(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 202111631338.3 (22)申请日 2021.12.28 (71)申请人 桂林电子科技大 学 地址 541004 广西壮 族自治区桂林市七 星 区金鸡路1号 (72)发明人 王鑫　王宇晴　覃琴　何曰平　 颜靖柯　李黄河　 (74)专利代理 机构 桂林市华杰 专利商标事务所 有限责任公司 451 12 代理人 罗玉荣 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) (54)发明名称 一种基于PR-Trans的机械设备剩余寿命预 测方法 (57)摘要 本发明公开了一种基于PR ‑Trans的机械设 备剩余寿命 预测方法， 包括离线训练和在线预测 两个阶段， 其中， 离线训练主要任务是建立预测 模型、 并利用历史操作数据库中处理后的数据对 模型进行训练， 在线训练主要任务是基于训练模 型的实时预测实时RUL， 并处理实时数据， 然后将 相关信息反馈给控制器。 这种方法采用改进 Transformer的自注意力机制， 能减少计算量及 空间占有率、 增强位置之间关系、 减小模 型大小、 通过增大模 型感受野增强模型学习能力， 使模型 推理速度更 快、 预测更精确。 权利要求书2页 说明书6页 附图2页 CN 114297795 A 2022.04.08 CN 114297795 A 1.一种基于PR ‑Trans的机械设备剩余寿命预测方法， 其特征在于， 包括离线训练和在 线预测两个阶段， 其中， 所述离线训练阶段包括： 1)采用传感器获取机械设备多种物 理量的历史状态监测信号， 监测信号为电流、 温度、 工作压强、 电压、 操作条件信号数据； 2)对步骤1)所获取的传感器历史信号进行预处理， 预处理是对数据进行清洗、 平滑处 理操作， 将数据波动幅度在 ±0.01的无关联或关联度小的信号剔除； 3)采用分线段退化模型获得实际剩余寿命的标签， 最大剩余寿命值设为128， 即超过 128的部分均设为128， 不满足 128的设备则设为 最大cycle值 为最大剩余寿命； 4)将步骤2)中筛 选出的信号数据进行归一 化操作； 5)选择输入模型的信号数据时序长度， 将步骤4)处理完的数据输入到RP ‑Trans模型 中， RP‑Trans模型的输出为设备剩余寿命退化预测值， MSE函数用于计算预测的设备剩余寿 命与标签之间的误差， 采用Adam算法作为优化器优化网络； 所述在线预测阶段包括： 6)从监测设备采集实时数据， 并将数据和操作条件输入到设备剩余寿命预测模型即 RP‑Trans模型中， 设备剩 余寿命预测模型输出当前时刻设备剩 余寿命退化预测结果， 取当 前设备的最后一个值 为设备当前剩余寿命。 2.根据权利 要求1所述的基于PR ‑Trans的机械设备剩余寿命预测方法， 其特征在于， 所 述RP‑Trans模型采用旋转位置编码代 替现有技术中Transformer模 型中原有编码方式即将 绝对位置编码与相对位置编码相结合、 使得模型有能力 分辨不同位置的令牌、 增强了序列 中不同位置之间的依赖性； 采用ProbSparse自注意力模块方式代替现有技术中 Transformer模 型中的自注意力模块方式、 降低自注意力机制时间复杂 度至O(LlogL)、 空间 复杂度降低至O(LlogL)； 采用改进的自我注 意提取操作即采用Dilated ‑SKConv卷积代替现 有技术中Transformer模型中全连接层连接ProbSparse自我注意 块。 3.根据权利 要求2所述的基于PR ‑Trans的机械设备剩余寿命预测方法， 其特征在于， 所 述ProbSparse自注意力模块方式为： 1)为每个query随机采样部分key； 2)计算每 个query的稀疏性得分 3)选择稀疏性得分最高的N个query； 4)只计算 N个query和key的点积结果， 进 而得到自注意结果； 5)其余L‑N个query将Self ‑Attention层的输入取均值mean(V)作为输出， 保证每个 ProbSparse  Self‑Attention层的输入和输出序列长度都是L。 4.根据权利 要求2所述的基于PR ‑Trans的机械设备剩余寿命预测方法， 其特征在于， 所 述Dilated ‑SKConv卷积是将特征图分别进行卷积核大小为3、 膨胀率为1的膨胀卷积和卷积 核大小为3、 膨胀率为2的膨胀 卷积操作， 即 和 其中， 膨胀 卷积过程采用逐个元 素相加来融合两个分支的结果： 创建紧凑特 征 为自适应选择核 进行指导， 计算方式为； γ＝Pfc(N)＝Θ(B(N) )，权　利　要　求　书 1/2 页 2 CN 114297795 A 2其中， Θ为ReLU方法， B表示Batch  Normalization， 采用softmax计算出 和 的权重， 权重计算公式为： 其中， A， Ai表示第A序列的第i个元素， ai表示第i个元素的权重， 只有两个分 支， 则有ai+bi＝1， 最终映射结果由权重因子ai， bi决定， 过程中， 和 均由卷积、 BN和ReLU 组成。权　利　要　求　书 2/2 页 3 CN 114297795 A 3