[發明專利]一種滾動軸承剩余壽命在線預測方法及系統

有效

• 申請號: 201811348544.1
• 申請日: 2018-11-13
• 公開（公告）號: CN109460618B
• 公開（公告）日: 2023-02-10
• 發明（設計）人: 袁燁;馬貴君;程騁;周倍同
• 申請（專利權）人: 華中科技大學
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06F18/22;G01M13/04;G06F119/04
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 李智;曹葆青

本發明公開了一種滾動軸承剩余壽命的在線預測方法，在滾動軸承從健康狀態運行到損壞狀態這一過程，提取軸承運行過程的原始信號樣本和對應的退化能量指標，將運行原始信號樣本作為五層卷積神經網絡模型輸入，將退化能量指標作為卷積神經網絡模型輸出，訓練得到退化能量狀態模型；實時采集待測滾動軸承的運行原始信號；將待測滾動軸承的運行原始信號輸入退化能量狀態模型，估算得到退化能量指標；進而利用估算的能量退化指標預測待測滾動軸承的剩余壽命。本發明的預測過程僅需采集軸承原始運行信號，無須提取和篩選特征，克服了現有技術采用特征提取、特征篩選和回歸預測的方式存在特征提取困難、精確度受限的技術問題。

技術領域

本發明屬于滾動軸承退化狀態監測技術領域，具體涉及一種滾動軸承 剩余壽命的在線預測方法及系統。

背景技術

機械制造領域隨著計算機和自動化技術的發展，正朝著智能化方向發 展。制造裝備的實時狀態監測是加工過程得以持續、穩定運行的基本保障。 滾動軸承作為旋轉機械結構的基本元素，其健康狀況直接關系到制造裝備 的安全運行。據文獻記載，接近一半的電機故障是由滾動軸承的失效引起。 特別是在高速重載等極端的工作環境下，滾動軸承極易產生故障，無疑會 對機械裝備的整體壽命造成嚴重威脅，甚至波及人身安全。機械結構的剩 余壽命能夠代表機械的實時狀態，因此，對軸承剩余壽命的精確預測對機 械制造系統的可靠性和安全性具有關鍵意義。

軸承壽命的預測方法可分為基于模型的方法和基于數據驅動的方法。 對于基于模型的方法，很難建立一種模型能夠適應復雜的環境噪聲和退化 機理，從而預測的精度難以滿足實際生產加工；而對于數據驅動的方法能 夠基于機器學習和信號處理技術從采集的傳感器信號中提取有用的信息， 卻不考慮復雜的內部機理，以端對端的方式實現剩余壽命預測。通常，數 據驅動的方法能夠以簡捷的分析手段得到更加精確的結果。

目前，基于數據驅動的軸承剩余壽命預測的常用方法由三部分構成： 特征提取、特征篩選和回歸預測。特征提取是從原始的傳感器信號中提取 時域特征、頻域特征以及時頻域特征構成向量以代表信號的全部信息；特 征篩選利用主成分分析(Principalcomponents analysis，PCA)等降維技術， 從上述提取的特征中篩選更加有效的特征而減弱冗雜的信息；回歸預測利 用支持向量回歸(Support Vector Regression，SVR)等方法，將訓練集的整 個退化過程建立特征與線性的退化健康指標的映射關系，再對測試集指定時刻提取的特征進行剩余壽命預測。然而，上述方法中特征提取的優劣直 接關系到預測精確度，因此特征提取的難度很大。同時線性的退化健康指 標并不能實際代表退化過程，例如軸承的早期退化速度相比晚期較慢。因 此上述方法的預測性能有限。

發明內容

為了克服上述現有技術的缺點，本發明的目的在于提出一種滾動軸承 剩余壽命的在線預測方法及系統，僅需采集軸承運行信號，便可準確預測 剩余壽命，克服了現有技術采用特征提取、特征篩選和回歸預測的方式存 在特征提取困難、精確度受限的技術問題。

為實現上述目的，本發明采取的技術方案如下：

一種滾動軸承剩余壽命的在線預測方法，所以方法包括離線訓練步驟 和在線預測步驟：

所述離線訓練步驟為：

在滾動軸承從健康狀態運行到損壞狀態這一過程，提取軸承的運行原 始信號樣本和對應的退化能量指標，將運行原始信號樣本作為五層卷積神 經網絡模型輸入，將退化能量指標作為卷積神經網絡模型輸出，訓練得到 退化能量狀態模型；

所述在線預測步驟為：

實時采集待測滾動軸承的運行原始信號；將待測滾動軸承的運行原始 信號輸入退化能量狀態模型，估算得到退化能量指標；進而利用估算的能 量退化指標預測待測滾動軸承的剩余壽命。

進一步地，所述提取退化能量指標的具體實施方式為：