(19)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 202211342080.X (22)申请日 2022.10.31 (71)申请人 四川工程职业 技术学院 地址 618099 四川省德阳市泰山 南路二段 801号 (72)发明人 王涛　陈亮　郑翔　彭林　郭武士　 雷刚　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 周俊 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 119/04(2020.01) (54)发明名称 一种机器人剩余寿命预测方法、 装置、 设备 及存储介质 (57)摘要 本申请提供了一种机器人剩余寿命预测方 法、 装置、 设备及存储介质， 解决了现有技术中的 机器人剩余寿命预测方法存在预测精度低的问 题。 所述方法包括： 根据目标机器人的运行数据 和矩阵轮廓距离算法， 得到实际健康指标； 将所 述实际健康指标输入已训练的目标寿命预测模 型， 得到所述目标机器人的剩余寿命； 其中， 所述 目标寿命预测模型由健康指标数据集对初始寿 命预测模型训练获得， 所述初始寿命 预测模型基 于LSTM神经网络构建， 所述健康指标数据集基于 历史运行数据集和所述矩阵轮廓距离算法获得， 所述历史运行数据集包括与多个运行变量对应 的运行数据。 本申请的方法能够实现机器人剩余 寿命的精准预测， 并提高了预测效率。 权利要求书2页 说明书10页 附图2页 CN 115470717 A 2022.12.13 CN 115470717 A 1.一种机器人剩余寿命预测方法， 其特 征在于， 所述方法包括： 根据目标机器人的运行 数据和矩阵轮廓距离算法， 得到实际健康指标； 将所述实际健康指标输入已训练的目标寿命预测模型， 得到所述目标机器人的剩余寿 命； 其中， 所述目标寿命预测模型由健康指标数据集对初始寿命预测模型训练获得， 所述 初始寿命预测模 型基于LSTM神经网络构建， 所述健康指标数据集基于历史运行数据集和所 述矩阵轮廓距离算法获得， 所述历史运行 数据集包括与多个运行变量对应的运行 数据。 2.根据权利要求1所述的机器人剩余寿命预测方法， 其特征在于， 在所述根据目标机器 人的运行 数据和矩阵轮廓距离算法， 得到健康指标之前， 还 包括： 根据矩阵轮廓距离算法， 对所述历史运行数据集进行处理， 得到所述健康指标数据集， 所述健康指标 数据集包括多个健康指标； 根据所述健康指标数据集和与所述健康指标对应的真实寿命值标签， 对初始寿命预测 模型进行训练， 得到所述目标寿命预测模型。 3.根据权利要求2所述的机器人剩余寿命预测方法， 其特征在于， 所述根据矩阵轮廓距 离算法， 对所述历史运行 数据集进行 预处理， 得到所述 健康指标 数据集包括： 对所述历史运行 数据集进行归一 化处理， 得到目标运行 数据集； 根据所述目标运行数据集， 获取第 一子序列和第 二子序列， 其中， 所述第 一子序列包括 正常周期数据， 所述第二子序列包括退化周期数据； 根据所述矩阵轮廓距离算法， 获取所述第 一子序列和所述第 二子序列之间的相似性比 对距离数组； 根据所述相似性对比距离数组， 得到所述 健康指标 数据集。 4.根据权利要求3所述的机器人剩余寿命预测方法， 其特征在于， 所述根据所述目标运 行数据集， 获取第一子序列和第二子序列包括： 根据第一预设比例， 对所述目标运行 数据集进行划分， 得到训练数据集和 测试数据集； 根据所述训练数据集和预设时间窗口长度， 得到第一子序列和第二子序列。 5.根据权利要求3所述的机器人剩余寿命预测方法， 其特征在于， 所述根据所述矩阵轮 廓距离算法， 获取 所述第一子序列和所述第二子序列之间的相似性比对距离数组包括： 根据所述第一子序列和所述第二子序列的最近邻， 得到相似性连接集； 根据所述相似性连接集和预设公式， 获取初始相似性比对距离数组， 其中， 所述预设公 式的表达式如下 所示： 式中， MPdist为所述初始相似性比对距离， T1为所述第一子序列， T2为所述第二子序列， P （T1， T2） 为所述相似性连接集， Sorted  P(T1， T2) 为按升序排序后的所述相 似性连接集， k 为所述第一子序列和所述第二子序列的长度之和的5%； 对所述初始相似性对比距离数组进行差分指数平滑 处理， 得到每一所述运行变量对应 的相似性对比距离数组。 6.根据权利要求3所述的机器人剩余寿命预测方法， 其特征在于， 所述根据所述相似性权　利　要　求　书 1/2 页 2 CN 115470717 A 2对比距离数组， 得到所述 健康指标 数据集包括： 根据第二预设比例， 划分所述相似性对比距离数组， 得到第一距离数组和第二距离数 组； 根据第一距离数组和第 二距离数组和第 二预设公式， 得到每一所述运行变量对应的健 康指标值， 其中， 所述第二预设公式的表达式如下 所示： 式中， HI为所述健康指标值， f为所述第一距离数组， ffault为所述第二距离数组； 根据所有所述 运行变量对应的健康指标值， 得到所述 健康指标 数据集。 7.根据权利要求1所述的机器人剩余寿命预测方法， 其特征在于， 所述根据目标机器人 的运行数据和矩阵轮廓距离算法， 得到实际健康指标包括： 对所述运行数据进行归一 化处理， 得到实际运行 数据集； 根据所述矩阵轮廓距离算法和所述实际运行 数据集， 得到所述实际健康指标。 8.一种机器人剩余寿命预测装置， 其特 征在于， 所述装置包括： 获取模块， 用于根据目标机器人的运行 数据和矩阵轮廓距离算法， 得到实际健康指标； 预测模块， 用于将所述实 际健康指标输入已训练的目标寿命预测模型， 得到所述目标 机器人的剩余寿命； 其中， 所述目标寿命预测模型由健康指标数据集对初始寿命预测模型训练获得， 所述 初始寿命预测模 型基于LSTM神经网络构建， 所述健康指标数据集基于历史运行数据集和所 述矩阵轮廓距离算法获得， 所述历史运行 数据集包括与多个运行变量对应的运行 数据。 9.一种电子设备， 其特征在于， 包括： 至少一个处理器、 至少一个存储器以及存储在所 述存储器中的计算机程序指令， 当所述计算机程序指 令被所述处理器执行时实现如权利要 求1‑7中任一项所述的方法。 10.一种存储介质， 其上存储有计算机程序指令， 其特征在于， 当所述计算机程序指令 被处理器执行时实现如权利要求1 ‑7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115470717 A 3