[发明专利]基于门控自适应分层注意力单元网络的电机寿命预测方法

权利要求书

1.一种基于门控自适应分层注意力单元网络的电机寿命预测方法，其特征在于，具体步骤为：

1)数据采集：采集伺服电机全生命周期中的振动信号，采样时间为T_m，相邻采样点之间的间隔为T_n，获得包含N个样本的采集数据；

2)构建健康特征：对步骤1)中的采集数据进行里叶变换，将经过傅里叶变换得到的FFT数据输入基于二次函数的深度卷积自编码器网络QFDCAE中获取健康特征指标，则可得到N+1维的健康特征指标向量x＝[x₁,x₂,…,x_N]^T；

3)构建Hankel矩阵：选取健康特征指标向量x的前M个健康特征指标向量作为训练向量k＝[x₁,x₂,…,x_M]^T，基于训练向量k，构建Hankel矩阵V；

4)构建GAHAU网络：构建基于门控自适应分层注意力单元网络GAHAU的电机寿命预测模型，所述寿命预测模型的输入层单元数为i，输出层单元数为1；

5)将矩阵V前i行作为神经网络的输入，i+1行作为神经网络的输出来训练GAHAU网络更新GAHAU网络模型的权重参数，得到更新后的GAHAU网络模型；

6)将t时刻的倒数的i个输出[x_M-i+1,x_M-i+2,…,x_M]^T作为更新后GAHAU网络模型的输入，得到t+1时刻的输出；

7)重复步骤6)，若t+1时刻的输出大于设定的失效阈值，则返回步骤6)计算t+2时刻的输出，若t+1时刻的健康特征指标向量的健康指标小于设定的失效阈值，则当前预测的采样点数减去M乘以振动信号间隔时间与采样时间之和T_m+T_n即为伺服电机的剩余使用寿命。

2.如权利要求1所述的一种基于门控自适应分层注意力单元网络的电机寿命预测方法，其特征在于，步骤3)中Hankel矩阵V为：

3.如权利要求1所述的一种基于门控自适应分层注意力单元网络的电机寿命预测方法，其特征在于，步骤4)中构建GAHAU网络的具体步骤为：

4-1)所述电机寿命预测的门控自适应分层注意力单元网络GAHAU模型包括重置门及更新门，其模型公式如下：

式(2)中，r_t为重置门，z_t为更新门，x_t为t时刻的输入信息，W_rx和U_rh为重置门权重矩阵，W_zx和U_zh为更新门权重矩阵，W_hx和U_hh为候选状态权重矩阵，b_r,b_z,b_h为偏置矩阵，h_t-1为t-1时刻隐藏状态信息，为当前时刻的候选状态，σ为Sigmoid函数，φ为Tanh函数，A_t为重置门和更新门的注意力分布；

4-2)计算重置门和更新门的注意力分布A_t：

式(3)中，为重置门和更新门输出的注意力比率，为候选注意力值，分别为表示注意力层级的位置向量，主注意力门分别通过累计求和函数得到，ξ_t1，ξ_t2，ξ_t3分别表示中层注意力层级、高层注意力层级以及低层注意力层级，σ为Sigmoid函数，φ为Tanh函数。