一种设备剩余寿命预测模型的构建方法及终端设备与流程

1.本发明属于数据处理技术领域，尤其涉及一种设备剩余寿命预测模型的构建方法及终端设备。


背景技术：

2.随着智能设备的兴起，人们不仅可以利用设备生产，还可以利用设备办公和娱乐，但是，每个人使用设备的习惯以及频率是不同的，这也就意味着设备的损耗并不总是相同的，因此，传统的设备剩余使用寿命的估算也就变得不够准确。
3.基于以上不足，有必要提供一种可以准确计算设备剩余寿命的方案，提升用户的使用满意度。


技术实现要素：

4.有鉴于此，本发明实施例提供了一种设备剩余寿命预测模型的构建方法及终端设备，以解决现有技术中如何提升设备剩余寿命预测的准确率的问题。
5.本发明实施例的第一方面提供了一种设备剩余寿命预测模型的构建方法，包括：
6.获取设备使用样本数据；
7.根据所述设备使用样本数据进行符号回归以及横向联邦学习，得到所述设备使用样本数据对应的代表特征数据；
8.根据所述代表特征数据，构建设备剩余寿命预测模型。
9.可选的，所述设备使用样本数据包括使用特征数据以及所述使用特征数据对应的标签；所述根据所述设备使用样本数据进行符号回归以及横向联邦学习，得到所述设备使用样本数据对应的代表特征数据，包括：
10.对所述使用特征数据进行数据扩增处理，得到所述使用特征数据对应的若干扩增使用特征数据；
11.根据所述使用特征数据对应的若干扩增使用特征数据，确定代表特征数据；其中，所述代表特征数据为在所述使用特征数据对应的若干扩增使用特征数据中，与所述使用特征数据对应的标签的适应度最高的扩增使用特征数据；
12.判断是否满足迭代条件；其中，所述迭代条件为使用特征数据的迭代筛选次数满足预设阈值；
13.若未满足所述迭代条件，则将所述代表特征数据作为使用特征数据，重新执行所述对所述使用特征数据进行数据扩增处理，得到所述使用特征数据对应的若干扩增使用特征数据的步骤，直至满足所述迭代条件。
14.可选的，所述数据扩增处理为随机变形组合处理。
15.可选的，所述根据所述使用特征数据对应的若干扩增使用特征数据，确定代表特征数据，包括：
16.计算所述若干扩增使用特征数据各自分别与所述使用特征数据对应的标签的适
应度；
17.在所述若干扩增使用特征数据各自分别对应的适应度中，确定适应度最高的扩增使用特征数据，并将所述适应度最高的使用特征数据作为代表特征数据。
18.可选的，所述使用特征数据包括设备指标数据、设备使用信息、设备故障信息；所述使用特征数据对应的标签为设备剩余寿命。
19.本发明实施例的第二方面提供了一种设备剩余寿命预测模型的构建装置，包括：
20.获取单元，用于获取设备使用样本数据；
21.确定单元，用于根据所述设备使用样本数据进行符号回归以及横向联邦学习，得到所述设备使用样本数据对应的代表特征数据；
22.构建单元，用于根据所述代表特征数据，构建设备剩余寿命预测模型。
23.可选的，所述设备使用样本数据包括使用特征数据以及所述使用特征数据对应的标签；所述确定单元，具体用于：
24.对所述使用特征数据进行数据扩增处理，得到所述使用特征数据对应的若干扩增使用特征数据；
25.根据所述使用特征数据以及所述使用特征数据对应的若干扩增使用特征数据，确定代表特征数据；其中，所述代表特征数据为在所述使用特征数据以及所述使用特征数据对应的若干扩增使用特征数据中，与所述使用特征数据对应的标签的适应度最高的使用特征数据；
26.判断是否满足迭代条件；其中，所述迭代条件为使用特征数据的迭代筛选次数满足预设阈值；
27.若未满足所述迭代条件，则将所述代表特征数据作为使用特征数据，重新执行所述对所述使用特征数据进行数据扩增处理，得到所述使用特征数据对应的若干扩增使用特征数据的步骤，直至满足所述迭代条件。
28.可选的，所述确定单元，还具体用于：
29.计算所述使用特征数据与所述使用特征数据对应的标签的适应度；
30.计算所述若干扩增使用特征数据各自分别与所述使用特征数据对应的标签的适应度；
31.在所述使用特征数据对应的适应度、所述若干扩增使用特征数据各自分别对应的适应度中，确定适应度最高的使用特征数据，并将所述适应度最高的使用特征数据作为代表特征数据。
32.本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面中任一项所述方法的步骤。
33.本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如第一方面中任一项所述方法的步骤。
34.本发明实施例与现有技术相比存在的有益效果是：本发明提供的一种设备剩余寿命预测模型的构建方法，通过获取设备使用样本数据，并根据所述设备使用样本数据进行符号回归以及横向联邦学习，得到所述设备使用样本数据对应的代表特征数据，进一步，可
federatedlearning)，即横向联邦学习的参与者的数据特征是对齐的；该方法适用于参与者的数据特征重叠较多，而样本id重叠较少的情况，例如，两家不同地区的客户数据；其中，“横向”二字来源于数据的“横向划分(horizontal partitioning,a.k.a.sharding)”；该方法联合多个参与者的具有相同特征的多行样本进行联邦学习，即各个参与者的训练数据是横向划分的，称为横向联邦学习，横向联邦学习使训练样本的总数量增加。
47.在本实施例中，可以先对所述使用特征数据进行数据扩增处理，得到所述使用特征数据对应的若干扩增使用特征数据(例如可以扩增出3000个扩增使用特征数据)，需要说明的是，当有多组使用特征数据时，可以抽取其中一组或多组使用特征数据进行数据扩增处理。在一种实现方式中，所述数据扩增处理为随机变形组合处理，举例来说，可以对使用特征数据进行变异(即随机进行变形组合)，例如当一组使用特征数据为：“a厂商 使用一年 故障两次”可以组合成a厂商/使用一年/故障两次，或者，(a厂商 型号)*使用一年/设备工作环境。
48.然后，可以根据所述使用特征数据对应的若干扩增使用特征数据，确定代表特征数据；其中，所述代表特征数据为在所述使用特征数据对应的若干扩增使用特征数据中，与所述使用特征数据对应的标签的适应度最高的扩增使用特征数据。具体地，计算所述若干扩增使用特征数据各自分别与所述使用特征数据对应的标签的适应度，比如，可以计算扩增使用特征数据与所述使用特征数据对应的标签的相关系数，所述标签(y值)二分类的情况下可以计算iv值等，即评价变异的扩增使用特征数据对于y值的预测能力)；接着，在所述若干扩增使用特征数据各自分别对应的适应度中，确定适应度最高的扩增使用特征数据，并将所述适应度最高的扩增使用特征数据作为代表特征数据。
49.判断是否满足迭代条件；其中，所述迭代条件为使用特征数据的迭代筛选次数满足预设阈值，比如，预设阈值可以为300，需要说明的是预设阈值可以是根据实际需求所设置的。
50.若未满足所述迭代条件，则将所述代表特征数据作为使用特征数据，重新执行所述对所述使用特征数据进行数据扩增处理，得到所述使用特征数据对应的若干扩增使用特征数据的步骤，直至满足所述迭代条件。这样，胜利者(也就是对于y值预测能力很强的代表特征数据进入下一轮遗传)；下一轮中的入场者(上一轮的胜利者：代表特征数据)在进行交叉变异或是自身变异(具体变异逻辑可以去看符号回归的变异逻辑)，之后再对y值进行适应度判断，之后再遗传再变异，总共变异的轮数(即预设阈值)是提前设定好的，经过预设阈值轮数后输出最后的获胜者(即扩增使用特征数据)作为输出的代表特征数据。
51.s103：根据所述代表特征数据，构建设备剩余寿命预测模型。
52.在得到代表特征数据后，即对于使用特征数据对应的标签(即设备剩余寿命)预测能力很强的代表特征数据后，可以根据该代表特征数据构建设备剩余寿命预测模型，例如，可以基于逻辑回归xgboost，根据该代表特征数据构建设备剩余寿命预测模型。也就是说，可以根据代表特征数据与该代表特征数据对应的标签(即代表特征数据对应的使用特征数据的标签)之间的关系，构建设备剩余寿命预测模型。这样，在接收到一待预测的使用特征数据后，可以根据该构建的设备剩余寿命预测模型，对该待预测的使用特征数据进行预测，得到该待预测的使用特征数据对应的标签，即设备剩余寿命。
53.应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程
的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
54.本发明实施例与现有技术相比存在的有益效果是：本发明提供的一种设备剩余寿命预测模型的构建方法，通过获取设备使用样本数据，并根据所述设备使用样本数据进行符号回归以及横向联邦学习，得到所述设备使用样本数据对应的代表特征数据，进一步，可以根据所述代表特征数据，构建设备剩余寿命预测模型。这样，本发明在基于符号回归的场景下，在横向联邦学习场景中提出了就符号回归的设备使用样本数据的特征工程方案，从结合不同设备使用样本数据的使用特征数据的基础上构建不同的非线性使用特征数据，增加最终使用特征数据的多样性，从更深层次挖掘使用特征数据的角度提升最终的模型效果，从而提升设备剩余寿命预测模型输出的准确率，即提升设备剩余寿命预测的准确率。
55.相应于上述的一种设备剩余寿命预测模型的构建方法，本发明实施例提供了一种设备剩余寿命预测模型的构建装置，结构如图2所示，包括：
56.获取单元201，用于获取设备使用样本数据；
57.确定单元202，用于根据所述设备使用样本数据进行符号回归以及横向联邦学习，得到所述设备使用样本数据对应的代表特征数据；
58.构建单元203，用于根据所述代表特征数据，构建设备剩余寿命预测模型。
59.可选的，所述设备使用样本数据包括使用特征数据以及所述使用特征数据对应的标签；所述确定单元202，具体用于：
60.对所述使用特征数据进行数据扩增处理，得到所述使用特征数据对应的若干扩增使用特征数据；
61.根据所述使用特征数据以及所述使用特征数据对应的若干扩增使用特征数据，确定代表特征数据；其中，所述代表特征数据为在所述使用特征数据以及所述使用特征数据对应的若干扩增使用特征数据中，与所述使用特征数据对应的标签的适应度最高的使用特征数据；
62.判断是否满足迭代条件；其中，所述迭代条件为使用特征数据的迭代筛选次数满足预设阈值；
63.若未满足所述迭代条件，则将所述代表特征数据作为使用特征数据，重新执行所述对所述使用特征数据进行数据扩增处理，得到所述使用特征数据对应的若干扩增使用特征数据的步骤，直至满足所述迭代条件。
64.可选的，所述确定单元202，还具体用于：
65.计算所述使用特征数据与所述使用特征数据对应的标签的适应度；
66.计算所述若干扩增使用特征数据各自分别与所述使用特征数据对应的标签的适应度；
67.在所述使用特征数据对应的适应度、所述若干扩增使用特征数据各自分别对应的适应度中，确定适应度最高的使用特征数据，并将所述适应度最高的使用特征数据作为代表特征数据。
68.可选的，所述数据扩增处理为随机变形组合处理。
69.可选的，所述使用特征数据包括设备指标数据、设备使用信息、设备故障信息；所述使用特征数据对应的标签为设备剩余寿命。
70.图3是本发明一实施例提供的设备剩余寿命预测模型的构建装置/终端设备的示意图。如图3所示，该实施例的设备剩余寿命预测模型的构建装置/终端设备3包括：处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32，例如设备剩余寿命预测模型的构建*程序。所述处理器30执行所述计算机程序32时实现上述各个设备剩余寿命预测模型的构建方法实施例中的步骤，例如图1所示的步骤101至103。或者，所述处理器30执行所述计算机程序32时实现上述各装置实施例中各模块/单元的功能，例如图2所示模块201至203的功能。
71.示例性的，所述计算机程序32可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器31中，并由所述处理器30执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序32在所述设备剩余寿命预测模型的构建装置/终端设备3中的执行过程。例如，所述计算机程序32可以被分割成同步模块、汇总模块、获取模块、返回模块(虚拟装置中的模块)，各模块具体功能如下：
72.所述设备剩余寿命预测模型的构建装置/终端设备3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述设备剩余寿命预测模型的构建装置/终端设备可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅仅是设备剩余寿命预测模型的构建装置/终端设备3的示例，并不构成对设备剩余寿命预测模型的构建装置/终端设备3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述设备剩余寿命预测模型的构建装置/终端设备还可以包括输入输出设备、网络接入设备、总线等。
73.所称处理器30可以是中央处理单元(central processing unit，cpu)，还可以是其它通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
74.所述存储器31可以是所述设备剩余寿命预测模型的构建装置/终端设备3的内部存储单元，例如设备剩余寿命预测模型的构建装置/终端设备3的硬盘或内存。所述存储器31也可以是所述设备剩余寿命预测模型的构建装置/终端设备3的外部存储设备，例如所述设备剩余寿命预测模型的构建装置/终端设备3上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，所述存储器31还可以既包括所述设备剩余寿命预测模型的构建装置/终端设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序以及所述设备剩余寿命预测模型的构建装置/终端设备所需的其它程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
75.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可
以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
76.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
77.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
78.在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
79.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
80.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
81.所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
82.以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改
或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。