[發(fā)明專利]一種基于改進(jìn)型核極限學(xué)習(xí)機(jī)的軸承剩余使用壽命預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202310407806.1
• 申請日: 2023-04-17
• 公開（公告）號: CN116432531A
• 公開（公告）日: 2023-07-14
• 發(fā)明（設(shè)計）人: 周萌;蔡暢;王晶;王昶;史運(yùn)濤;董哲;翟維楓
• 申請（專利權(quán)）人: 北方工業(yè)大學(xué)
• 主分類號: G06F30/27
• 分類號: G06F30/27;G01M13/045;G06N20/20;G06F111/06;G06F119/02
• 代理公司: 北京深川專利代理事務(wù)所(普通合伙) 16058
• 代理人: 湯鎮(zhèn)宇

本發(fā)明公開了一種基于改進(jìn)型核極限學(xué)習(xí)機(jī)的軸承剩余使用壽命預(yù)測方法。本發(fā)明中，以滾動軸承作為研究對象，以滾動軸承的剩余壽命預(yù)測為研究目標(biāo)。在實(shí)際工程應(yīng)用中，滾動軸承需要根據(jù)實(shí)際工程情況進(jìn)行提速或者減速的，運(yùn)行工況往往是變化的，依靠單工況預(yù)測方法可能影響預(yù)測準(zhǔn)確度，因此需要考慮多工況下的剩余壽命預(yù)測。為了在多工況條件下充分挖掘軸承振動信號特征，需要構(gòu)建一個能夠反映軸承退化狀態(tài)的指標(biāo)，進(jìn)而根據(jù)健康指標(biāo)進(jìn)行壽命預(yù)測，提升預(yù)測精度。

技術(shù)領(lǐng)域

本發(fā)明涉及故障預(yù)測與健康管理領(lǐng)域，具體是一種基于改進(jìn)型核極限學(xué)習(xí)機(jī)的軸承剩余使用壽命預(yù)測方法。

背景技術(shù)

滾動軸承是機(jī)械工業(yè)中機(jī)械設(shè)備最常用的零部件之一，其在傳動系統(tǒng)中的作用十分重要，被稱為“工業(yè)的關(guān)節(jié)”。據(jù)統(tǒng)計，大約44％的感應(yīng)電動機(jī)故障是由軸承故障引起的。軸承故障會導(dǎo)致極大的經(jīng)濟(jì)損失和嚴(yán)重的人身傷害。例如，污水處理廠中水泵軸承失效會帶來嚴(yán)重的經(jīng)濟(jì)損失。滾動軸承的剩余使用壽命(RUL)預(yù)測可在故障發(fā)生前提供軸承的健康狀態(tài)信息，以便進(jìn)行有效的預(yù)測維護(hù)，以降低軸承故障的風(fēng)險，提高設(shè)備可靠性，具有重要的研究價值。

近年來，隨著人工智能和機(jī)器學(xué)習(xí)技術(shù)在信號處理方面的突破性進(jìn)展，為滾動軸承故障診斷和剩余使用壽命預(yù)測方法的研究提供了新的思路。Ali?Farsi等利用分布函數(shù)對監(jiān)測數(shù)據(jù)進(jìn)行調(diào)整后用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行泵軸承的壽命預(yù)測。Zhang等提出了一個雙向長短期記憶網(wǎng)絡(luò)來發(fā)現(xiàn)嵌入在時間序列中的底層模式，并跟蹤系統(tǒng)退化，從而預(yù)測剩余使用壽命。但雙向長短期記憶網(wǎng)絡(luò)僅用于跟蹤健康指數(shù)的變化，所以采用遞歸一步提前法預(yù)測剩余使用壽命。因此，研究滾動軸承剩余使用壽命預(yù)測具有很重要的研究意義和研究價值。Cao等介紹了一種主要由復(fù)雜域擴(kuò)展網(wǎng)絡(luò)構(gòu)建的剩余使用壽命預(yù)測框架，建立了多通道特征表示與預(yù)測標(biāo)簽之間的端到端映射，實(shí)現(xiàn)了旋轉(zhuǎn)機(jī)械剩余使用壽命的準(zhǔn)確合理預(yù)測。Yan等利用支持向量機(jī)將未經(jīng)擬合處理的特征分類到不同的退化階段建立一種基于退化階段和退化行為的混合退化跟蹤模型來進(jìn)行軸承的剩余使用壽命預(yù)測。Li等人開發(fā)了一種新的深度學(xué)習(xí)架構(gòu)，用于剩余使用壽命預(yù)測。為了改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的特征提取，采用時間窗方法進(jìn)行樣本制備。該方法直接采用原始傳感器測量數(shù)據(jù)作為模型輸入。他們聲稱，使用這種方法不需要預(yù)先掌握預(yù)測和信號處理方面的專業(yè)知識，這有利于其在工業(yè)領(lǐng)域的應(yīng)用。

發(fā)明內(nèi)容

本發(fā)明的目的在于解決多工況下滾動軸承剩余使用壽命預(yù)測問題，提出一種基于改進(jìn)型自適應(yīng)連續(xù)深度置信網(wǎng)絡(luò)與核極限學(xué)習(xí)機(jī)算法的滾動軸承剩余使用壽命預(yù)測方法。為充分挖掘多工況下軸承振動信號健康指標(biāo)，提出了一種改進(jìn)型的自適應(yīng)連續(xù)深度置信網(wǎng)絡(luò)模型，實(shí)現(xiàn)對滾動軸承振動信號的特征提取。該模型引入一種自適應(yīng)機(jī)制對網(wǎng)絡(luò)學(xué)習(xí)速率進(jìn)行調(diào)節(jié)，以實(shí)現(xiàn)穩(wěn)定的特征提取過程。其次，利用提取特征的初始運(yùn)行狀況狀態(tài)與實(shí)時退化狀態(tài)之間的距離構(gòu)建健康指標(biāo)，以反映滾動軸承偏離健康狀態(tài)的程度。最后，根據(jù)所構(gòu)建的健康指標(biāo)，基于麻雀搜索算法優(yōu)化核極限學(xué)習(xí)機(jī)算法來預(yù)測滾動軸承的剩余壽命。采用麻雀搜索算法對核極限學(xué)習(xí)機(jī)的核參數(shù)和正則化系數(shù)進(jìn)行優(yōu)化，以提高滾動軸承剩余壽命的預(yù)測精度。

本發(fā)明提出了一種基于改進(jìn)型自適應(yīng)連續(xù)深度置信網(wǎng)絡(luò)與核極限學(xué)習(xí)機(jī)的滾動軸承剩余使用壽命預(yù)測方法，包括：

步驟一：為充分挖掘多工況下軸承振動信號健康指標(biāo)，提出了一種改進(jìn)型自適應(yīng)連續(xù)深度置信網(wǎng)絡(luò)模型，實(shí)現(xiàn)對滾動軸承振動信號的特征提取。考慮到深度置信網(wǎng)絡(luò)利用二進(jìn)制機(jī)制進(jìn)行特征提取，更適合離散數(shù)據(jù)，然而，滾動軸承數(shù)據(jù)是連續(xù)數(shù)據(jù)，因此在深度置信網(wǎng)絡(luò)的基礎(chǔ)上引入高斯噪聲，形成連續(xù)深度置信網(wǎng)絡(luò)進(jìn)行特征提取，但是，連續(xù)深度置信網(wǎng)絡(luò)在訓(xùn)練過程中會出現(xiàn)無法穩(wěn)定收斂的情況，因此，引入一種自適應(yīng)機(jī)制對網(wǎng)絡(luò)學(xué)習(xí)速率進(jìn)行調(diào)節(jié)，以實(shí)現(xiàn)穩(wěn)定的特征提取過程，本發(fā)明基于改進(jìn)型自適應(yīng)連續(xù)深度置信網(wǎng)絡(luò)對軸承原始振動信號進(jìn)行特征提取，自適應(yīng)連續(xù)深度置信網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

步驟二：根據(jù)自適應(yīng)連續(xù)深度置信網(wǎng)絡(luò)提取的深度特征，利用實(shí)時退化狀態(tài)與初始運(yùn)行狀態(tài)之間的差距構(gòu)建反映軸承退化狀態(tài)的健康指標(biāo)以便進(jìn)行后續(xù)的剩余使用壽命預(yù)測。