[發明專利]一種用于滾動軸承的壽命預測方法

在審

• 申請號: 202110659329.9
• 申請日: 2021-06-15
• 公開（公告）號: CN113449465A
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 冒澤慧;張耕維;馬亞杰;姜斌
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06F119/04
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 蘇一幟

本發明實施例公開了一種用于滾動軸承的壽命預測方法，涉及滾動軸承技術領域，能夠提高滾動軸承壽命預測的準確性。本發明包括：從所采集的滾動軸承的振動信號中，提取所述振動信號的信號特征；根據所述信號特征局限性降維處理得到初始特征矩陣，再利用所述初始特征矩陣進行非線性擬合處理，得到特征矩陣；通過所得到的特征矩陣構成樣本段，并上傳至訓練數據庫和測試數據庫；利用所述訓練數據庫對所建立的時間卷積網絡模型進行訓練；將所述測試數據庫中的測試數據輸入經過訓練的卷積網絡模型，并得到故障診斷結果。本發明適用于滾動軸承設計。

技術領域

本發明涉及滾動軸承技術領域，尤其涉及一種用于滾動軸承的壽命預測方法。

背景技術

滾動軸承被譽為“工業的關節”，在航空航天、風力發電等領域被廣泛應用，旋轉機械的失效很多都是由于滾動軸承故障引起，一旦故障發生，輕則造成財產損失、重則造成人員傷亡。因此，針對滾動軸承進行狀態檢測，獲取機械設備狀態，估測滾動軸承壽命，從而對可能出現的故障進行預警是很有必要的。

現有的智能預測方法通常是針對某變量歷史數據中的信息來提取特征，根據這些特征來預測該變量未來一段時間的變化趨勢。然而，在歷史數據較為龐大的情況下，傳統數據預測方法提取得到的特征呈現出的時間整體關聯性會減弱，不能夠反映整個歷史數據所隱含的規律，進而導致預測精度變差，有些方法還容易導致過擬合問題。

發明內容

本發明的實施例提供一種用于滾動軸承的壽命預測方法，能夠提高滾動軸承壽命預測的準確性。

為達到上述目的，本發明的實施例采用如下技術方案：

從所采集的滾動軸承的振動信號中，提取所述振動信號的信號特征；

根據所述信號特征局限性降維處理得到初始特征矩陣，再利用所述初始特征矩陣進行非線性擬合處理，得到特征矩陣；

通過所得到的特征矩陣構成樣本段，并上傳至訓練數據庫和測試數據庫；

利用所述訓練數據庫對所建立的時間卷積網絡模型進行訓練；

將所述測試數據庫中的測試數據輸入經過訓練的卷積網絡模型，并得到故障診斷結果。

本發明實施例提供的用于滾動軸承的壽命預測方法，基于時間卷積網絡進行滾動軸承的壽命預測。其中通過時間卷積網絡相較傳統的神經網絡可以并行處理時序數據和對感受野可以靈活改變的特點，在相同條件下可以比傳統神經網絡提取得到更多的信息，提高了對更長、更復雜的設備歷史數據進行處理的能力，能夠提高壽命預測的準確率。

附圖說明

為了更清楚地說明本發明實施例中的技術方案，下面將對實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其它的附圖。

圖1為本發明實施例提供的一種可能的實現方式中的具體事例的實現流程示意圖；

圖2為本發明實施例提供的獲取最終特征矩陣的示意圖；

圖3為本發明實施例提供的時間卷積網絡訓練以及測試過程的示意圖；

圖4為本發明實施例提供的時間卷積網絡訓練流程示意圖；

圖5為本發明實施例提供的時間卷積網絡殘差鏈接部分示意圖；

圖6為本發明實施例提供的方法流程的示意圖。

具體實施方式