[发明专利]一种基于TCN和粒子滤波的关键设备剩余寿命预测方法

说明书

本发明公开了一种基于TCN和粒子滤波的关键设备剩余寿命预测方法，首先获取关键设备的监测数据值C_i，由此构成一组关键设备监测数据C＝{C₁,C₂,...,C_n}；将监测数据C用EMD技术分解成一个残余序列r(t)和两个本征模态函数IMF_s(t)；对于分解后得到的残余序列，用TCN网络进行预测，得到残余序列的预测结果；对于分解后得到的IMF_s(t)，用PF算法进行预测，得到IMF_s(t)的预测结果；然后将得到的预测结果相加融合，从而计算出关键设备的剩余寿命预测结果。本发明消除了建立单一模型对关键设备进行剩余寿命预测时精度不高的的影响，建立了更加精确的混合模型，提高了模型的预测精度。

技术领域

本发明属于工业设备寿命预测技术领域，具体涉及一种基于TCN和粒子滤波的关键设备剩余寿命预测方法。

背景技术

伴随着科技的进步和生产工艺的发展，越来越多的工业设备被投入到工业系统中使用，设备的性能会随着不断地使用而发生退化，最终会发生失效，为保障设备的安全性和可靠性，剩余寿命预测技术受到了广泛关注。

针对工业系统中关键设备的剩余寿命预测中存在的问题，提出一种基于TCN和粒子滤波的关键设备剩余寿命预测方法，相比于单一模型，该方法能够提高预测的精度和稳定性，为关键设备剩余寿命预测提供了进一步的参考。

发明内容

本发明的目的是提供一种基于TCN和粒子滤波的关键设备剩余寿命预测方法，消除了建立单一模型对关键设备进行剩余寿命预测时精度不高的的影响，建立了更加精确的混合模型，提高了模型的预测精度。

本发明所采用的技术方案是，一种基于TCN和粒子滤波的关键设备剩余寿命预测方法，具体按照以下步骤实施：

步骤1、获取关键设备的监测数据值C_i，i＝1,2,...,n，其中C_i表示获取的该关键设备的第i个监测数据值，n为获取的数据总个数，由此构成一组关键设备监测数据C＝{C₁,C₂,...,C_n}；

步骤2、将步骤1中得到的监测数据C用EMD技术分解成一个残余序列r(t)和两个本征模态函数IMF_s(t)；

步骤3、对于经过步骤2分解后得到的残余序列，用TCN网络进行预测，得到残余序列的预测结果；

步骤4、对于经过步骤2分解后得到的IMF_s(t)，用PF算法进行预测，得到IMF_s(t)的预测结果；

步骤5、将步骤3和步骤4中得到的预测结果相加融合，从而计算出关键设备的剩余寿命预测结果。

本发明的特点还在于，

步骤2具体如下：

步骤2.1、采用EMD技术将步骤1中获取到的关键设备监测数据C分解为2个本征模态函数IMF₁(t)、IMF₂(t)和一个残余序列r(t)，将IMF₁(t)、IMF₂(t)简写为IMF_s(t)，其中s＝1,2，s为本征模态函数的个数，分解得到的IMF_s(t)是监测数据C的两个频率分量，对应监测数据C的波动过程；残余序列r(t)对应监测数据C的正常退化过程，因此，分解结果描述为其中IMF_s(t)表示第s个本征模态函数，r(t)为分解后的残余序列，t表示时间；