[發(fā)明專利]一種基于改進多粒度級聯(lián)森林的滾動軸承剩余壽命預(yù)測方法

有效

• 申請?zhí)枺?/td>: 202010032285.2
• 申請日: 2020-01-11
• 公開（公告）號: CN111680446B
• 公開（公告）日: 2022-11-15
• 發(fā)明（設(shè)計）人: 王玉靜;王詩達(dá);康守強;康成璐;謝金寶;王慶巖
• 申請（專利權(quán)）人: 哈爾濱理工大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G01M13/045
• 代理公司: 黑龍江立超同創(chuàng)知識產(chǎn)權(quán)代理有限責(zé)任公司 23217
• 代理人: 楊立超

1.一種基于改進多粒度級聯(lián)森林的滾動軸承剩余壽命預(yù)測方法，其特征在于，所述方法的實現(xiàn)過程為：

步驟1、滾動軸承原始時域信號預(yù)處理：先對訓(xùn)練集內(nèi)各滾動軸承原始振動信號進行FFT預(yù)處理，然后根據(jù)式(1)對頻域幅值進行迭代計算，

式中：l表示一維時間序列的長度，IF_t表示當(dāng)前時刻t的迭代特征；

步驟2、利用CNN提取深層迭代特征DIF：設(shè)定CNN卷積層數(shù)，濾波器數(shù)量，卷積核尺寸，池化層尺寸，池化步長，將迭代特征作為CNN的輸入，運用CNN遍歷完整的一維時間序列，提取其中局部信息，挖掘蘊含的深層特征，從而獲得DIF；

步驟3、構(gòu)建CasCatBoost預(yù)測模型：將提取的DIF作為CasCatBoost的輸入，先構(gòu)建第一個級聯(lián)層，該級聯(lián)層中含有4個CatBoost，該級聯(lián)層的4個CatBoost得到預(yù)測結(jié)果的同時分別得到一個決定系數(shù)R²；再構(gòu)建第二級聯(lián)層，該級聯(lián)層中含有4個CatBoost，將第一層的輸出結(jié)果和原始輸入作為其輸入，該級聯(lián)層的4個CatBoost得到預(yù)測結(jié)果的同時分別得到一個決定系數(shù)R²；當(dāng)4個決定系數(shù)的平均值不再提升時，級聯(lián)停止擴展，否則繼續(xù)擴展，將最后一個級聯(lián)層輸出4個預(yù)測結(jié)果的均值作為最終預(yù)測結(jié)果；

將利用CasCatBoost預(yù)測模型得到滾動軸承當(dāng)前預(yù)測使用壽命百分比、滾動軸承當(dāng)前真實使用壽命百分比p以及二者之間的擬合度作為剩余壽命預(yù)測性能退化指標(biāo)；

步驟4、滾動軸承剩余壽命預(yù)測：首先對測試集內(nèi)的滾動軸承原始振動信號提取DIF；然后將其輸入到訓(xùn)練好的CasCatBoost預(yù)測模型中，獲取性能退化指標(biāo)；利用一次函數(shù)平滑曲線對其進行擬合，得到未來各點的預(yù)測壽命百分比p值趨勢，當(dāng)達(dá)到閾值p＝1時，認(rèn)定達(dá)到全壽命；最后利用全壽命L_q減去當(dāng)前壽命L_d可求得RUL，如式(8)所示：

RUL＝L_q-L_d (8)

利用預(yù)測的剩余壽命RUL與真實壽命ActRUL之間的誤差E來反映模型剩余壽命預(yù)測性能的好壞，如式(9)所示：

在步驟1)中，F(xiàn)FT矩陣的獲得過程為：

將每個軸承0.1s記錄時間內(nèi)的原始振動信號進行FFT處理，得到的頻域幅值作為FFT矩陣的行，按時間順序依次進行處理直至軸承失效，以此分別構(gòu)建不同軸承的FFT矩陣，如式(10)所示，

式中：FFT₁₁表示第一個采樣時間內(nèi)的第一個頻域幅值，F(xiàn)FT_mn表示第m個采樣時間內(nèi)的第n個頻域幅值；公式(1)FFT_t中，當(dāng)t取1時，將公式(10)中的第一列求和，當(dāng)t取2時，將公式(10)中的第二列求和，以此類推；

CasCatBoost預(yù)測模型的構(gòu)建過程為：

在CasCatBoost中，使用決定系數(shù)R²作為判斷級聯(lián)是否繼續(xù)擴展的指標(biāo)，R²的計算方法：

式中：y_i為真實值，為y_i總和的平均值，為預(yù)測值；R²的取值越接近1，表明自變量對因變量的解釋能力越強，證明模型對數(shù)據(jù)的擬合程度較好，

當(dāng)CasCatBoost擴展一個新的級聯(lián)層i時，判斷R_i²-R_i-1²是否大于0，若大于0，則CasCatBoost級聯(lián)層數(shù)繼續(xù)擴展。

2.根據(jù)權(quán)利要求1所述的一種基于改進多粒度級聯(lián)森林的滾動軸承剩余壽命預(yù)測方法，其特征在于，

所述CNN的網(wǎng)絡(luò)結(jié)構(gòu)為：3個卷積層，3個池化層，2個全連接層，2個ReLU激活層及一個sigmoid激活層；3個卷積層的卷積核數(shù)目分別為16、32和64，卷積核大小分別為16、8和4；3個池化層大小分別為8、4和2，池化層步長分別為8、4和2；2個全連接層的節(jié)點數(shù)分別為1024和512；設(shè)置dropout大小為0.3，迭代步數(shù)為50；在所述CNN網(wǎng)絡(luò)中，卷積核采用一維卷積核，池化函數(shù)采用最大值池化。