(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111297224.X (22)申请日 2021.11.02 (71)申请人 中国华能集团清洁能源技 术研究院 有限公司 地址 102209 北京市昌平区北七家未来科 技城华能人才创新创业基地实验楼A 楼 申请人 华能 （浙江） 能源开发有限公司清洁 能源分公司 (72)发明人 张燧　薛文超　曾谁飞　王青天　 李小翔　冯帆　陈沐新　陈高楼　 盛超磊　白剑　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 代理人 赵迪(51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06F 30/27(2020.01) G06K 9/00(2022.01) G06F 119/02(2020.01) (54)发明名称 设备的健康趋势预测方法、 系统、 计算机设 备及存储介质 (57)摘要 本发明涉及设备的健康趋势预测方法、 系 统、 计算机设备及存储介质， 所述方法包括： 获取 待测设备预设时段内的振动数据， 利用经验模态 分解法对所述振动数据进行特征提取获取所述 数据的能量熵矩阵， 基于所述能量熵矩阵确定待 测设备预设时段对应的健康指标值， 并确定所述 指标值所属的健康等级， 将所述健康指标值代入 预先建立的健康趋势预测模型中， 预测所述待测 设备的故障时刻， 基于所述故障时刻确定待测设 备的健康趋势。 本发明提供的技术方案， 基于模 态分解确定的健康指标值和确定健康等级选择 健康趋势预测模型中对应的子模型进行待测设 备的健康趋势预测， 使 得待测设备的健康趋势预 测更加准确。 权利要求书2页 说明书7页 附图2页 CN 114139767 A 2022.03.04 CN 114139767 A 1.一种设备的健康趋势预测方法， 其特 征在于， 所述方法包括： 获取待测设备 预设时段内的振动数据； 利用经验 模态分解法对所述振动数据进行 特征提取获取 所述数据的能量熵 矩阵； 基于所述 能量熵矩阵确定待测设备预设时段对应的健康指标值， 并确定所述指标值所 属的健康等级； 将所述健康指标值代入预先建立的健康趋势预测模型中， 预测所述待测设备的故障时 刻； 基于所述故障时刻确定待测设备的健康趋势； 其中， 所述 健康等级包括： 正常等级、 轻微退化 等级、 严重退化 等级和故障等级； 所述健康趋势包括： 剩余使用寿命。 2.如权利要求1所述的方法， 其特征在于， 所述利用经验模态分解法对所述振动数据进 行特征提取获取 所述数据的能量熵 矩阵， 包括： 利用经验模态分解法对所述振动数据进行特征提取， 获取所述振动数据对应的各个 固 有模态的能量； 基于所述各个固有模态的能量确定所述振动数据对应的能量熵 矩阵。 3.如权利要求1所述的方法， 其特征在于， 所述基于所述 能量熵矩阵确定待测设备预设 时段对应的健康指标值， 包括： 基于待测设备历史时段内的振动数据确定待测设备对应的最短距离的权 重矩阵； 利用所述能量熵矩阵和待测设备对应的最短距离的权重矩阵确定所述数据对应的最 小量化误差； 基于所述 最小量化误差确定待测设备 预设时段对应的健康指标值。 4.如权利要求3所述的方法， 其特征在于， 所述基于待测设备历史时段内的振动数据确 定待测设备对应的最短距离的权 重矩阵， 包括： 获取待测设备历史时段内的振动数据对应的能量熵 矩阵； 以所述能量熵矩阵为自组织映射神经网络模型的输入， 以基于获取的待测设备历史时 段内的振动信号数据划分的第一聚类类型和 第二聚类类型为输出， 训练所述自组织映射神 经网络模型， 获取自组织映射神经网络模型中与能量熵矩阵中各向量间最短距离的权重向 量； 获取由所述各权 重向量构成的待测设备对应的最短距离的权 重矩阵。 5.如权利要求1所述的方法， 其特 征在于， 所述预 先建立的健康趋势预测模型包括： 正常等级子模型、 轻微退化 等级子模型、 严重退化子模型和故障等级子模型； 其中， 所述正常等级子模型是基于历史时段内所述等级对应的健康指标值和预先设置 的正常等级阈值构建的； 所述轻微退化子模型是基于历史时段内所述等级对应的健康指标值的回归曲线对小 波神经网络算法进行训练构建的； 所述严重退化等级子模型是基于历史时段内所述等级对应的健康指标值的回归曲线 对高斯回归算法进行训练构建的； 所述故障等级子模型是基于历史时段内所述等级对应的健康指标值和预先设置的故 障等级阈值构建的。权　利　要　求　书 1/2 页 2 CN 114139767 A 26.如权利要求5所述的方法， 其特征在于， 所述健康趋势预测模型基于健康指标值对应 的健康等级 进行自适应选择 所述子模型， 预测所述待测设备的故障时刻。 7.一种设备的健康趋势预测系统， 其特 征在于， 所述系统包括： 第一获取模块， 用于获取待测设备 预设时段内的振动数据； 第二获取模块， 用于利用经验模态分解法对所述振动数据进行特征提取获取所述数据 的能量熵 矩阵； 第一确定模块， 用于基于所述能量熵矩阵确定待测设备预设时段对应的健康指标值， 并确定所述指标值所属的健康等级； 预测模块， 用于将所述健康指标值代入预先建立的健康趋势预测模型中， 预测所述待 测设备的故障时刻； 第二确定模块， 用于基于所述故障时刻确定待测设备的健康趋势； 其中， 所述 健康等级包括： 正常等级、 轻微退化 等级、 严重退化 等级和故障等级； 所述健康趋势包括： 剩余使用寿命。 8.如权利要求7 所述的系统， 其特 征在于， 所述第二获取模块， 包括： 获取单元， 用于利用经验模态分解法对所述振动数据进行特征提取， 获取所述振动数 据对应的各个固有模态的能量； 确定单元， 用于基于所述各个固有模态的能量确定所述振动数据对应的能量熵 矩阵。 9.一种计算机设备， 其特征在于， 包括存储器、 处理器及存储在存储器上并可在处理器 上运行的计算机程序， 处 理器执行计算机程序时， 实现如权利要求1 ‑6中任一的方法。 10.一种非临时性计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 计算机 程序被处 理器执行时实现如权利要求1 ‑6中任一的方法。权　利　要　求　书 2/2 页 3 CN 114139767 A 3