(19)中华 人民共和国 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 202110261185.1 (22)申请日 2021.03.10 (65)同一申请的已公布的文献号 申请公布号 CN 112966443 A (43)申请公布日 2021.06.15 (73)专利权人 中国人民解 放军海军航空大 学 地址 264001 山东省烟台市芝罘区二马路 188号 (72)发明人 徐廷学　王瑞奇　李海君　顾钧元　 (74)专利代理 机构 北京博识智 信专利代理事务 所(普通合伙) 16067 代理人 汤敏妮 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01)G06F 119/04(2020.01) (56)对比文件 CN 107766628 A,2018.0 3.06 CN 108520 320 A,2018.09.1 1 CN 112214951 A,2021.01.12 CN 111260249 A,2020.0 6.09 AU 2020101023 A4,2020.07.23 审查员 李海明 (54)发明名称 一种基于长短期记忆网络的设备可靠性与 性能评估方法 (57)摘要 本发明公开了一种基于长短期记忆网络的 设备可靠性与性能一体化评估 方法。 该可靠性与 性能一体化评估方法主要实现了通将设备离散 监测数据转化为性能退化指标， 通过离散损伤累 积模型评估设备各时期可靠性指标， 然后通过信 息融合， 将可靠性指标与性能指标融合为设备的 剩余寿命预测结果， 最终得到设备的可靠性与性 能一体化评估 方法。 该评估 方法实现了通过过长 短期记忆网络训练， 将离散的设备全寿命监测数 据转化为单一的性能退化指标。 并通过贝叶斯信 息融合手段， 以可靠性评估结果平均故障时间和 性能评估指标性能退化指标作为被融合信息， 以 设备剩余寿命作为信息融合目标， 得到了设备的 全寿命周期剩余寿 命预测结果。 权利要求书3页 说明书7页 附图3页 CN 112966443 B 2022.04.29 CN 112966443 B 1.一种基于长短期记忆网络的设备可靠性与性能评估方法， 其特征在于： 该方法包括 以下步骤： 步骤S10： 对n台样品设备进行全寿命周期监测， 得到监测数据数据， 并进行数据分批与 初始化， 以及标注前两批与最后两批数据标注性能退化量； 其中样品设备全寿命周期监测 数据， 分别记作Ai， i＝1,2， …， n； 通过滑窗将每个数据Ai分为mi个监测批次， 记作Bij， 其中j ＝1,2,…， mi； 取各设备前两批数据Bi1与Bi2， 并标注其性能退化量c1与c2为区间[a1,a2]的随 机数， 取各设备的最后二批数据Bid， di＝mi‑1， 标注其性能退化量c3为[a3,a4]的随机数， 选 取设备寿命周期监测数据的倒数第一批数据 标注其性能退化量c4为[a5,a6]之间的随 机数； 参数选取为a1＝0.01， a2＝0.05， a3＝0.89， a4＝0.9， a5＝0.9， a6＝0.91； 步骤S20： 根据所述的设备批次监测数据与性能退化量， 建立长短期记忆LSTM神经网 络， 并输入数据进行网络训练； 步骤S30： 根据所述训练好的LSTM网络， 输入各设备全寿命监测数据， 得到不同时刻设 备性能退化指标； 并求 解各时刻性能退化指标的均值与方差， 其计算如下： 其中DHIij为将各设备全寿命监测数据Ai用训练好的LSTM模型进行预测， 得到i设备j时 刻的预测结果， 该结果即为i设备j时刻性能退化指标DHIij， i＝1,2,....n， j＝1,2,....mi， 性能退化指标代表了 设备的性能指标；  画出所有样品设备全寿命周期中性能退化指标； 通 过统计n台试验数据的性能退化指标， 获得各设备j时刻下的性能退化均值记作 μ(j)， 获得 各设备j时刻下的性能退化方差记作σ2(j)； 步骤S40： 根据 所述的各时刻性能退化指标的均值与方差数据， 采用最小二乘方法拟合 均值与方差随时间变化的斜率数据， 并计算区间中性能退化指标 的最大值， 作为设备性能 失效阈值如下： DHIfault＝max(DHIij),i＝1， 2...n,j＝1,2,. ...mlinear； 其中 与 为通过最小二乘拟合均值μ和方差σ2随时间变化的斜率， 即 和 mliner为均值和方差同时满足一次函数的最大时间值；  max为求取最大值的函数， DHIfault为失效阈值； 步骤S50， 根据 所述的性能退化指标均值和方差的斜率数据以及设备性能失效阈值， 计 算设备失效概率随时间变化的分布密度函数， 再通过积分运算计算 故障失效阈值预测时间 如下：权　利　要　求　书 1/3 页 2 CN 112966443 B 2其中 和 为所述的性能退化指标均值和方差的斜率， DHIfault为设备性能失效阈值， f (t)为离散随机损伤累积模型的失效概率密度函数；  MTBF(DHIfault)为设备从性能退化指标 为0的健康状态退化到故障失效阈值DHIfault的预测时间； 步骤S60， 根据所述的LSTM模型的性能退化指标计算每台设备退化到当前状态的预测 时间； 然后计算每台设备的当前设备状态到故障状态的平均时间如下： MTBFij＝MTBF(DHIfault)‑MTBF(DHIij)； 其中DHIij表示根据根据所述LS TM模型得到的i 设备时刻j的性能退化指标值， MTBFij为i 设备时刻j的设备状态到故障状态的平均故障时间； 步骤S70， 根据 所述的每 台设备当前时刻到故障状态的平均预测时间， 计算在不同剩余 寿命假设情况下的性能指标与可靠性指标均值与协方差， 然后计算不同寿命长度下的故障 概率先验概 率； 步骤S80， 根据所述的训练好的LSTM网络输入监测到的正在运行的设备信息， 得到性能 退化评估值， 然后计算其可靠性指标， 再通过贝叶斯 公式， 根据可靠性指标与性能退化评估 值， 计算不同寿命假设下的后验概 率如下： 其中P(L)为通过统计获得样品设备在 各寿命长度 L下的故障概率先验概率， Lmax为设备 的可能最长剩余寿命， 可以取试验数据的最大寿命值即Lmax＝max(mij)， 和 为在 剩余寿命RUL＝l条件下， 性能指标和可靠性指标的均值， 为在剩余寿命RUL＝l条件 下， 性能指标和可靠性指标的协方差， 最后P(MTBF,DHI|RUL＝l)为所述的寿命长度L下的故 障概率先验概 率； 步骤S90， 根据 所述的后验概率与剩余寿命， 联合求解最值的基于可靠性与性能一体化 的剩余寿命预测结果如下：权　利　要　求　书 2/3 页 3 CN 112966443 B 3