[發明專利]基于雙線程門控循環單元的齒輪剩余使用壽命預測方法

在審

• 申請號: 202210470053.4
• 申請日: 2022-04-28
• 公開（公告）號: CN115017937A
• 公開（公告）日: 2022-09-06
• 發明（設計）人: 秦毅;周江洪;蔡維;周弦;錢泉
• 申請（專利權）人: 重慶大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08;G01M13/021
• 代理公司: 重慶市嘉允啟行專利代理事務所(普通合伙) 50243
• 代理人: 胡柯

本申請提供一種基于雙線程門控循環單元的齒輪剩余使用壽命預測方法，具體步驟為：采集齒輪全生命周期的振動信號，獲得采集數據；計算采集數據的多維時域和頻域特征，將多維時域和頻域特征輸入DTC?VAE神經網絡中構建健康指標；通過健康指標對基于DTGRU網絡的齒輪剩余使用壽命預測模型進行訓練，利用訓練好的基于DTGRU網絡的齒輪剩余使用壽命預測模型對齒輪的剩余使用壽命進行預測，本申請中通過雙線程門控循環單元DTGRU網絡對齒輪剩余壽命進行，預測精度高。

技術領域

本發明涉及齒輪剩余使用壽命預測領域，特別是一種基于雙線程門控循環單元的齒輪剩余使用壽命預測方法。

背景技術

隨著科學技術的快速發展以及生產力的不斷提高，航空航天、軌道交通、能源動力等相關領域對機械設備提出了高性能、高速度、自動化和智能化等要求。齒輪作為機械設備的核心部件之一，其通常工作在重載、高溫、腐蝕以及高作業率的復雜惡劣環境下，這使得它容易發生點蝕、斷齒等失效故障，進而影響設備的正常運行。因此為了確保機械設備的安全可靠運行和制定合理的維修計劃，有必要研究具有高精度高魯棒性的齒輪壽命預測方法。

健康指標作為壽命預測的基礎，其有效性直接影響齒輪軸承的剩余使用壽命的預測精度，在CN112926505A中公開了一種名稱為“基于DTC-VAE神經網絡的旋轉機械健康指標構建方法”的發明專利，該申請構建具有明顯退化趨勢和統一失效閾值的基于DTC-VAE模型的健康指標HI，為齒輪剩余壽命的預測提供了計算支撐。

當前循環神經網絡(recurrent neural network,RNN)存在不能很好地學習到平穩和非平穩信息以及剩余使用壽命預測(remaining useful life,RUL)精度不高等問題。

發明內容

本發明的目的就是提供一種基于雙線程門控循環單元的齒輪剩余使用壽命預測方法，它可以用于對齒輪剩余使用壽命進行預測。

本發明的目的是通過這樣的技術方案實現的，具體步驟如下：

1)數據采集：以T為單個樣本采樣時間、T_s為采樣間隔時間，采集齒輪全生命周期的振動信號，獲得樣本個數為n的采集數據；

2)構建健康指標：計算采集數據的多維時域和頻域特征，將多維時域和頻域特征輸入DTC-VAE神經網絡中，生成基于DTC-VAE模型的健康指標H，H＝[h₁,h₂,…,h_n]^T，并將健康指標數據集H劃分為訓練集S_train與測試集S_test；

3)構建預測模型：構建基于雙線程門控循環單元DTGRU網絡的齒輪剩余使用壽命預測模型；

4)模型訓練：使用訓練樣本S_train構建矩陣U，將矩陣U的前k行向量作為DTGRU網絡模型的輸入，將矩陣U的最后一行作為DTGRU網絡模型的輸出，以DTGRU神經網絡映射函數f的損失函數L最小為目標，對DTGRU網絡模型參數進行更新；

5)健康指標預測：將t時刻的倒數的k個輸出作為更新后DTGRU網絡模型的輸入，得到t+1時刻的健康指標向量；

6)剩余使用壽命預測：重復步驟5)，若t+1時刻的健康指標向量小于設定的失效閾值，則返回步驟5)計算t+2時刻的健康指標向量，若t+1時刻的健康特征指標向量大于設定的失效閾值，則輸出伺服電機的剩余使用壽命。

進一步，步驟3)中所述雙線程門控循環單元DTGRU網絡包括使用注意力機制模塊連接的兩個GRU網絡，定義兩個GRU網絡分別為雙線程門控循環單元DTGRU網絡主、副線程GRU網絡。

進一步，步驟3)中所述雙線程門控循環單元DTGRU網絡的工作步驟為：