(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110530260.X (22)申请日 2021.05.14 (65)同一申请的已公布的文献号 申请公布号 CN 113158346 A (43)申请公布日 2021.07.23 (73)专利权人 山东众志电子有限公司 地址 271000 山东省泰安市高新区南天门 大街1110号泰山科技创业城A区1号 (72)发明人 刘积英　 (74)专利代理 机构 合肥利交桥专利代理有限公 司 34259 专利代理师 张高飞 (51)Int.Cl. G06F 30/15(2020.01) G06F 30/27(2020.01)G06Q 10/00(2012.01) G06N 3/04(2006.01) (56)对比文件 US 201909526 5 A1,2019.0 3.28 US 10445673 B1,2019.10.15 EP 3591530 A1,2020.01.08 CN 109948169 A,2019.0 6.28 CN 112100773 A,2020.12.18 CN 112329151 A,2021.02.0 5 CN 112766810 A,2021.0 5.07 CN 102752 276 A,2012.10.24 审查员 王利双 (54)发明名称 基于云计算的预防性维护方法 (57)摘要 本申请涉及云计算领域， 更具体地涉及基于 云计算的预防性维护方法。 所述方法基于云计算 使用深度神经网络模型来从密封圈使用过程中 的环境信息来预测密封圈的密封性能， 进而分析 拥有密封圈的工业设备是否需要进行预防性维 护， 其中， 密封圈使用过程中的信息包括但不限 于湿度、 温度、 冷却水质量和海拔高度等。 这样， 基于云计算和人工智能技术来进行预防性维护 预测， 以有效地提高预防性维护的有效性从而确 保工业设备运行的稳定性， 且能降低预防性维护 的频次和次数， 降低不必要的预防性维护。 权利要求书3页 说明书12页 附图7页 CN 113158346 B 2022.08.09 CN 113158346 B 1.一种基于云计算的预防性维护方法， 其特 征在于， 包括： 在用于云计算的云服务器获取飞机上一次例行维护测试的密封圈性能数据以及从位 于所述飞机的端侧的数据记录装置获取 所述飞机在飞行 过程中的环境数据； 将所述密封圈性能数据通过隐马尔科 夫模型以获得性能输入向量； 将所述环境数据通过隐马尔科 夫模型以获得环境输入向量； 将所述性能输入向量和所述环境输入向量分别通过深度神经网络以获得当前性能特 征向量和当前环境特 征向量； 从所述云服 务器中获取多个历史性能特 征向量和多个历史环境特 征向量； 计算所述当前性能特征向量的全局类Softmax函数值以获得第一加权系数， 其 中， 所述 当前性能特征向量的全局类Softmax函数值等于首先对所述当前性能特征向量和所述多个 历史性能特征向量分别求以其各个位置的特征值的负数为幂 的自然常数指数函数值的加 权和以获得多个加权和值， 再以所述当前性能特征向量的加权和值除以全部所述当前性能 特征向量和所述多个历史性能特 征向量的加权和值之和； 计算所述当前环境特征向量的全局类Softmax函数值以获得第二加权系数， 其 中， 所述 当前环境特征向量的全局类Softmax函数值等于首先对所述当前环 境特征向量和所述多个 历史环境特征向量分别求以其各个位置的特征值的负数为幂 的自然常数指数函数值的加 权和以获得多个加权和值， 再以所述当前环境特征向量的加权和值除以全部所述当前环境 特征向量和所述多个历史环境特 征向量的加权和值之和； 以所述第一加权系数对所述当前性能特征向量的各个位置的特征值进行加权以获得 第一加权特征  向量， 以及， 以所述第二加权系数对所述当前环境特征向量的各个位置的特 征值进行加权以获得第二加权特 征向量； 将所述第一加权特征向量和所述第 二加权特征向量进行级联以获得分类特征向量； 以 及 将所述分类特征向量通过分类器以获得分类结果， 其中， 所述分类结果表示当前密封 圈的密封效果的预测结果。 2.根据权利要求1所述的基于云计算的预防性维护方法， 其中， 将所述密封圈性 能数据 通过隐马尔科 夫模型以获得性能输入向量， 包括： 获取所述飞机在飞行 过程中的地理位置数据； 以及 基于由密封圈性能数据转化获得的高维向量之间的距离以及由地理位置数据转化获 得的高维向量之间的距离之 间的对应关系， 将所述密封圈性能数据通过隐马尔科夫模型以 获得所述性能输入向量。 3.根据权利要求1所述的基于云计算的预防性维护方法， 其中， 将所述环境数据通过隐 马尔科夫模型以获得环境输入向量， 包括： 获取所述飞机在飞行 过程中的航 程距离数据； 以及 基于由环境数据转化获得的高维向量之间的距离以及由航程距离数据转化获得的高 维向量之 间的距离之间的对应关系， 将所述环境数据通过隐马尔科夫模型以获得所述环境 输入向量。 4.根据权利要求1所述的基于云计算的预防性维护方法， 其中， 计算所述当前性 能特征 向量的全局类Softmax函数值以获得第一加权系数， 包括：权　利　要　求　书 1/3 页 2 CN 113158346 B 2以如下公式计算所述当前性能特征向量的全局类Softmax函数值以获得第一加权系 数， 其中， 所述公式为： a1＝∑iexp(‑xi)/∑j∑iexp(‑xi),a1表示所述第 一加权系数， xi表 示所述当前性能特 征向量中各个位置的特 征值， j表示所述历史性能特 征向量的各个位置 。 5.根据权利要求1所述的基于云计算的预防性维护方法， 其中， 计算所述当前环境特征 向量的全局类Softmax函数值以获得第二加权系数， 包括： 以如下公式计算所述当前环境特征向量的全局类Softmax函数值以获得第二加权系 数， 其中， 所述公式为： a2＝∑iexp(‑xi)/∑j∑iexp(‑xi),a2表示所述第 二加权系数， xi表 示所述当前环境特 征向量中各个位置的特 征值， j表示所述历史环境特 征向量的各个位置 。 6.根据权利要求1所述的基于云计算的预防性维护方法， 进一步包括： 将所述当前环境 特征向量和所述当前性能特 征向量存 储于所述云服 务器。 7.根据权利要求1所述的基于云计算的预防性维护方法， 其中， 将所述分类特征向量通 过分类器以获得分类结果， 包括： 将所述分类特征向量通过Softmax函数以获得当前密封 圈出现故障的第一概率和当前 密封圈不会出现故障的第二 概率； 以及 基于所述第一 概率和所述第二 概率， 确定所述分类结果。 8.根据权利要求1所述的基于云计算的预防性维护方法， 其中， 所述深度神经网络为深 度全连接网络 。 9.一种基于云计算的预防性维护系统， 其特 征在于， 包括： 环境数据获取单元， 用于在基于云计算的云服务器获取飞机上一 次例行维护测试的密 封圈性能数据以及从位于所述飞机的端侧的数据记录装置获取所述飞机在飞行过程中的 环境数据； 性能输入向量生成单元， 用于将所述密封圈性能数据通过隐马尔科夫模型以获得性 能 输入向量； 环境输入向量生成单元， 用于将所述环境数据获取单元获得的所述环境数据通过隐马 尔科夫模型以获得环境输入向量； 性能环境特征向量生成单元， 用于将所述性 能输入向量生成单元获得的所述性 能输入 向量和所述环境输入向量生成单元获得 的所述环境输入向量分别通过深度神经网络以获 得当前性能特 征向量和当前环境特 征向量； 历史特征向量生成单元， 用于从所述云服务器中获取多个历史性 能特征向量和多个历 史环境特 征向量； 第一加权系数生成单元， 用于计算所述性 能输入向量生成单元获得的所述当前性能特 征向量的全局类Softmax函数值以获得第一加权系数， 其中， 所述当前性能特征向量的全局 类Softmax函数值等于首先对 所述当前性能特征向量和所述多个历史性能特征向量分别求 以其各个位置的特征值的负数为幂的自然常数指数函数值的加权和以获得多个加权和值， 再以所述当前性能特征向量的加权和 值除以全部所述当前性能特征向量和所述多个历史 性能特征向量的加权和值之和； 第二加权系数生成单元， 用于计算所述性 能环境特征向量生成单元获得的所述当前环 境特征向量的全局类Softmax函数值以获得第二加权系数， 其中， 所述当前环 境特征向量的 全局类Softmax函数值等于首先对 所述当前环境特征向量和所述多个历史环 境特征向量分权　利　要　求　书 2/3 页 3 CN 113158346 B 3