[發(fā)明專利]基于深度學(xué)習(xí)模型的滾動(dòng)軸承壽命預(yù)測方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202110803411.4
• 申請(qǐng)日: 2021-07-16
• 公開（公告）號(hào): CN113326590B
• 公開（公告）日: 2021-10-29
• 發(fā)明（設(shè)計(jì)）人: 劉錦南;高暉;高東方;和丹輝;郭金良
• 申請(qǐng)（專利權(quán)）人: 北京博華信智科技股份有限公司
• 主分類號(hào): G06F30/17
• 分類號(hào): G06F30/17;G06F30/27;G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06F119/02
• 代理公司: 北京志霖恒遠(yuǎn)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11435
• 代理人: 郭棟梁

1.一種基于深度學(xué)習(xí)模型的滾動(dòng)軸承壽命預(yù)測方法，其特征在于，包括：

獲取多個(gè)傳感器檢測的時(shí)序信號(hào)；

將所述時(shí)序信號(hào)進(jìn)行數(shù)據(jù)處理，得到所述時(shí)序信號(hào)對(duì)應(yīng)的灰度圖；

對(duì)所述灰度圖進(jìn)行標(biāo)注，得到時(shí)序序列數(shù)據(jù)集和故障識(shí)別數(shù)據(jù)集；

將所述故障識(shí)別數(shù)據(jù)集輸入至故障識(shí)別模型對(duì)所述故障識(shí)別模型進(jìn)行訓(xùn)練，得到所述故障識(shí)別模型對(duì)應(yīng)的特征參數(shù)；

構(gòu)建故障趨勢預(yù)測模型，并將所述故障識(shí)別模型對(duì)應(yīng)的特征參數(shù)作為所述故障趨勢預(yù)測模型的初始參數(shù)；

將所述時(shí)序序列數(shù)據(jù)集輸入至所述故障趨勢預(yù)測模型中對(duì)所述故障趨勢預(yù)測模型進(jìn)行訓(xùn)練，并得到所述時(shí)序序列數(shù)據(jù)集對(duì)應(yīng)的剩余壽命；

其中，所述故障識(shí)別模型包括：第一卷積層、第二卷積層、第三卷積層、第四卷積層、第五全連接層、第六全連接層、第七全連接層和輸出層；

所述故障識(shí)別模型采用自適應(yīng)矩陣估計(jì)優(yōu)化器進(jìn)行權(quán)重訓(xùn)練，所述自適應(yīng)矩陣估計(jì)優(yōu)化器的參數(shù)初始化為：

其中，為實(shí)時(shí)更新的參數(shù)，下標(biāo)t表示步長，表示當(dāng)前步長的梯度，ρ是當(dāng)前指數(shù)衰減率的估值，是一階梯度矩陣，是二階梯度矩陣，為學(xué)習(xí)率，為常量10^-8，以保證表達(dá)式成立，和是對(duì)原始值的偏差修正。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述故障趨勢預(yù)測模型包括：池化層、第八全連接層、第九全連接層、第十全連接層、LSTM隱含層、第十一全連接層和輸出層。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述故障趨勢預(yù)測模型采用如下多任務(wù)損失函數(shù)：

其中，為完整生命周期，為當(dāng)前時(shí)刻，為預(yù)測剩余壽命值，為所述故障趨勢預(yù)測模型中第八全連接層的特征參數(shù)，為所述故障識(shí)別模型中第七全連接層的特征參數(shù)，為固定參數(shù)，為隨著迭代次數(shù)增加而下降的衰退系數(shù)。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述故障趨勢預(yù)測模型中所述第八全連接層的結(jié)構(gòu)與所述故障識(shí)別模型中所述第七全連接層的結(jié)構(gòu)相同。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述故障識(shí)別模型中所述第七全連接層的特征參數(shù)為所述故障趨勢預(yù)測模型中所述第八全連接層的初始參數(shù)。

6.一種基于深度學(xué)習(xí)模型的滾動(dòng)軸承壽命預(yù)測裝置，其特征在于，包括：

獲取模塊，用于獲取多個(gè)傳感器檢測的時(shí)序信號(hào)；

數(shù)據(jù)處理模塊，用于將所述時(shí)序信號(hào)進(jìn)行數(shù)據(jù)處理，得到所述時(shí)序信號(hào)對(duì)應(yīng)的灰度圖；

標(biāo)注模塊，用于對(duì)所述灰度圖進(jìn)行標(biāo)注，得到時(shí)序序列數(shù)據(jù)集和故障識(shí)別數(shù)據(jù)集；

識(shí)別模塊，用于將所述故障識(shí)別數(shù)據(jù)集輸入至故障識(shí)別模型對(duì)所述故障識(shí)別模型進(jìn)行訓(xùn)練，得到所述故障識(shí)別模型對(duì)應(yīng)的特征參數(shù)；

構(gòu)建模塊，用于構(gòu)建故障趨勢預(yù)測模型，并將所述故障識(shí)別模型對(duì)應(yīng)的特征參數(shù)作為所述故障趨勢預(yù)測模型的初始參數(shù)；

預(yù)測模塊，用于將所述時(shí)序序列數(shù)據(jù)集輸入至所述故障趨勢預(yù)測模型中對(duì)所述故障趨勢預(yù)測模型進(jìn)行訓(xùn)練，并得到所述時(shí)序序列數(shù)據(jù)集對(duì)應(yīng)的壽命趨勢曲線；

其中，所述故障識(shí)別模型包括：第一卷積層、第二卷積層、第三卷積層、第四卷積層、第五全連接層、第六全連接層、第七全連接層和輸出層；

所述故障識(shí)別模型采用自適應(yīng)矩陣估計(jì)優(yōu)化器進(jìn)行權(quán)重訓(xùn)練，所述自適應(yīng)矩陣估計(jì)優(yōu)化器的參數(shù)初始化為：

其中，為實(shí)時(shí)更新的參數(shù)，下標(biāo)t表示步長，表示當(dāng)前步長的梯度，ρ是當(dāng)前指數(shù)衰減率的估值，是一階梯度矩陣，是二階梯度矩陣，為學(xué)習(xí)率，為常量10^-8，以保證表達(dá)式成立，和是對(duì)原始值的偏差修正。

7.一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)，實(shí)現(xiàn)如權(quán)利要求1-5中任一所述的基于深度學(xué)習(xí)模型的滾動(dòng)軸承壽命預(yù)測方法。

8.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-5中任一所述的基于深度學(xué)習(xí)模型的滾動(dòng)軸承壽命預(yù)測方法。