公开(公告)号：CN110555230A

公开(公告)日：2019-12-10

申请号：CN201910630036.0

申请日：2019-07-12

Applicant: 北京交通大学

Inventor： 辛格 ,  程强 ,  秦勇 ,  贾利民 ,  王豫泽 ,  张顺捷 ,  赵雪军 ,  程晓卿 ,  王莉

IPC: G06F17/50 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于集成GMDH框架的旋转机械剩余寿命预测方法，所述方法包括以下步骤：S1，采集多个同一种类旋转机械从正常运行到故障失效过程中的多个传感器数据，通过数据处理，得到训练数据集合W；S2，将数据集通过不同的划分，分别用于构建三个具有差异性的GMDH预测网络；S3，将三个GMDH网络在训练样本上的预测输出作为三层BP神经网络的输入对BP神经网络进行训练，该BP神经网络用于对三个GMDH网络的预测结果进行集成；S4，利用所述集成GMDH框架对旋转机械剩余寿命进行预测，计算并输出剩余寿命预测值。本发明与经典的LSTM网络和单个GMDH网络相比，能有效提高预测精度和泛化能力，具有更大的实际指导意义。

公开(公告)号：CN110555230B

公开(公告)日：2021-02-26

申请号：CN201910630036.0

申请日：2019-07-12

Applicant: 北京交通大学

Inventor： 辛格 ,  程强 ,  秦勇 ,  贾利民 ,  王豫泽 ,  张顺捷 ,  赵雪军 ,  程晓卿 ,  王莉

IPC: G06F30/17 ,  G06F30/20 ,  G06N3/08 ,  G06N3/04 ,  G06F119/04

Abstract: 本发明公开了一种基于集成GMDH框架的旋转机械剩余寿命预测方法，所述方法包括以下步骤：S1，采集多个同一种类旋转机械从正常运行到故障失效过程中的多个传感器数据，通过数据处理，得到训练数据集合W；S2，将数据集通过不同的划分，分别用于构建三个具有差异性的GMDH预测网络；S3，将三个GMDH网络在训练样本上的预测输出作为三层BP神经网络的输入对BP神经网络进行训练，该BP神经网络用于对三个GMDH网络的预测结果进行集成；S4，利用所述集成GMDH框架对旋转机械剩余寿命进行预测，计算并输出剩余寿命预测值。本发明与经典的LSTM网络和单个GMDH网络相比，能有效提高预测精度和泛化能力，具有更大的实际指导意义。