(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 202111665963.X (22)申请日 2021.12.31 (71)申请人 淮阴工学院 地址 223001 江苏省淮安市淮安区淮 城街 道竹巷街淮阴工学院萧湖校区 (72)发明人 姜伟　薛小明　张楠　陈中　 王馨梓　孙娜　 (74)专利代理 机构 淮安市科文知识产权事务所 32223 代理人 吴晶晶 (51)Int.Cl. G06Q 10/00(2012.01) G06Q 10/06(2012.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 基于多源传感器数据融合的设备健康指标 构建方法 (57)摘要 本发明涉及机械 设备健康预测与管 理领域， 公开了一种基于多源传感器数据融合的设备健 康指标构建方法， 包含如下步骤： 1） 对多源传感 器数据序列进行重构， 获得多尺度重构矩阵； 2） 基于栈式自编码器模型， 对多尺度重构矩阵进行 自适应特征提取， 生成健康状态特征集合； 3） 以 健康状态特征集合为输入， 构建自组织映射神经 网络并完成训练； 4） 求解自组织映射神经网络的 最小量化误差， 并将其作为机械设备健康指标。 本发明提出的方法能够满足数据驱动背景下对 机械装备综合健康状态进行评估、 预测与管理的 需求， 基于特征层级数据融合思想， 获取有效表 征设备健康演变历程的健康指标， 为制定合理可 行的设备维护计划提供必要依据。 权利要求书2页 说明书4页 附图3页 CN 114399064 A 2022.04.26 CN 114399064 A 1.基于多源传感器数据融合的设备健康指标构建方法， 其特 征在于， 包括如下步骤： 步骤1： 对获取到的设备 上的多源传感器数据 序列进行重构， 获得多尺度重构矩阵； 步骤2： 基于栈式自编码器模型， 对步骤1中所得多尺度重构矩阵进行自适应特征提取， 生成健康状态特 征集合； 步骤3： 以步骤2中所得健康状态特征集合为输入， 构建自组织映射神经网络并完成训 练； 步骤4： 求 解自组织映射神经网络的最小量 化误差， 并将其作为机 械设备健康指标。 2.根据权利要求1所述的基于多源传感器数据融合的设备健康指标构建方法， 其特征 在于， 所述 步骤1包括如下子步骤： (1‑1)采集目标设备运行过程中的多源传感器数据序列集合{X1,X2,…Xn}， 其中Xi＝ xi1,xi2,…,xim； (1‑2)对多源传感器数据序列进行空间重构， 重构方法为： 初始化一个二维矩阵， 矩阵 维度为n×m， 以不同来源传感器数据序列个数作为矩阵的行、 单一来源传感器数据序列长 度作为矩阵的列， 对二维矩阵进行 赋值， 进而获得多尺度重构数据矩阵[X1； X2；…； Xn]n×m。 3.根据权利要求1所述的基于多源传感器数据融合的设备健康指标构建方法， 其特征 在于， 所述 步骤2中生成健康状态特 征集合包括如下步骤： (2‑1)以多尺度重构数据矩阵[X1； X2；…； Xn]n×m作为输入数据， 对栈式自编码器进行训 练， 获取第一隐含层特 征向量Γ1； (2‑2)以第一隐含层特征向量Γ1作为输入数据， 继续对栈式自编码器进行训练， 获取第 二隐含层特 征向量Γ2； (2‑3)以上一隐含层特征向量作为输入， 对下一单一自编码器进行训练， 直至栈式自编 码器训练完成， 获取顶层隐含层特 征向量集合Γ， 以此作为所提取的设备健康状态特 征。 4.根据权利要求3所述的基于多源传感器数据融合的设备健康指标构建方法， 其特征 在于， 所述栈式自编码器模型包含5层， 分别为输入层、 第一隐含层、 第二隐含层、 第三隐含 层以及输出层。 5.根据权利要求1所述的基于多源传感器数据融合的设备健康指标构建方法， 其特征 在于， 所述 步骤3包括如下子步骤： (3‑1)构建自组织映射神经网络， 所述网络包含两层结构， 即输入层和输出层； 输入层 节点与输出层拓扑结构间通过网络权重矩阵进行连接， 通过网络训练获取最优的权重矩 阵； (3‑2)初始化网络 权重矩阵； (3‑3)依次计算拓扑层中第i个神经元与设备健康状态特征间的欧式距离Ei， 取其中具 有最小欧式距离的神经 元作为获胜单 元； (3‑4)通过训练修正获胜单元与邻近神经元间的连接权重， 直至达到最大训练次数N， 得到最终 获胜单元的权重向量ωw。 6.根据权利要求1所述的基于多源传感器数据融合的设备健康指标构建方法， 其特征 在于， 所述 步骤4包括如下子步骤： (4‑1)求解设备健康状态特 征与获胜单 元间的最小量 化误差值MQE， 计算公式如下： MQE＝||Γ‑ωw||权　利　要　求　书 1/2 页 2 CN 114399064 A 2其中， ωw表示获胜单 元的权重向量； (4‑2)以上述所求 最小量化误差， 作为 最终构建的设备健康指标h， 即： h＝MQE。权　利　要　求　书 2/2 页 3 CN 114399064 A 3