[发明专利]寿命预测及维护决策方法和装置、以及存储介质、计算机

权利要求书

1.一种智能装备寿命预测及维护决策方法，其特征在于包括以下步骤：

获取智能装备的运行数据及专家知识数据库；

用低维特征向量对智能装备进行表示，通过建立所述运行数据及专家知识数据库与低维特征向量的对应关系，从而确定所述智能装备的低维特征向量；

构建基于神经网络模型的寿命预测及维护决策模型；

利用预先训练的寿命预测及维护决策模型，根据所述低维特征向量，确定所述智能装备的寿命预测及维护决策结果；

所述步骤“构建基于神经网络模型的寿命预测及维护决策模型”包括以下子步骤：

构建三层深度神经网络模型，第一层为所述低维特征向量输入层、第二层为专家组寿命预测及维护决策结果层、第三层为可靠的实际寿命预测及维护决策结果层，即神经网络模型第一层到第二层为所述寿命预测及维护决策模型第一部分、神经网络模型第二层到第三层为所述寿命预测及维护决策模型第二部分；

所述寿命预测及维护决策模型第一部分权重的确定，随机初始化权重值，利用所述低维特征向量和专家组寿命预测及维护决策结果作为输入输出数据，利用BP反向传播算法训练神经网络模型得到所述寿命预测及维护决策模型第一部分的权重；

所述寿命预测及维护决策模型第二部分的权重的确定，根据各个专家的科技水平，即各个专家的综合可信度作为所述寿命预测及维护决策模型第二部分的权重初始值，然后利用所述专家组寿命预测及维护决策结果和实际寿命预测及维护决策结果作为输入输出数据，并利用BP反向传播算法训练神经网络模型，更新初始权重，得到所述寿命预测及维护决策模型第二部分的权重。

2.根据权利要求1所述智能装备寿命预测及维护决策方法，其特征在于：所述运行数据分别包括正在使用的智能装备的运行参数、已报废的智能装备设备的运行参数、停机损耗、维护情况及使用和标称寿命；

所述专家知识数据库包括：

专家知识预测使用寿命数据库和专家知识维护意见数据库。

3.根据权利要求1所述智能装备寿命预测及维护决策方法，其特征在于：所述步骤“利用预先训练的寿命预测及维护决策模型，根据所述低维特征向量，确定所述智能装备的寿命预测及维护决策结果”包括以下子步骤：

利用预先训练的所述寿命预测及维护决策模型第一部分，根据所述智能装备的低维特征向量，确定所述专家组寿命预测及维护决策结果；

利用预先训练的所述寿命预测及维护决策模型第二部分，根据所述专家组寿命预测及维护决策结果，确定所述实际寿命预测及维护决策结果。

4.根据权利要求1所述智能装备寿命预测及维护决策方法，其特征在于：所述各个专家的综合可信度是指：

假设一组专家A₁、A₂、……、A_n的可信度为P₁、P₂、…、P_n，则

称为专家A_i关于A₁、A₂、……、A_n的综合可信度。