 2 CN 114792026 A 2为测试样本设备健康指 标曲线与训练样本i的第q条设备健康指标曲线之间的欧式距离； 表示训练 样本i中运行时长为li的设备健康指标曲线， 表示训练样本i在运行时长为li时的设备健 康指标值； 表示运行时长为ls的测试样本的设备健康指标曲线， 表示测 试样本在运行时长为ls时的设备健康指标值； 表示训 练样本i中长度与测试样本运行时间ls相同的第q条设备健康指标曲线， 表示训练样本 i在运行时长为q+ls‑1时的设备健康指标值； di表示训练样本i中各设备健康指标曲线与测 试样本设备健康指标曲线之 间的欧式距离最小时的q的取值， 此时训练样本i的设备健康指 标曲线 与测试样本设备健康指标曲线 相似程度最高， 表示训练样本i在运行时长为di+ls‑1时的设备健康指标值， 即 为 训练样本i中的最佳匹配曲线， 且 与 之间的欧式距离为 7.根据权利要求6所述的设备剩余寿命预测方法， 其特征在于， 测试样本基于训练样本 的预测剩余寿命的计算公式为： 其中， n为训练样本个数； RULi＝li‑(di+ls)， 为测试样本基于训练样本i的预 测剩余寿命。 8.根据权利要求7 所述的设备剩余寿命预测方法， 其特 征在于， 9.一种设备剩余寿命预测系统， 其特征在于， 包括计算机设备； 所述计算机设备被配置 或编程为用于执 行权利要求1～8之一所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114792026 A 3