• / 17

生命周期预测模型的在线学习方法和设备

关 键  词:
生命周期 预测 模型 在线 学习方法 设备
资源描述:

《生命周期预测模型的在线学习方法和设备》文档由会员分享,可在线阅读,更多相关《生命周期预测模型的在线学习方法和设备(17页珍藏版)》请在白瓜网上搜索。

1、产品的性能参数的实际值与性能参数的预测值之间的误差, 并且当 所述误差大于预定阈值时, 根据待预测产时间确定性能参数的预测值; (c)响应于性能参数的预测值的确定, 确定包括在所 述实际数据中的待预测品的实际 环境数据得到待预测产品的当前等效使用时间, 并且根据所述生命周期预测模型以及当前 等效使用b)每当到达待预测产品的 维护时刻, 获取待预测产品的实际数据, 根据包括在所述实际数据中的待预测产间的关系, 所述等效使用时间指示实际工况 下的产品的使用时间折算成的标准工况下的产品的使用时间; (境数据以及历史性能参数, 所述生命周期预测模型指示体现产品 的性能退化程度的性能参数与等效使用时间之。

2、 (a)根据待预测产品的多个同类产品的历史数据建立生命周期预测模型, 其中, 所述历史数据包括历史环。 0005 根据本发明的一方面, 提供一种生命周期预测模型的在线学习方法, 该在线学习 方法包括:目的在于提供一种生命周期预测模型的在线学习方法和设备, 以解决现 有的预测模型预测的准确性不高的问题术中的建模方法建立 的预测模型针对部分个体产品的性能预测的准确度不高。 发明内容 0004 本发明的史数据的机器学习方法建模越来 越多的得到应用, 如神经网络、 支持向量机、 极限学习机等。 但现有技验数据辨识的方法确定机理模型。 但是由于使用 过程的影响因素众多, 机理模型往往达不到要求。 基于历。

3、经得到了普遍应用。 传统的建模方法主要是根据其材料、 退化、 化学、 生物等机理规律直接得到或通过实 针对产品使用性能退化的监控预测, 建立产品的行为过程模型并由此对产品的性 能指标进行预测以及控制已能与产品的寿命之 间具有对应关系。 因此, 可通过对产品的性能的监控预测来预测产品的寿命。 0003现产品的可靠性的重要特征量。 随着产品的使用时间的增加, 产品的性能将会退化, 也就是说, 产品的性期预测模型的在 线学习方法和设备。 背景技术 0002 产品的寿命是指产品可以正常使用的时间, 是体在线学习方法和设备 技术领域 0001 本发明涉及智能预测的技术领域, 更具体地讲, 涉及一种生命周。

4、习方法的程序指令。 权利要求书 3/3 页 4 CN 107464023 A 4 生命周期预测模型的, 用于存储当被处理器执行使得处理器执行如权利要求1至11中任意一项所述 的生命周期预测模型的在线学一项所述的生命周期预测模型的在线学习方法的程序指令。 22.一种计算装置, 包括: 处理器; 存储器示。 21.一种计算机可读存储介质, 存储有当被处理器执行时使得处理器执行如权利要求1 至11中任意确 定所述待预测产品当前的性能参数的预测值, 在当前的性能参数的预测值落入预警范围 时, 进行预警提测单元, 周期性地获 取所述待预测产品的环境数据, 根据生命周期预测模型和所述待预测产品的环境数据来。

5、更新所述生命周 期预测模型。 20.根据权利要求12所述的在线学习设备, 其特征在于, 还包括: 预征在于, 模型更新单元利用样本重抽样 方法或具有权重学习性质的算法来根据待预测产品的实际数据及其权重 每个实际数据及其权重来更新所述生命周期预测模型。 19.根据权利要求12所述的在线学习设备, 其特的时间距离确定每个实际数据的权重, 根据不同的等效使用时间中的每个等效 使用时间的模型数据及其权重、的等效使用时间与当前等效使 权利要求书 2/3 页 3 CN 107464023 A 3 用时间之间用时间之间的时间距离确定不同的等效使用时间中 的每个等效使用时间的模型数据的权重, 根据每个实际数据。

6、预测模型得到不同的等效使用时间的模型数据, 根据不同的等效使用时间 中的每个等效使用时间与当前等效使18.根据权利要求12所述的在线学习设备, 其特征在于, 模型更新单元根据初始的或更 新前的生命周期据的权重, 根据每个时间点的历史数据及其权重、 每个实际数据及其权重来 更新所述生命周期预测模型。 的历 史数据的权重, 根据每个实际数据的等效使用时间与当前等效使用时间之间的时间距离确 定每个实际数模型更新单元根据历史数据中 的每个时间点的等效使用时间与当前等效使用时间之间的时间距离确定每个时间点等 效使用时间相加得到当前等效使用时间。 17.根据权利要求12所述的在线学习设备, 其特征在于, 。

7、元根据每个时间点的实 际环境数据与标准环境数据确定每个时间点的单次等效使用时间, 将每个时间点的单次相加得到每个时间点的等效使用时间。 16.根据权利要求12所述的在线学习设备, 其特征在于, 确定单据与标准环境数据确定每个时间点的单次等效使用时间, 将每 个时间点之前的所有时间点的单次等效使用时间权利要求12所述的在线学习设备, 其特征在于, 模型建立单元根据历史数据中 的每个时间点的历史环境数小化方法, 根据待预测产品的多个同类产品的历史数据确定所述生命周期预测模型的模型 参数。 15.根据的经验模型。 14.根据权利要求13所述的在线学习设备, 其特征在于, 模型建立单元利用损失函数最 。

8、预测模型的模型参数, 其中, 所述生命周期 预测模型为产品的性能失效机理模型或用于产品的生命周期预测的在线学习设备, 其特征在于, 模型建立单元根据待预测产品 的多个同类产品的历史数据确定所述生命周期定阈 值时, 根据待预测产品的实际数据及其权重更新所述生命周期预测模型。 13.根据权利要求12所述在所述实际数据中的待预 测产品的性能参数的实际值与性能参数的预测值之间的误差, 并且当所述误差大于预以及当前等效使用时间确定性能参数的预测值; 模型更新单元, 响应于性能参数的预测值的确定, 确定包括际数据中的待预测产品的实际环境数据得到待预测产品的当前等效使用时间, 并且 根据所述生命周期预测模型。

9、用时间; 确定单元, 每当到达待预测产品的维护时刻, 获取待预测产品的实际数据, 根据包括在 所述实效使用时间之间的关系, 所述等效使用时间指示实 际工况下的产品的使用时间折算成的标准工况下的产品的使据包括历史环境数据以及历史性能参数, 所述生命周期预测模型指示体 现产品的性能退化程度的性能参数与等: 模型建立单元, 根据待预测产品的多个同类产品的历史数据建立生命周期预测模型, 其中, 所述历史数测值落入预警范围时, 进行预警提示。 12.一种生命周期预测模型的在线学习设备, 其特征在于, 包括模型和所述待预测 产品的环境数据来确定所述待预测产品当前的性能参数的预测值, 在当前的性能参数的预 。

10、线学习方法, 其特征在于, 还包括: (d)周期性地获取所述待预测产品的环境数据, 根据生命周期预测质的算法来根据待预测产品的实际数据及其权重更新所述生命周 期预测模型。 11.根据权利要求1所述的在权利要求1所述的在线学习方法, 其特征在于, 在步骤(c)中, 利用样本重抽样 方法或具有权重学习性间为中心, 构造各个权重。 权利要求书 1/3 页 2 CN 107464023 A 2 10.根据布 函数、 柯西分布函数、 威布尔分布函数、 指数函数、 幂函数或等比连乘算法, 以当前等效使用 时增加而增加。 9.根据权利要求6或7所述的在线学习方法, 其特征在于, 在步骤(c)中, 利用高斯分。

11、权利要求6或7所述的在线学习方法, 其特征在于, 每条实际数据对应的权重之 和随着实际数据的总条数的的每个等效使 用时间的模型数据及其权重、 每条实际数据及其权重来更新所述生命周期预测模型。 8.根据据的等效使用时间与当前等效使用 时间之间的时间距离确定每条实际数据的权重, 根据不同的等效使用时间中使用时间之间的时间距离确定不同的等效使用时间中的 每个等效使用时间的模型数据的权重, 根据每条实际数期预测模型得到不同的等效使用时间的模型数据, 根据不同的等效使用时间中 的每个等效使用时间与当前等效7.根据权利要求1所述的在线学习方法, 其特征在于, 在步骤(c)中, 根据初始的或更新 前的生命周。

12、据的权重, 根据每个时间点的历史数据及其权重、 每个实际数据及其权重来更 新所述生命周期预测模型。 的历史 数据的权重, 根据每个实际数据的等效使用时间与当前等效使用时间之间的时间距离确定 每个实际数(c)中, 根据历史数据中的 每个时间点的等效使用时间与当前等效使用时间之间的时间距离确定每个时间点等效使用时间相加得到当前等效使用时间。 6.根据权利要求1所述的在线学习方法, 其特征在于, 在步骤根据每个时间点的 实际环境数据与标准环境数据确定每个时间点的单次等效使用时间, 将每个时间点的单次 每个时间点的等效使用时间。 5.根据权利要求1所述的在线学习方法, 其特征在于, 在步骤(b)中, 。

13、环境数据确定每个时间点的单次等效使用时间; 将每个 时间点之前的所有时间点的单次等效使用时间相加得到述的在线学习方法, 其特征在于, 步骤(a)包括: 根据历史数据中的 每个时间点的历史环境数据与标准 根据待预测产品的多个同类产品的历史数据确定所述生命周期预测模型的模型参 数。 4.根据权利要求1所 3.根据权利要求2所述的在线学习方法, 其特征在于, 在步骤(a)中, 利用损失函数最小 化方法,型参数, 其中, 所述生命周期预 测模型为产品的性能失效机理模型或用于产品的生命周期预测的经验模型。其特征在于, 步骤(a)包括: 根据待预测产品的 多个同类产品的历史数据确定所述生命周期预测模型的模。

14、据 待预测产品的实际数据及其权重更新所述生命周期预测模型。 2.根据权利要求1所述的在线学习方法, 中的待预测产品的性 能参数的实际值与性能参数的预测值之间的误差, 并且当所述误差大于预定阈值时, 根当前等效使用时间确定性能参数的预测值; (c)响应于性能参数的预测值的确定, 确定包括在所述实际数据据中的待预测产品的实际环境数据得到待预测产品的当前等效使用时间, 并且根据所 述生命周期预测模型以及使用时间; (b)每当到达待预测产品的维护时刻, 获取待预测产品的实际数据, 根据包括在所述实 际数等效使用时间之间的关系, 所述等效使用时间指示实际工况下的产 品的使用时间折算成的标准工况下的产品的。

15、数据包括历史环境数据以及历史性能参数, 所述生命周期预测模型指示体现产品的性能 退化程度的性能参数与于, 包括: (a)根据待预测产品的多个同类产品的历史数据建立生命周期预测模型, 其中, 所述历 史017.12.12 CN 107464023 A 1.一种生命周期预测模型的在线学习方法, 其特征在产品的性能预测的准确 度。 权利要求书3页 说明书10页 附图3页 CN 107464023 A 2周期预测模型。 根据本发明可得到更 符合待预测产品的使用工况的生命周期预测模 型, 从而提高对待预测品的性能参数的实际值与性能参数的预测值之 间的误差, 并且当所述误差大于预定阈值时, 更 新所述生命。

16、期预测模 型以及当前等效使用时间确定性能参数的预测 值; (c)确定包括在所述实际数据中的待预测产 的实际数据, 根据待 预测产品的实际环境数据得到待预测产品的当 前等效使用时间, 并且根据所述生命周个同类产品的历史数据建立 生命周期预测模型; (b)每当到达待预测产品的 维护时刻, 获取待预测产品提供一种生命周期预测模型的在线 学习方法和设备, 所述在线学习方法包括: (a)根 据待预测产品的多00(2010.01) (54)发明名称 生命周期预测模型的在线学习方法和设备 (57)摘要 本发明理人 张川绪王兆赓 (51)Int.Cl. G06Q 10/04(2012.01) G06N 99/号 (72)发明人 薛建国王璐 (74)专利代理机构 北京铭硕知识产权代理有限 公司 11286 代新疆金风科技股份有限公司 地址 830026 新疆维吾尔自治区乌鲁木齐 市经济技术开发区上海路107(21)申请号 201710701653.6 (22)申请日 2017.08.16 (71)申请人 (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。

展开阅读全文
  白瓜网所有资源均用户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
0条评论

还可以输入200字符

暂无评论,赶快抢占沙发吧。

关于本文
本文标题:生命周期预测模型的在线学习方法和设备
链接地址:https://www.baigua.net/doc/836346.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

copyright@ 20018-2021 白瓜网版权所有

经营许可证编号:粤ICP备20005300号-1