(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 202111329014.4 (22)申请日 2021.11.10 (71)申请人 合肥赛为智能有限公司 地址 230088 安徽省合肥市高新区创新大 道666号 (72)发明人 谷国栋　周起如　耿伟　连磊　 胡进贤　 (74)专利代理 机构 合肥市长 远专利代理事务所 (普通合伙) 34119 代理人 孙丽丽 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/08(2006.01) G06F 111/08(2020.01) G06F 119/02(2020.01) (54)发明名称 一种城轨机电设备健康状态评估 方法、 系统 及存储介质 (57)摘要 本发明涉及城轨机电管 理领域， 特别涉及一 种城轨机电设备健康状态评估 方法、 系统及存储 介质， 评估 方法包括以下步骤： S1、 采集机电设备 检测数据； S2、 对采集的数据进行预处理； S3、 对 Vae‑lstm模型进行训练， 并获取设备每个时刻的 重构误差序列； S4、 构建设备健康 状态评估模型， 并根据在线设备运行数据计算出当前时刻设备 健康指数； S5、 根据设备健康指数输出设备的评 价等级、 健康状态等级、 运行状态描述。 本发明的 有益效果在于： 本发明通过使用设备健康状态数 据对Vae‑lstm模型进行训练， 优化模型参数， 获 取重构误差并根据重构误差构建设备健康状态 评估模型解决了背景技术中的不足， 使得设备的 健康状态能够被准确捕捉。 权利要求书2页 说明书6页 附图4页 CN 114239377 A 2022.03.25 CN 114239377 A 1.一种城轨 机电设备健康状态评估方法， 其特 征在于， 包括以下步骤： S1、 采集机电设备检测数据， 并以设定比例划分训练集和测试集； 记训练集为U， 对于每 台设备有u∈U,则设备的多维监测数据记为X(u)＝ 其中l 表示设备最大运行周期数， xt(u)＝Rm是m维向量表示t时刻的m维监测数据； S2、 对采集的数据进行预处理； 所述预处理包括异常值处理、 缺失值填充、 数据归一化 和信号滤波； S3、 对Vae ‑lstm模型进行训练并获取设备每 个时刻的重构误差序列； S4、 构建设备健康状态评估模型并根据在线设备运行数据计算出当前时刻设备健康指 数； S5、 基于当前时刻设备健康指数输出设备的评价 等级、 健康状态等级、 运行状态描述。 2.根据权利要求1所述的一种 城轨机电设备健康状态评估方法， 其特征在于， 所述机电 设备检测数据包括： 在 线状态、 运行工况、 历史数据、 其他数据； 所述在线状态 为传感器实时 监测表征机电设备当前运行状态的特征量， 包括： 机电设备系统的振动监测、 噪声监测和温 度监测； 所述运行工况包括运行时间、 负载情况、 过负载运行时间； 所述历史数据包括： 设备 告警记录、 故障缺陷记录、 检修记录等历史数据； 所述 其他数据包括： 空气温度、 空气湿度。 3.根据权利要求1所述的一种 城轨机电设备健康状态评估方法， 其特征在于， 所述步骤 S2还包括对不同工况样本进行z ‑score标准化， 用于消除工况变化带来的影响。 4.根据权利要求1所述的一种城轨机电设备健康状态评估方法， 其特征在于， 步骤S3具 体为： S3.1、 通过滑动时间窗法提取设备传感器多维数据 序列的子序列xi； S3.2、 在时刻输入多维向量xi， 经过lstm层输出后， 估计隐变量对应的均值ui和协方差 ∑zi； S3.3、 使用设备健康状态下的检测数据对Vae ‑lstm模型进行训练， 完成Vae ‑lstm模型 网络参数的优化调整； S3.4、 Vae ‑lstm模型的编码器对xi进行编码 得到均值 和协方差 并使用神经网络 拟合 计算条件概率分布p(z|xi)的近似分布后， 根据该分布进行随机采样， 得到 xi在隐空间对应的隐变量zi； S3.5、 通过Vae ‑lstm模型的解码器对zi进行解码， 映射到原始输入数据空间中， 对xi进 行重构， 得到 重构向量 oi； 由此设备每 个时刻的重构误差eiu＝||zi(u)‑zi′(u)||。 5.根据权利要求4所述的一种城轨机电设备健康状态评估方法， 其特征在于， 所述Vae ‑ lstm模型的构建方法包括： 使用lstm层替换变分自编码器vae中的前馈网络层得到Vae ‑ lstm模型。 6.根据权利要求4所述的一种城轨机电设备健康状态评估方法， 其特征在于， 步骤S3.5 之后还包括对计算eiu的平均值并进行归一 化操作， 得到： 其中emax(u)和emin(u)分别是设备u的最大重构误差和最小重构 误差； hi(u)表示i时刻设备的健康指数值。权　利　要　求　书 1/2 页 2 CN 114239377 A 27.根据权利要求1所述的一种城轨机电设备健康状态评估方法， 其特征在于， 步骤S4具 体包括以下步骤： S4.1、 根据步骤S3所得的重构误差作为设备健康值， 记为H(u)＝[h1(u),h2(u),……,hL (u)]， 其中ht(u)∈R是t时刻设备的健康值， L为设备总运行周期数； 其中0≤ht(u)≤1， 当ht(u)为 0时表示设备完全失效， 为1时表示设备完全健康； S4.2、 训练设备健康状态评估模型， 将每个时刻的ht(u)映射到ht(u)并进行拟合， 所述拟 合方法包括： 采用线性回归 模型进行拟合， 具体为： fθ(Zt(u))＝θTZt(u)+b, θ∈R； 其中fθ(Zt(u))为时刻t设备健康指数的预测值； S4.3、 根据在线设备运行 数据使用健康状态评估 模型评估当前时刻设备健康指数。 8.根据权利要求7所述的一种 城轨机电设备健康状态评估方法， 其特征在于， 所述健康 状态、 评价 等级根据健康指数进行判断， 具体为： 当设备健康指数属于[0.8,1.0]， 评价等级为A级， 健康状态等级为健康状态， 设备健康 状态描述 为设备健康状况良好， 可长期运行； 当设备健康指数属于[0.65， 0.8],评价等级为B级， 健康状态等级为亚健康状态， 发出 黄色预警信息， 存在异常征兆出现， 不宜 长期运行； 当设备健康指数属于[0.5,0.65]， 评价等级为C级， 健康状态等级为不健康状态， 发出 橙色预警信息， 关键指标异常,出现轻微故障， 设备勉强可以运行； 当设备健康指数属于[0.0,0.5]， 评价等级为D级， 健康状态等级为病 态状态， 发出红色 预警信息， 设备存在故障， 无法完成规定任务。 9.用于权利要求1 ‑8所述的一种城轨机电设备健康状态评估方法的系统， 其特征在于， 包括： 数据采集模块， 用于采集机电设备监测数据； 数据预处理模块， 用于对原始采集的机电设备检测数据进行数据清洗， 降低异常数据 干扰； Vae‑lstm模型训练模块， 用于构建Vae ‑lstm模型并获取设备每个时刻的重构误差序 列； 健康设备评估模块， 用于构建设备健康状态评估模型并根据在线设备运行数据计算出 当前时刻的设备健康指数； 评估结果输出模块， 用于 输出设备的评价 等级、 健康状态等级、 设备运行描述； 健康状态管理模块， 用于根据设备健康状态等级、 设备需求、 维修资源产生故障预警信 号并生成维修任务工单。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处理器执行时实现如权利要求 1至8任一项 所述的一种城轨机电设 备健康状态评估方法的步骤。权　利　要　求　书 2/2 页 3 CN 114239377 A 3