← 返回列表
一种基于MCNN的隔膜泵单向阀寿命预测方法与系统
摘要文本
本发明提供了一种基于MCNN的隔膜泵单向阀寿命预测方法与系统，通过引入了二乘Wasserstein距离来代替JS和KL发散的对抗神经网络，通过生成器生成与特征数据分布相同的数据，通过鉴别器对生成器数据进行优化，得到与原始数据集相同分布的预测值输入进入LSTM模型进行预测，振动和噪声同步传入进入寿命预测模型，根据两者二乘Wasserstein距离的差异，赋予两种信号结果不同的权重，实现两者预测结果的融合。本发明通过填充数据和预测值融合的手段，显著增强了模型的准确性，并且能够在数据稀缺情况下提供更可靠的预测，为实际应用中的预测模型提供了可行性和稳定性。
申请人信息
- 申请人:浙江大学
- 申请人地址:310058 浙江省杭州市西湖区余杭塘路866号
- 发明人: 浙江大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于MCNN的隔膜泵单向阀寿命预测方法与系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410022049.0 |
| 申请日 | 2024/1/8 |
| 公告号 | CN117556261A |
| 公开日 | 2024/2/13 |
| IPC主分类号 | G06F18/214 |
| 权利人 | 浙江大学 |
| 发明人 | 孟凡光; 史治国 |
| 地址 | 浙江省杭州市西湖区余杭塘路866号 |
专利主权项内容
1.一种基于MCNN的隔膜泵单向阀寿命预测方法，其特征在于，该方法包括以下步骤：S1、对隔膜泵单向阀整个生命周期的数据进行采集并构建数据集，所述数据集包括噪声信号、振动信号和对应的隔膜泵单向阀使用时间；S2、将采集到的隔膜泵单向阀数据集进行预处理后，对数据进行随机划分得到训练集和测试集；S3、将划分得到的训练集输入到MCNN模型进行训练，得到用于生成隔膜泵单向阀的寿命预测值的MCNN模型；S4、将划分得到的训练集输入到基于Wasserstein二乘距离的对抗神经网络中进行训练，学习原始噪声和振动信号的数据分布，并产生在统计特性和时间序列特征上与原始数据相似的填充值，将所述填充值按照时间序列无缝嵌入到测试集中，实现测试集的扩充；S5、将扩充后的隔膜泵单向阀数据测试集进行标准化，保证不同特征数值范围一致；S6、根据扩充后噪声信号和振动信号的测试集分别输入到训练好的MCNN模型，得到两组寿命预测值，将两组寿命预测值根据Wasserstein二乘距离和卡尔曼增益公式得到融合后的隔膜泵单向阀寿命预测值。