(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 202111579012.0 (22)申请日 2021.12.2 2 (71)申请人 山东浪潮工业互联网产业股份有限 公司 地址 250100 山东省济南市高新区浪潮路 1036号浪潮科技园S02号楼19层 (72)发明人 谷兴龙　商广勇　胡立军　 (74)专利代理 机构 济南信达专利事务所有限公 司 37100 专利代理师 潘悦梅 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06N 7/00(2006.01) G06F 111/10(2020.01)G06F 119/04(2020.01) (54)发明名称 基于贝叶斯多源数据融合的设备剩余寿命 预测方法及系统 (57)摘要 本发明公开了基于贝叶斯多源数据融合的 设备剩余寿命 预测方法及系统， 属于工业数据挖 掘技术领域， 要解决的技术问题 为如何对发动机 等复杂机械设备剩余寿命进行预测。 包括： 构建 基于多源监测数据融合的虚拟健康指标； 通过中 心标准化方法对多源历史监测数据进行数据预 处理； 通过PCA方法对标准多源历史监测数据进 行数据融合； 通过单调性度量评估健康指标的适 应性， 并基于指数过程构建反映机械设备性能退 化的退化状态模 型； 基于贝叶斯理论建立参数评 估模型， 通过参数评估模型估计退化状态模型的 参数分布， 并基于随机采样方法更新退化状态模 型的参数， 得到退化状态模型参数的后验分布， 并基于退化状态模型参数的后验分布预测机械 设备的剩余寿 命。 权利要求书5页 说明书12页 附图1页 CN 114936504 A 2022.08.23 CN 114936504 A 1.基于贝叶斯多源数据融合的设备剩余寿命预测方法， 其特 征在于包括如下步骤： 获取反应机械设备运行状态的多源监测数据， 构建基于多源监测数据融合的虚拟健康 指标， 作为表征机 械设备退化程度的健康指标； 获取反应机械设备运行状态的多源历史监测数据， 并通过中心标准化方法对所述多源 历史监测数据进行 数据预处 理， 得到标准 化多源历史监测数据； 通过PCA方法对所述标准多源历史监测数据进行数据融合， 并选取最大主成分计算计 算机械设备的健康指标； 通过单调性度量评估健康指标的适应性， 并基于指数过程构建反映机械设备性 能退化 的退化状态模型； 基于贝叶斯理论建立参数评估模型， 通过所述参数评估模型估计所述退化状态模型的 参数分布， 并基于随机采样方法更新所述退化状态模型 的参数， 得到退化状态模型参数 的 后验分布， 并基于退化状态模型参数的后验分布预测机 械设备的剩余寿命。 2.根据权利要求1所述的基于贝叶斯多源数据融合的设备剩余寿命预测方法， 其特征 在于所述虚拟健康质指标的数 学表达式为： VHI＝fh(x1,x2,...,xn) 其中， 变量x1,x2,...,xn表示多源监测数据， fh表示将监测数据映射为虚拟健康指标的 变换函数。 3.根据权利要求1所述的基于贝叶斯多源数据融合的设备剩余寿命预测方法， 其特征 在于通过中心标准 化方法对标准多源历史监测数据进行 数据融合， 对应的计算公式为： t＝1,2,3, …,n Xi＝{xi(t),t＝1,2,...,n }表示第i维原始数据， 为标准化处理 之后的第i维数据， ui， σi分别代表第i维数据的均值和标准差 。 4.根据权利要求3所述的基于贝叶斯多源数据融合的设备剩余寿命预测方法， 其特征 在于通过PCA方法对所述标准多源历史监测数据进行 数据融合， 包括如下步骤： 对输入的m维数据， 采用线性投影变换之后得到相互独立的m维输出数据， 称之为m维主 成分， 每一维主成分都由原 始m维数据以不同的系数线性组合而成， 数 学表达式如下： Yj维第i维主成分， 是中心标准化处理后的第K维数据， 是对应主成分的线性组合 系数； 计算各主成分的方差， 根据方差从大到小排列， 具有最大方差的主成分成为最大主成 分。 5.根据权利要求1所述的基于贝叶斯多源数据融合的设备剩余寿命预测方法， 其特征 在于单调性度量指标的计算公式为：权　利　要　求　书 1/5 页 2 CN 114936504 A 2Mon(X)的值在0～1之间， 且值越大表示 健康指标序列的局部单调性越好。 6.根据权利要求1 ‑5任一项所述的基于贝叶斯多源数据融合的设备剩余寿命预测方 法， 其特征在于所述退化状态模型为指数模型， 在负时间刻度下 数学表达式为： 所述退化状态模型在正时间刻度下 数学表达式为： Hi(ti)＝exp[ai(ti‑Ti)+bi]+ci ti∈[1,Ti] 其中， ai、 bi、 ci是机械设备i的退化状态模型参数； 其中， 以机械设备完全失效为基点， 建立机械设备状态模型， 机械设备由正常时间刻度 到负时间刻度的变换表达式为： 其中， ti是发动机i正常时间刻度下的时间， Ti是发动机i的完整使用寿命， 则表示负时 间刻度下的时间， 在负时间刻度下， 状态模型的数 学表达式如下： 是发动机i在负时间梯度下的健康指标， f是状态模型的映射函数， θi代表模型参 数， 按照时间刻度转换， 得到正常时间刻度下机 械设备的状态模型的数 学表达式如下： Mi:Hi(ti)＝f(ti‑Ti, θi)ti∈[0,Ti]。 7.根据权利要求6所述的1所述的基于贝叶斯多源数据融合的设备剩余寿命预测方法， 其特征在于健康指标和退化状态模型容易受到外部扰动影响， 健康指标计算值和实际健康 指标测量值之间存在偏差， 假定噪声服从高斯分布， 通过以下表达式计算健康指标 的测量 值Y(t)： Y(t)＝H(t)+ ε 式中， ε为噪声偏差分量， 一般假定其 服从均值 为0的高斯分布： ε～N(0, σ2) 因此健康指标测量 值Y(t)也 服从高斯分布： Y(t)～N(H(t)， σ2) 基于机械设备的实 际寿命以及模型参数具有随机性， 根据贝叶斯理论， 结合正常时间 刻度下机 械设备状态模型的数 学表达式， 得到一般性模型参数 联合分布的分布结果： f(Y(t)， θ， T， μ， σ2)＝fY|P(Y(t)| θ， T， μ， σ2)fP( θ， T， μ， σ2) ＝fP|Y( θ， T， μ， σ2|Y(t))fY(Y(t)) 其中fP( θ， T， μ， σ2)是随机参数的先验分布； 假定机械设备双目为m， 基于每个机械设备对应的历史监测数据， 基于上述参数模型的 构建方法， 得到m个机械设备退化状态模型及相关参数模型的估计结果， ( μ， σ2)是由理论计 算健康指标及测量所 得健康指标的残差计算获取的； 基于以上估计值， 可以得到所述退化状态模型参数的经验分布， 并将所述退化状态模 型参数的经验分布作为贝叶斯模型参数的先验分布， 由于给定的Y(t)和fp(Y(t))是定值，权　利　要　求　书 2/5 页 3 CN 114936504 A 3