一种考虑时变不确定性的AGV剩余寿命预测方法、系统、设备及存储介质与流程

本发明涉及工控设备预测性维护与健康管理，特别是涉及一种考虑时变不确定性的agv剩余寿命预测方法、系统、设备及存储介质。

背景技术：

1、随着智能制造与智慧物流的快速发展，自动导引车（automated guided vehicle,agv）在仓储管理、柔性制造与无人配送等场景中得到了广泛应用，成为提升自动化水平与运输效率的关键装备之一。agv通常具备全天候连续运行的能力，对其运行的可靠性与稳定性提出了更高要求。在agv系统中，轴承作为驱动电机、转向系统及滚动部件中的关键基础元件，其运行状态直接影响整车的稳定性与运行效率。由于agv通常长期工作于工业复杂环境中，如高湿、高粉尘和高负载条件下，轴承更容易出现疲劳损伤、润滑不良等退化现象，进而诱发整车运行异常甚至停机故障。作为agv关键传动系统中的核心部件，轴承承担着设备运动的支撑与负载传递作用，其健康状态直接关系到agv运行的安全性与效率。一旦轴承发生故障，极易引发整机停运，造成系统无法正常工作与经济损失。

2、目前，统计建模方法在剩余使用寿命（remaining useful life, rul）预测中得到广泛应用，尤其是基于随机过程的建模框架，比如，维纳过程和gamma过程等，能够有效刻画退化路径中的随机性和不确定性，并支持参数更新与寿命分布的动态推理。尽管现有研究在提升维纳过程建模能力方面取得了显著进展，然而，这些方法主要聚焦于特定的随机因素建模，并未考虑退化过程中随时间演化而发生变化的参数不确定性，即时变不确定性。这一建模缺失在现实工程应用中可能导致rul估计的偏差扩大，降低模型的适应性与泛化能力。

技术实现思路

1、为了解决现有技术的不足，本发明提供了一种考虑时变不确定性的agv剩余寿命预测方法，通过引入dify模型自动学习多源传感器数据与时序之间关系，同时在维纳过程建模中引入非线性扩散建模机制，以刻画真实退化过程中扰动项的动态变化，从而提升模型对复杂工况下寿命预测任务的适应性与鲁棒性。

2、一方面，提供了一种考虑时变不确定性的agv剩余寿命预测方法，包括：

3、获取agv的多源异构传感器数据；

4、利用dify模型提取多源异构传感器数据的共享特征与私有特征，得到综合退化指标；

5、构建考虑时变不确定性的维纳过程退化模型；具体为：在维纳过程中引入非线性扩散项函数，构建考虑时变不确定性的维纳过程模型；以首次通过时间概念定义构件的寿命和剩余使用寿命；基于漂移项函数和扩散项函数，推导出fpt概念下的剩余使用寿命概率密度函数；采用极大似然估计算法估计模型确定性参数，结合贝叶斯算法与当前时刻的退化状态完成参数更新；

6、将所述综合退化指标输入参数更新后的退化模型，基于剩余使用寿命概率密度函数得到预测的剩余使用寿命。

7、优选地，所述dify模型采用双分支时空编码器结构，第一分支为传感器私有特征编码分支，第二分支为跨传感器共享特征融合分支。

8、优选地，所述第一分支提取多源异构传感器数据的私有特征，得到各传感器对应的私有时空特征；第二分支将不同传感器的私有时空特征映射为查询向量、键向量和值向量，通过跨传感器注意力计算不同通道之间的动态相关权重，并进行加权融合，获得表征轴承共同退化趋势的共享特征。

9、优选地，在维纳过程中引入非线性扩散项函数，构建考虑时变不确定性的维纳过程模型，具体为：

10、

11、其中，为扩散项函数；为构件在监测时刻t处的退化状态，为构件的初始退化状态，在不失一般性情况下，假设；为构件退化过程中的漂移项，用于描述退化过程中的整体波动趋势，其中，为漂移系数，为漂移项函数，。

12、优选地，采用极大似然估计算法估计模型确定性参数，结合贝叶斯算法与当前时刻的退化状态完成参数更新；具体为：通过基于观测到的退化数据来最大化似然函数，从而估计出模型中的确定性参数；基于极大似然估计算法得到的随机参数的先验分布，结合当前时刻的退化状态，通过后验推断来实现随机参数的更新。

13、优选地，所述通过基于观测到的退化数据来最大化似然函数，从而估计出模型中的确定性参数；具体为：首先通过最小二乘法确定漂移时间尺度参数，该参数用于控制确定性退化趋势函数的变化速率和曲率；基于漂移时间尺度参数，通过最大化轮廓似然函数确定扩散时间尺度参数和个体差异与过程随机性之间的相对比例参数；扩散时间尺度参数用于控制随机波动时间尺度函数随时间的累积速率；最后，基于扩散时间尺度参数和相对比例参数，确定未知参数。

14、优选地，所述fpt概念下的剩余使用寿命概率密度函数表达式如下：

15、 。

16、另一方面，提供了一种考虑时变不确定性的agv剩余寿命预测系统，包括：

17、数据获取模块，获取agv的多源异构传感器数据；

18、特征提取模块， 利用dify模型提取多源异构传感器数据的共享特征与私有特征，得到综合退化指标；

19、退化模型构建模块，构建考虑时变不确定性的维纳过程退化模型；具体为：在维纳过程中引入非线性扩散项函数，构建考虑时变不确定性的维纳过程模型，以首次通过时间概念定义构件的寿命和剩余使用寿命；基于漂移项函数和扩散项函数，推导出fpt概念下的剩余使用寿命概率密度函数；采用极大似然估计算法估计模型确定性参数，结合贝叶斯算法与当前时刻的退化状态完成参数更新；

20、预测模块，将所述综合退化指标输入参数更新后的退化模型，基于剩余使用寿命概率密度函数得到预测的剩余使用寿命。

21、再一方面，还提供了一种电子设备，包括：

22、存储器，用于非暂时性存储计算机可读指令；以及处理器，用于运行所述计算机可读指令，其中，所述计算机可读指令被所述处理器运行时，执行上述第一方面所述的方法。

23、再一方面，还提供了一种存储介质，非暂时性存储计算机可读指令，其中，当非暂时性计算机可读指令由计算机执行时，执行第一方面所述方法。

24、上述技术方案具有如下优点或有益效果：

25、本发明通过引入dify模型自动学习多源传感器数据与时序之间关系，同时在维纳过程建模中引入非线性扩散建模机制，以刻画真实退化过程中扰动项的动态变化，从而提升模型对复杂工况下寿命预测任务的适应性与鲁棒性。

26、本发明采用数据驱动智能融合模型对水平和垂直振动信号进行通道独立编码与跨传感器注意力融合，能够动态调整不同传感器信息的贡献，降低冗余信息和局部噪声对退化状态表征的影响；通过在维纳过程中分别设置漂移时间尺度和扩散时间尺度，使随机波动强度能够随运行时间变化，从而更准确地描述复杂工况下agv轴承退化过程的时变不确定性。

27、本发明基于首次通过时间构建剩余使用寿命概率密度函数（probabilitydensityfunction，pdf），能够同时输出寿命点估计、概率分布和置信区间，为风险量化和预测性维护决策提供依据。采用最小二乘估计与轮廓似然估计相结合的两步参数估计方法，降低多参数联合求解的计算复杂度，并通过贝叶斯更新实现模型参数和寿命预测结果的在线修正。