[發(fā)明專利]基于改進(jìn)的二維CNN模型的滾動軸承剩余壽命預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201811402743.6
• 申請日: 2018-11-23
• 公開（公告）號: CN109543905A
• 公開（公告）日: 2019-03-29
• 發(fā)明（設(shè)計）人: 王奇斌;孔憲光;馬洪波;陳改革;趙博;王亞軍
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/08;G06Q10/00
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 陳宏社;王品華

1.基于改進(jìn)的二維CNN模型的滾動軸承剩余壽命預(yù)測方法，其特征在于包括如下步驟：

(1)獲取滾動軸承的頻域振動數(shù)據(jù)：

對通過加速度傳感器采集的滾動軸承的時域振動數(shù)據(jù)進(jìn)行快速傅里葉變換，得到滾動軸承的頻域振動數(shù)據(jù)；

(2)基于圖像轉(zhuǎn)換方法將滾動軸承的頻域振動數(shù)據(jù)轉(zhuǎn)換為二維圖像數(shù)據(jù)；

(3)基于BP算法對改進(jìn)二維CNN模型進(jìn)行訓(xùn)練：

將一半以上的二維圖像數(shù)據(jù)作為訓(xùn)練集，其余部分作為測試集，并基于BP算法通過訓(xùn)練集對改進(jìn)二維CNN模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的改進(jìn)二維CNN模型；

(4)采用已訓(xùn)練改進(jìn)的二維CNN模型對測試集進(jìn)行特征提取；

(4a)通過第一卷積層對測試集進(jìn)行卷積，得到第一卷積特征；

(4b)通過第一池化層對第一卷積特征進(jìn)行均值池化，得到第一池化特征；

(4c)通過第二卷積層對第一池化特征進(jìn)行卷積，得到第二卷積特征；

(4d)通過第二池化層對第二卷積特征進(jìn)行均值池化，得到第二池化特征；

(4e)通過展開層對第二池化特征進(jìn)行一維展開，得到一維特征向量；

(4f)將一維特征向量作為三層前向神經(jīng)網(wǎng)絡(luò)的輸入，并采用sigm激活函數(shù)對三層前向神經(jīng)網(wǎng)絡(luò)的輸出進(jìn)行歸一化，得到在0到1之間的輸出特征；

(5)通過輸出特征結(jié)合雙高斯模型進(jìn)行擬合，得到滾動軸承剩余壽命的預(yù)測結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于改進(jìn)二維CNN模型的滾動軸承剩余壽命預(yù)測方法，其特征在于，步驟(2)中所述的基于圖像轉(zhuǎn)換方法將滾動軸承的頻域振動數(shù)據(jù)轉(zhuǎn)換為二維圖像數(shù)據(jù)，實現(xiàn)步驟為：

(2a)采用變量L定義頻域振動數(shù)據(jù)的長度，變量M²定義二維圖像數(shù)據(jù)的大小；

(2b)判斷頻域振動數(shù)據(jù)長度L與二維圖像數(shù)據(jù)大小M²的大小關(guān)系,當(dāng)L<M²時，對L小于M²部分進(jìn)行補(bǔ)零填充,當(dāng)L>M²時，對L大于M²部分進(jìn)行舍去處理。

(2c)將頻域振動數(shù)據(jù)轉(zhuǎn)換為二維圖像數(shù)據(jù)，其計算表達(dá)式為：

其中,G(j,k)為二維圖像數(shù)據(jù)，S為頻域振動數(shù)據(jù)，j＝1...M表示二維圖像數(shù)據(jù)的行，k＝1...M表示二維圖像數(shù)據(jù)的列，round(*)函數(shù)是舍入函數(shù)。

3.根據(jù)權(quán)利要求1所述的基于改進(jìn)的二維CNN模型的滾動軸承剩余壽命預(yù)測方法，其特征在于，步驟(3b)中所述的對第一卷積特征進(jìn)行均值池化，采用的公式為：

其中，是池化和范圍內(nèi)數(shù)據(jù)個數(shù)，是位于池化和范圍內(nèi)第i個值，是第一池化特征。

4.根據(jù)權(quán)利要求1所述的基于改進(jìn)的二維CNN模型的滾動軸承剩余壽命預(yù)測方法，其特征在于，步驟(3d)中所述的，對第二卷積特征進(jìn)行均值池化，采用的公式為：

其中，是池化和范圍內(nèi)數(shù)據(jù)個數(shù)，是位于池化和范圍內(nèi)第i個值，是第二池化特征。

5.根據(jù)權(quán)利要求1所述的基于改進(jìn)的二維CNN模型的滾動軸承剩余壽命預(yù)測方法，其特征在于，步驟(3f)中所述的sigm激活函數(shù)，其表達(dá)式為：

其中，x是神經(jīng)元的輸入，e是自然常數(shù)。

6.根據(jù)權(quán)利要求1所述的基于改進(jìn)的二維CNN模型的滾動軸承剩余壽命預(yù)測方法，其特征在于，步驟(4)中所述的雙高斯模型，其具體表達(dá)為：

Y＝a₁·exp(-((t-b₁)/c₁)²)+a₂·exp(-((t-b₂)/c₂)²)

其中Y是條件值，t是時間點a₁、b₁、c₁、a₂、b₂和c₂是模型參數(shù)。