一种基于隐半马尔夫模型的机械设备退化态下剩余寿命的预测方法

摘要

本发明涉及深度学习和设备维护领域，特别涉及一种基于隐半马尔夫模型的机械设备退化态下剩余寿命的预测方法，包括以下步骤：训练阶段：(1)利用实验平台对轴承数据进行收据采集；(2)利用通过RNN‑FW方法对对象进行特征提取；(3)在HMM的基础上优化参数组成HMM‑FW；(4)将训练数据导入深度学习网络，生成实验对象的RUL；测试阶段：(1)将测试样本输入已经训练好的HMM‑FW模型中进行退化曲线预测；(2)对测试数据整个全寿命周期里的完整退化趋势进行复原；(3)计算出测试样本的RUL；分析阶段；提供一个综合框架来实现设备故障诊断和剩余寿命预测；适用于动态过程时间序列建模，具有很强的时间序列模式分类能力，适用于非平稳、重现性差的信号分析。