[發明專利]智能沖壓壓力機部件生命周期預測系統、方法、終端、介質

在審

• 申請號: 202110360020.X
• 申請日: 2021-04-02
• 公開（公告）號: CN113283157A
• 公開（公告）日: 2021-08-20
• 發明（設計）人: 殷強;譚軍;連杰;曹志;孫浩
• 申請（專利權）人: 殷強
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/00;G06N3/04;G06N3/08;G06F119/04;G06F119/02
• 代理公司: 天津盈佳知識產權代理事務所(特殊普通合伙) 12224
• 代理人: 孫寶蕓

1.一種基于MDDP系統的智能沖壓壓力機部件生命周期預測方法，其特征在于，所述基于MDDP系統的智能沖壓壓力機部件生命周期預測方法包括：通過關聯備件入庫、出庫、安裝和報廢時間，記錄軸承整個生命周期的數據；

通過對設備內部軸承的震動頻譜進行采集分析；結合多年軸承制造的數據，得出軸承的健康狀態和缺陷位置以及缺陷程度，預測出軸承剩余壽命；

所述對設備內部軸承的震動頻譜進行采集分析包括：

(1)獲取震動頻譜傳感器采集的頻率-電平樣本數據；對樣本數據進行降噪平滑處理和等長分段處理；首先對樣本數據進行降噪平滑處理，如果樣本數據點數較多或頻率范圍較大，則對樣本數據進行等長分段，從而提高計算效率和準確度；

(2)對樣本數據進行不等長分段與噪聲門限電平估計；對樣本數據進行不等長分段，通過粗略估計各段內信號的最大帶寬，以最大帶寬的2倍作為各段的分段長度，實現不等長分段；噪聲門限電平估計是通過計算段內樣本數據的電平期望，并剔除電平大于期望3dB的樣本數據點，然后對剩余的樣本數據重新計算電平期望，該電平期望值即為噪底電平；

噪聲門限電平估計是以大于噪底電平3dB作為噪聲門限閾值，信號提取是通過將樣本數據的電平值與噪聲門限閾值進行比較，對于大于門限閾值的樣本點看作是信號，并且將連續大于門限閾值的樣本點合為一個信號；

(3)信號提取：信號輸入；對輸入信號進行預處理/取幀；特征提取；頻譜分析；BP神經網絡訓練；輸出信號識別結果；所述頻譜分析采用頻譜自適應算法包括：令訓練向量和測試向量分別是向量X(1)和X(2)，假設：

U＝AX⁽¹⁾,V＝BX⁽²⁾ (1)

其中A和B是對應于X(1)和X(2)的變換矩陣，u和v是參考空間中公式(1)x和(2)x的映射；將均方誤差最小化：

D＝E{(U-V)²}，其中U＝AX⁽¹⁾,V＝BX⁽²⁾ (2)

帶約束E{U²}＝E{V²}＝1；做U和V的最大相關，u和v在當時不為零；

假設信號倒譜的長期均值為零，令E{X}＝0，分別從訓練向量和測試向量中減去信道特征；得到的E{X⁽¹⁾}＝E{X⁽²⁾}＝0，和得到相關矩陣：

得到關系：

I＝E{U²}＝E{A′X⁽¹⁾X⁽¹⁾′A}＝A′∑₁₁A (4)

I＝E{V²}＝E{B′X⁽²⁾X⁽²⁾′B}＝B′∑₂₂B (5)

E{U}＝E{A′X⁽¹⁾}＝A′E{X⁽¹⁾}＝0 (6)

E{V}＝E{B′X⁽²⁾}＝B′E{X⁽²⁾}＝0 (7)

E{UV}＝E{A′X⁽¹⁾X⁽²⁾B}＝A′∑₁₂B (8)

問題改寫為：

令得到

滿足

特征向量(a⁽¹⁾,b⁽¹⁾),(a⁽²⁾,b⁽²⁾),……(a^(p),b^(p))對應于λ₁,λ₂,…λ_p是轉換矩陣A和B的行向量；通過計算將測試向量映射到訓練空間；

(4)對信號二次分析，進行信號的合并和虛假信號的消除；將兩個間隔較小的信號合并為一個信號；對于信號電平小到一定程度，且存在多個極值或包含的樣本點數較少，則將其視為虛假信號進行消除；

(5)估計信號頻率上下限；通過將每個信號的最小樣本點和最大樣本點分別向外擴展3個點，并分別取三個點中電平值最小的點作為信號的頻率下限和頻率上限；

(6)對信號范圍內任意兩點進行線性插值，估計信號的相關參數；根據信號頻率上下限以及其范圍內的樣本數據，按照1kHz的間隔進行任意兩個樣本點的線性插值，按照占總能量99％的頻帶范圍計算占用帶寬，以低于最大電平3dB和26dB的樣本數據點分別計算信號的3dB帶寬和26dB帶寬；

在S變換的高斯窗上加入兩個參數λ和p，使高斯窗隨3dB帶寬和26dB帶寬不同帶寬的頻率成分變換而變化；信號x(t)的廣義S變換為x(GST)，則有；

對高斯窗G(t)做Wigner-Ville分布：令x(GST)與G(t)褶積得到N1，x(GST)與N1的比值與G(t)相關得到N2，再將N2與G(t)褶積得到新的N1，然后反復迭代得到最佳的N2；

所述對高斯窗G(t)做Wigner-Ville分布：

令x(GST)與G(t)褶積得到N1，x(GST)與N1的比值與G(t)相關得到N2，再將N2與G(t)褶積得到新的N1，然后反復迭代得到最佳的N2。