[发明专利]一种基于混合模型的发动机剩余使用寿命预测方法及装置

说明书

本申请公开了一种基于混合模型的发动机剩余使用寿命预测方法及装置，该方法包括：获取样本发动机的多组传感器数据样本；建立初始混合模型，通过堆叠集成得到对应的第一预测剩余寿命样本/第二预测剩余寿命样本；将第一预测剩余寿命样本和第二预测剩余寿命样本输入至初始线性回归模型，迭代训练线性回归模型；利用训练完备的目标混合模型和线性回归模型，根据待测发动机的多组传感器数据，确定其剩余使用寿命。通过堆叠集成技术，得到的第一预测剩余寿命和第二预测剩余寿命可靠性高；另外，还利用线性回归模型将第一预测剩余寿命和第二预测剩余寿命进行了权重再次分配，降低了对某个预测结果的依赖，提高了预测结果的精度。

技术领域

本发明涉及航空发动机故障预测与健康管理领域，尤其涉及一种基于混合模型的发动机剩余使用寿命预测方法及装置。

背景技术

随着制造业以及工业系统的成熟，各种机械装备和设备对于各个行业来说都有非常重要的作用。航空发动机作为飞机的关键性部件，如果运行过程中如果突然出现故障，那么将会引发巨大的灾难。设备的预测健康管理技术(PHM)便是对设备一种很好的管理方案。航空发动机的剩余使用寿命预测就是PHM技术中十分重要的一种。

为了获取设备的剩余使用寿命，常用的剩余使用寿命预测方法大致分为三种：基于传统物理模型的方法；数据驱动的方法；将两种混合的方法。由于基于物理模型的方法难以给出精确地预测结果，混合的方法难以实施，因此多采用数据驱动的方法。然而，现有的数据驱动的方法主要是由深度学习的模型，学习处理传感器数据进而得到预测结果，预测精度有限。

因此，现有技术中存在发动机剩余使用寿命预测精度低的问题。

发明内容

有鉴于此，有必要提供一种基于混合模型的发动机剩余使用寿命预测方法及装置，用以解决现有技术中发动机剩余使用寿命预测精度低的问题。

为了解决上述问题，本发明提供一种基于混合模型的发动机剩余使用寿命预测方法，包括：

获取样本发动机的多组传感器数据样本；

建立初始混合模型，其中，初始混合模型包括第一模型和第二模型；将多组传感器数据样本分别输入至第一模型/第二模型，以第一剩余寿命样本/第二剩余寿命样本为输出，通过堆叠集成得到多组传感器数据样本的第一预测剩余寿命样本/第二预测剩余寿命样本，迭代训练至第一预设次数，确定训练完备的目标混合模型；

将第一预测剩余寿命样本和第二预测剩余寿命样本输入至初始线性回归模型，以样本发动机的剩余使用寿命为输出，迭代训练至第二预设次数，得到训练完备的目标线性回归模型；

获取待测发动机的多组传感器数据，基于目标混合模型和目标线性回归模型，确定待测发动机的剩余使用寿命。

进一步地，将多组传感器数据样本分别输入至第一模型/第二模型，以第一剩余寿命样本/第二剩余寿命样本为输出，通过堆叠集成得到多组传感器数据样本的第一预测剩余寿命样本/第二预测剩余寿命样本，迭代训练至第一预设次数，确定训练完备的目标混合模型，包括：

将多组传感器数据样本分成K份，分别输入至第一模型和第二模型，其中，K-1份以对应的第一剩余寿命样本/第二剩余寿命样本为输出，剩余一份以初始第一预测剩余寿命样本/初始第二预测剩余寿命样本为输出，通过堆叠集成进行K-fold交叉验证，迭代计算至第一预设次数，确定多组传感器数据样本对应的初始第一预测剩余寿命样本/初始第二预测剩余寿命样本；

根据初始第一预测剩余寿命样本/初始第二预测剩余寿命样本，通过求平均操作，确定多组传感器数据样本的第一预测剩余寿命样本和第二预测剩余寿命样本。

进一步地，第一模型包括依次连接的第一输入层、第一注意力机制模块、时间卷积神经网络模块、第一全连接层和第一输出层。