本申请涉及数据预测领域，尤其涉及一种工业设备剩余使用寿命的轻量自适应预测方法、电子设备及存储介质。
背景技术：
1、在工业场景中，由于工业过程往往具有动态变化性，因此在对工业时序列分析时，如果使用统一的模型结构处理所有样本会导致模型的表征能力不足和精度下降。同时，工业时间序列数据通常具有长序列和高维度的特点，使用复杂的神经网络处理这些数据会消耗大量的计算资源，导致高昂的计算成本。
2、进而，亟需一种可以根据时间序列的复杂程度准确预测设备组件寿命且降低运算成本的技术方案。
技术实现思路
1、本申请实施例提供一种工业设备剩余使用寿命的轻量自适应预测方法、装置、电子设备、存储介质及程序产品，用以达到根据时间序列的复杂程度准确预测设备组件寿命且降低运算成本的效果。
2、第一方面，本申请实施例提供一种工业设备的设备组件寿命预测方法，包括：获取工业设备的设备组件在运行过程中产生的连续运行数据，并根据所述连续运行数据生成所述设备组件对应的运行时间序列；对所述运行时间序列进行降分辨率处理，得到所述运行时间序列对应的目标序列；识别所述目标序列的对应的分辨率等级，并根据所述分辨率等级确定所述目标序列对应的目标寿命预测模型；其中，所述分辨率等级用于指示所述运行时间序列的复杂程度；将所述目标序列发送到目标寿命预测模型，得到所述工业设备的设备组件寿命预测结果。
3、在一种可能的实施方式中，将所述运行时间序列通过第一算法进行处理后，得到第一时间序列；其中，所述第一算法用于将所述运行时间序列对应的分辨率降低到第一分辨率等级；将所述第一时间序列确定为目标序列。
4、在一种可能的实施方式中，通过第一滑动窗口对所述运行时间序列进行平滑处理，得到所述运行时间序列的对应的平滑序列，其中，所述平滑序列用于表征所述运行时间序列的整体趋势；通过第二滑动窗口对所述运行时间序列进行峰值处理，得到所述运行时间序列对应的峰值序列，其中，所述峰值序列用于表征所述运行时间序列的峰值趋势；通过第三滑动窗口对所述运行时间序列进行特征提取处理，得到所述运行时间序列对应的频率特征序列，其中，所述频率特征序列用于表征所述时间序列的频率趋势；基于所述平滑序列、所述峰值序列、所述频率特征序列生成第一时间序列；其中，所述第一滑动窗口、所述第二滑动窗口、所述第三滑动窗口的窗口大小相同或不同。
5、在一种可能的实施方式中，将所述第一滑动窗口沿所述运行时间序列移动，直至所述第一滑动窗口遍历所述运行时间序列；计算所述第一滑动窗口每次滑动时，位于所述第一滑动窗口内的运行时间序列的均值；根据每次滑动得到的所述运行时间序列的均值生成所述平滑序列；将所述第二滑动窗口沿所述运行时间序列移动，直至所述第二滑动窗口遍历所述运行时间序列；计算所述第二滑动窗口每次滑动时，位于所述第二滑动窗口内的运行时间序列的最大值；根据每次滑动得到的所述运行时间序列的最大值生成所述峰值序列；将所述第三滑动窗口沿所述运行时间序列移动，直至所述第三滑动窗口遍历所述运行时间序列；计算所述第三滑动窗口每次滑动时，位于所述第三滑动窗口内的运行时间序列的频率特征；根据每次滑动得到的所述运行时间序列的频率特征生成所述频率特征序列。
6、在一种可能的实施方式中，将所述目标序列发送到与所述分辨率等级预设对应的寿命预测模型进行处理，得到预处理结果；在所述预处理结果中所携带的预测数值落入预设的置信区间的情况下，将所述预处理结果确定为所述工业设备的寿命预测结果；若所述预处理结果中所携带的预测数值未落入预设的置信区间，将所述运行时间序列通过第二算法进行处理，得到第二时间序列；其中，所述第二算法用于将所述运行时间序列对应的分辨率降低到第二分辨率等级；所述第二分辨率等级大于所述第一分辨率等级；将所述第二时间序列确定为目标序列并发送到下游预测模型进行处理；其中，所述下游预测模型对应的分辨率等级大于所述目标时间序列当前对应的分辨率等级。
7、在一种可能的实施方式中，将所述目标序列发送到所述寿命预测模型的每一层子网络进行传递处理，得到传递预测结果；将所述传递预测结果确定为寿命预测结果。
8、在一种可能的实施方式中，将所述目标序列发送到第一层子网络进行处理，得到第一预测结果；允许所述第一层子网络的下游子网络基于所述第一预测结果进行预测处理，得到第二预测结果；直至预测模型的最后一层子网络输出最终预测结果，将所述最终预测结果确定为所述传递预测结果。
9、在一种可能的实施方式中，将第i+1层子网络的处理结果和第i层子网络的处理结果发送至第i+1层子网络对应的分类器，得到分类器的反馈结果；其中，1＜i+1≤预测模型子网络总层数，所述反馈结果用于指示误差程度；将所述反馈结果乘以第i+1层子网络的权重值得到第一调节值，根据所述第一调节值对所述i+1层子网络进行调节。
10、在一种可能的实施方式中，确定每一层子网络之间的梯度值，将每一层子网络之间的梯度值乘以梯度对齐因子。
11、第二方面，本申请实施例提供一种工业设备剩余使用寿命的轻量自适应预测装置，包括：获取模块，用于获取工业设备的设备组件在运行过程中产生的连续运行数据，并根据所述连续运行数据生成所述设备组件对应的运行时间序列；分辨率模块，用于对所述运行时间序列进行降分辨率处理，得到所述运行时间序列对应的目标序列；识别模块，用于识别所述目标序列的对应的分辨率等级，并根据所述分辨率等级确定所述目标序列对应的目标寿命预测模型；其中，所述分辨率等级用于指示所述运行时间序列的复杂程度；发送模块，用于将所述目标序列发送到目标寿命预测模型，得到所述工业设备的寿命预测结果。
12、第三方面，本申请实施例提供一种工业设备剩余使用寿命的轻量自适应预测设备，包括：存储器，处理器；
13、所述存储器存储计算机执行指令；
14、所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如上第一方面和/或第一方面各种可能的实施方式。
15、第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上第一方面和/或第一方面各种可能的实施方式。
16、本申请实施例提供的工业设备剩余使用寿命的轻量自适应预测方法、装置、电子设备、存储介质及程序产品，通过对设备组件的运行时间序列进行降低分辨率处理，然后将降分辨率后的时间序列发送至寿命预测模型进行预测，从而确保了在降低运算成本的情况下，确保寿命预测的准确性，达到根据时间序列的复杂程度准确预测设备组件寿命且降低运算成本的效果。
1.一种工业设备剩余使用寿命的轻量自适应预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，对所述运行时间序列进行降分辨率处理，得到所述运行时间序列对应的目标序列，包括：
3.根据权利要求2所述的方法，其特征在于，将所述运行时间序列通过第一算法进行处理后，得到第一时间序列，包括：
4.根据权利要求3所述的方法，其特征在于，包括：
5.根据权利要求2所述的方法，其特征在于，将所述目标序列发送到目标寿命预测模型，得到所述工业设备的设备组件寿命预测结果，包括：
6.根据权利要求1所述的方法，其特征在于将所述目标序列发送到目标寿命预测模型，得到所述工业设备的设备组件寿命预测结果，包括：
7.根据权利要求6所述的方法，其特征在于，将所述目标序列发送到所述寿命预测模型的每一层子网络进行传递处理，包括：
8.根据权利要求6所述的方法，其特征在于，将所述传递预测结果确定为目标处理结果之前，所述方法还包括：
9.根据权利要求5所述的方法，其特征在于，将所述传递预测处理结果确定为目标处理结果之前，所述方法还包括：
10.一种工业设备剩余使用寿命的轻量自适应预测装置，其特征在于，包括：
11.一种工业设备剩余使用寿命的轻量自适应预测设备，其特征在于，包括：存储器，处理器；
12.一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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-9任一项所述的方法。
