[發明專利]一種基于DCAE神經網絡的滾動軸承健康指標構建方法

在審

• 申請號: 202011210629.0
• 申請日: 2020-11-03
• 公開（公告）號: CN112347898A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 秦毅;陳定糧;項盛;羅均;蒲華燕
• 申請（專利權）人: 重慶大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G01M13/045
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 楊柳岸

本發明涉及一種基于DCAE神經網絡的滾動軸承健康指標構建方法，屬于滾動軸承檢測技術領域。該方法是將原始振動信號作為網絡輸入，利用二次函數來對提取的健康特征指標趨勢進行全局約束，確保其符合軸承的退化趨勢；具體包括：首先，利用加速度傳感器采集滾動軸承的振動信號，然后對采集到的振動信號進行低通濾波預處理來排除噪聲的干擾；其次，將訓練集中的軸承振動信號輸入到構建的DCAE網絡中進行權重迭代更新訓練；最后，將測試集中的軸承數據輸入到訓練好的DCAE網絡中進行健康特征指標構建。本發明能夠在沒有先驗知識的情況下充分利用振動信號中的信息來自動的構建滾動軸承的健康特征指標，從而提高軸承剩余壽命預測的精度。

技術領域

本發明屬于滾動軸承檢測技術領域，涉及一種基于DCAE神經網絡的滾動軸承健康指標構建方法。

背景技術

滾動軸承廣泛應用于機械設備中，是應用最為廣泛的機械零部件之一。在過載、沖擊、磨損等復雜的工作環境下，滾動軸承會出現不同程度損壞的問題，這會導致整個機械設備出現停機、損壞，嚴重情況下還會給生產活動帶來極大危害，引發人身安全問題。所以，滾動軸承的健康狀況制約著整個機械設備的可靠性、安全性和生產效率。因此，對滾動軸承的健康指標構建十分有必要。有效的健康指標能夠提高軸承剩余壽命預測的精度，確保機械設備可以安全高效的工作。

滾動軸承的健康特征指標構建方法大部分是通過提取振動信號的時域、頻域、時頻域特征，然后利用降維算法來融合特征進而得到軸承的健康特征指標，或者是僅僅通過單一的特征指標來表征軸承的健康退化趨勢。但是，這些方法需要一定的先驗知識來提取相關的特征，得到的健康特征指標也未能充分利用振動信號中的信息，存在一定的局限性。

因此，亟需一種在沒有先驗知識的情況下，能夠充分利用振動信號中的信息來自動的構建滾動軸承的健康特征指標的方法。

發明內容

有鑒于此，本發明的目的在于提供一種基于DCAE神經網絡的滾動軸承健康指標構建方法，能夠在沒有先驗知識的情況下充分利用振動信號中的信息來自動的構建滾動軸承的健康特征指標，從而提高軸承剩余壽命預測的精度。

為達到上述目的，本發明提供如下技術方案：

一種基于DCAE神經網絡的滾動軸承健康指標構建方法，將原始振動信號作為網絡輸入，利用二次函數來對提取的健康特征指標趨勢進行全局約束，確保其符合軸承的退化趨勢；具體包括：首先，利用安裝在PRONOSTIA實驗臺上的水平和垂直加速度傳感器采集滾動軸承的振動信號，然后對采集到的振動信號進行低通濾波預處理來排除噪聲的干擾；其次，將訓練集中的軸承振動信號輸入到構建的深度卷積自編碼器(Deep convolutionalauto-encoder,DCAE)網絡中進行權重迭代更新訓練；最后，將測試集中的軸承數據輸入到訓練好的DCAE網絡中進行健康特征指標構建。

進一步，構建的DCAE網絡包含有二十七層，具體為：輸入層、輸出層、十三個卷積層(C1-C13)、六個池化層(P1-P6)和六個上采樣層(U1-U6)。

進一步，構建的DCAE網絡具體結構為：假設H_p,q表示第q層中第p個數據列，N_q為該數據列的長度；將H_p,q劃分為多個其中，L為每個的長度，i為序號數；則卷積操作的定義為：

其中，*表示一維卷積，w_k,p,q為權重矩陣，b_p,q為偏置矩陣，為卷積后的結果，s表示非線性激活函數；

經過卷積操作后，對卷積結果進行最大池化操作，最大池化操作的定義為：

其中，L_p為池化長度，為第m層中第n個數據列中第i點的池化結果。