[發(fā)明專利]基于PC-TCN和遷移學(xué)習(xí)的軸承壽命預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111585078.0
• 申請(qǐng)日: 2021-12-22
• 公開（公告）號(hào): CN114417913A
• 公開（公告）日: 2022-04-29
• 發(fā)明（設(shè)計(jì)）人: 丁華;王焱;孫曉春;朱銳祥;孟祥龍;呂彥寶
• 申請(qǐng)（專利權(quán)）人: 太原理工大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08;G01M13/045
• 代理公司: 太原晉科知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 14110
• 代理人: 任林芳

本發(fā)明涉及軸承狀態(tài)識(shí)別及壽命預(yù)測(cè)技術(shù)領(lǐng)域，具體為基于PC?TCN和遷移學(xué)習(xí)的軸承壽命預(yù)測(cè)方法。包括以下步驟，S1～獲取某種工況下的全壽命周期的軸承振動(dòng)信號(hào)；將軸承的原始X軸振動(dòng)信號(hào)和Y軸振動(dòng)信號(hào)進(jìn)行融合，融合歸一化處理；S2～將源域全壽命周期的振動(dòng)信號(hào)，以剩余壽命百分比的形式，標(biāo)記0到1之內(nèi)的健康狀態(tài)標(biāo)簽，然后將源域訓(xùn)練數(shù)據(jù)輸入模型；S3～輸入源域訓(xùn)練數(shù)據(jù)經(jīng)過CNN提取振動(dòng)信號(hào)特征后；S4～設(shè)置PSO算法的參數(shù)，對(duì)CNN和TCN的參數(shù)進(jìn)行尋優(yōu)，得到最優(yōu)參數(shù)；S5～將目標(biāo)域無標(biāo)簽振動(dòng)信號(hào)輸入到訓(xùn)練好的PC?TCN模型，進(jìn)行自適應(yīng)衍生成相應(yīng)的特殊標(biāo)注標(biāo)簽；S6～將目標(biāo)域測(cè)試數(shù)據(jù)輸入遷移模型，進(jìn)行目標(biāo)域軸承狀態(tài)識(shí)別和壽命預(yù)測(cè)。

技術(shù)領(lǐng)域

本發(fā)明涉及軸承狀態(tài)識(shí)別及壽命預(yù)測(cè)技術(shù)領(lǐng)域，具體為基于PC-TCN和遷移學(xué)習(xí)的軸承壽命預(yù)測(cè)方法。

背景技術(shù)

軸承是易受損的零件之一，在旋轉(zhuǎn)機(jī)械的運(yùn)行維護(hù)中的關(guān)注重點(diǎn)。軸承的使用時(shí)間和設(shè)備的運(yùn)行狀態(tài)關(guān)系密切，通過對(duì)軸承進(jìn)行狀態(tài)識(shí)別和壽命預(yù)測(cè)能夠有效預(yù)防很多因?yàn)檩S承失效而導(dǎo)致的人員傷亡和機(jī)器停休等，減少造成的損失。

由于噪聲引起的特征表示不準(zhǔn)確、壽命周期變化以及其他各種因素引起的狀態(tài)識(shí)別和壽命預(yù)測(cè)不準(zhǔn)確等問題，是在軸承健康管理中具有挑戰(zhàn)性的問題。所以建立一個(gè)準(zhǔn)確識(shí)別的壽命預(yù)測(cè)系統(tǒng)已成為當(dāng)下眾多研究領(lǐng)域中不可或缺的研究內(nèi)容。

在實(shí)際過程中，軸承的工況常常是變化的，帶有標(biāo)簽的數(shù)據(jù)過少，同時(shí)訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)的分布不一定相同，即使同一型號(hào)的軸承在同一工況下，其退化過程也可能具有不同的特征，導(dǎo)致普通壽命預(yù)測(cè)方法效果并不理想。遷移學(xué)習(xí)可以解決數(shù)據(jù)無標(biāo)簽，數(shù)據(jù)不充分的問題，在狀態(tài)識(shí)別和壽命預(yù)測(cè)領(lǐng)域可以有效的解決這類問題。

發(fā)明內(nèi)容

本發(fā)明為了解決實(shí)際中軸承帶標(biāo)簽振動(dòng)數(shù)據(jù)獲取困難，目標(biāo)域樣本不含標(biāo)簽，健康指標(biāo)難以構(gòu)建，結(jié)果精準(zhǔn)度低的問題，提供一種基于PC-TCN和遷移學(xué)習(xí)的軸承壽命預(yù)測(cè)方法。

本發(fā)明采取以下技術(shù)方案：一種基于PC-TCN和遷移學(xué)習(xí)的軸承壽命預(yù)測(cè)方法，包括以下步驟，S1～獲取某種工況下的全壽命周期的軸承振動(dòng)信號(hào)，將它定為源域，將同一工況或者不同工況的非全壽命周期的軸承振動(dòng)信號(hào)定為目標(biāo)域；將軸承的原始X軸振動(dòng)信號(hào)和Y軸振動(dòng)信號(hào)進(jìn)行融合，融合歸一化處理；S2～將源域全壽命周期的振動(dòng)信號(hào)，以剩余壽命百分比的形式，標(biāo)記0到1之內(nèi)的健康狀態(tài)標(biāo)簽，然后將源域訓(xùn)練數(shù)據(jù)輸入模型；S3～輸入源域訓(xùn)練數(shù)據(jù)經(jīng)過CNN提取振動(dòng)信號(hào)特征后，將時(shí)間序列數(shù)據(jù)輸出，然后TCN模型對(duì)接收的時(shí)間序列數(shù)據(jù)進(jìn)行高層特征的信息抽象，對(duì)TCN輸出時(shí)域信號(hào)進(jìn)行最大值池化，并進(jìn)入全連接層；S4～設(shè)置PSO算法的參數(shù)，對(duì)CNN和TCN的參數(shù)進(jìn)行尋優(yōu)，得到最優(yōu)參數(shù)，用最優(yōu)參數(shù)訓(xùn)練出PC-TCN模型，對(duì)源域測(cè)試數(shù)據(jù)進(jìn)行狀態(tài)識(shí)別和壽命預(yù)測(cè)；S5～將目標(biāo)域無標(biāo)簽振動(dòng)信號(hào)輸入到訓(xùn)練好的PC-TCN模型，進(jìn)行自適應(yīng)衍生成相應(yīng)的特殊標(biāo)注標(biāo)簽，使用源域有標(biāo)簽訓(xùn)練數(shù)據(jù)和目標(biāo)域衍生標(biāo)簽訓(xùn)練數(shù)據(jù)參數(shù)初始化并重新訓(xùn)練，即遷移訓(xùn)練，經(jīng)過多次迭代尋優(yōu)，建立遷移模型，實(shí)現(xiàn)無監(jiān)督條件下的軸承狀態(tài)識(shí)別；S6～將目標(biāo)域測(cè)試數(shù)據(jù)輸入遷移模型，進(jìn)行目標(biāo)域軸承狀態(tài)識(shí)別和壽命預(yù)測(cè)。

步驟S1中，將X軸和Y軸振動(dòng)信號(hào)堆疊在一起，將信號(hào)進(jìn)行歸一化處理。其運(yùn)算表示為：

式中a_i為第i個(gè)原數(shù)據(jù)，x_i為第i個(gè)新數(shù)據(jù)，為原數(shù)據(jù)的平均值，n為數(shù)據(jù)的總數(shù)量。

步驟S3中包括以下步驟，

S301～源域訓(xùn)練數(shù)據(jù)輸入CNN，設(shè)定CNN層數(shù)、濾波器數(shù)量、卷積尺寸大小，將歸一化后的數(shù)據(jù)作為CNN的輸入，運(yùn)用CNN中的卷積層、池化層遍歷整個(gè)輸入數(shù)據(jù)序列，以振動(dòng)信號(hào)為局部信息挖取深層特征；

具體卷積層運(yùn)算表示為：