一种轴承剩余寿命预测方法、系统、终端及存储介质与流程

摘要: 本申请涉及滚动轴承寿命预测的,尤其是涉及一种轴承剩余寿命预测方法、系统、终端及存储介质。背景技术:1、轴承剩余寿命预测是指通过振动传感器捕捉轴承的振动信号后,基...
一种轴承剩余寿命预测方法、系统、终端及存储介质与流程

本申请涉及滚动轴承寿命预测的,尤其是涉及一种轴承剩余寿命预测方法、系统、终端及存储介质。

背景技术:

1、轴承剩余寿命预测是指通过振动传感器捕捉轴承的振动信号后,基于轴承的振动信号对轴承的剩余寿命进行预测的过程。

2、相关技术中,对轴承剩余寿命进行预测时,通常采取额定寿命计算法,基于轴承的额定动载荷、实际工作过程中的轴向载荷以及轴承工作时的工作转速等基础工况参数,再将轴承的基础工况参数输入到经典经验寿命公式中,并引入温湿度等工况修正系数,计算得到轴承的预测剩余寿命。

3、针对上述中的相关技术,根据经典经验寿命公式对轴承的剩余寿命进行预测时,未考虑实际工况中轴承载荷的波动、轴承运行过程中的动态温度变化以及轴承的个体差异等动态数据,导致轴承剩余寿命预测的精度较低、鲁棒性较差,还有改进的空间。

技术实现思路

1、为了提高轴承寿命预测的精度以及鲁棒性,本申请提供一种轴承剩余寿命预测方法、系统、终端及存储介质。

2、第一方面,本申请提供一种轴承剩余寿命预测方法,采用如下的技术方案:

3、一种轴承剩余寿命预测方法,包括:

4、获取预设的同型号轴承的全寿命振动信号和剩余寿命标签;

5、将全寿命振动信号输入预设的自适应分解模型中,以确定归一特征集;

6、根据预设的特征筛选模型对归一特征集进行筛选,以确定核心特征集;

7、根据核心特征集和剩余寿命标签对预设的多分支模型进行训练,以确定多分支预测模型;

8、根据核心特征集和自适应分解模型提取预设的待预测轴承的振动特征集;

9、根据多分支预测模型对振动特征集进行分析,以确定轴承剩余寿命。

10、可选的,将全寿命振动信号输入预设的自适应分解模型中,以确定归一特征集的步骤包括:

11、将全寿命振动信号输入自适应分解模型中,以确定分解特征集;

12、对分解特征集进行数值分析,以确定最大特征序列和最小特征序列;

13、根据最大特征序列和最小特征序列对分解特征集进行归一化处理,以确定归一特征集。

14、可选的,根据预设的特征筛选模型对归一特征集进行筛选,以确定核心特征集的步骤包括:

15、获取关联剩余寿命和噪声特征集;

16、对关联剩余寿命、噪声特征集和归一特征集进行分析,以确定敏感性指标、相关性指标和稳定性指标;

17、将敏感性指标、相关性指标和稳定性指标输入预设的ahp加权模型中,以确定归一特征评分;

18、根据预设的核心特征阈值对归一特征评分对应的归一特征集进行筛选,以确定核心特征集。

19、可选的,对关联剩余寿命、噪声特征集和归一特征集进行分析,以确定敏感性指标、相关性指标和稳定性指标的步骤包括:

20、根据预设的轴承退化阈值对归一特征集进行划分,以确定正常期特征集和退化期特征集;

21、计算正常期特征集方差和退化期特征集方差的比值,以确定敏感性指标;

22、对关联剩余寿命和归一特征集进行分析,以确定联合概率密度、特征边缘概率密度和寿命边缘概率密度;

23、将联合概率密度、特征边缘概率密度和寿命边缘概率密度输入预设的相关性评估模型中,以确定相关性指标;

24、将噪声特征集输入预设的稳定评估模型中,以确定稳定性指标。

25、可选的,根据多分支预测模型对振动特征集进行分析,以确定轴承剩余寿命的步骤包括:

26、将振动特征集输入预设的注意力增强神经网络分支中,以确定增强特征向量;

27、将振动特征集输入预设的双向门控串行时序分支中,以确定预测时序向量;

28、将振动特征集输入预设的图注意力网络校准分支中,以确定当前位置向量、动态权重组和状态校准系数;

29、根据动态权重组和状态校准系数对增强特征向量、预测时序向量和当前位置向量进行加权拼接,以确定融合校准向量;

30、将融合校准向量输入预设的多层回归头中,以确定轴承剩余寿命。

31、第二方面,本申请提供一种轴承剩余寿命预测系统,采用如下的技术方案:

32、一种轴承剩余寿命预测系统,包括:

33、获取模块,用于获取全寿命振动信号、剩余寿命标签和振动特征集;

34、存储器,用于存储如上述任一项所述的一种轴承剩余寿命预测方法的程序;

35、处理器,存储器中的程序能够被处理器加载执行且实现如上述任一项所述的一种轴承剩余寿命预测方法。

36、第三方面,本申请提供一种智能终端,采用如下的技术方案:

37、一种智能终端,包括存储器和处理器,存储器上存储有能够被处理器加载并执行如上述任一项所述的一种轴承剩余寿命预测方法的计算机程序。

38、第四方面,本申请提供一种计算机存储介质,能够存储相应的程序,具有便于实现提高轴承寿命预测精度的特点,采用如下的技术方案:

39、一种计算机可读存储介质,存储有能够被处理器加载并执行上述任一项一种轴承剩余寿命预测方法的计算机程序。

40、综上所述,本申请包括以下至少一种有益技术效果:

41、1.通过将全寿命振动信号输入自适应分解模型中,对全寿命振动信号作最优分解,以确定归一特征集,再根据特征筛选模型对归一特征集进行筛选,确定与轴承剩余寿命强相关的核心特征集,再根据核心特征集以及剩余寿命标签对多分支模型进行训练,以确定多分支预测模型,并根据核心特征集提取待预测轴承的振动特征集,再根据训练后的多分支预测模型对振动特征集进行分析,以确定轴承剩余寿命,从而提高轴承寿命预测的精度;

42、2.通过对关联剩余寿命和噪声特征集进行分析,以确定敏感性指标、相关性指标和稳定性指标,根据ahp加权模型将敏感性指标、相关性指标和稳定性指标融合,以确定归一特征集中的每个特征对应的归一特征评分,再根据核心特征阈值对归一特征评分对应的归一特征集进行筛选,以确定核心特征集,从而通过特征筛选模型对拆解得到的归一特征集进行筛选,确定与轴承剩余寿命预测强相关的核心特征集,进而降低轴承寿命预测的计算复杂度,提高模型的泛化能力;

43、3.通过对振动特征集并行输入注意力增强神经网络分支、双向门控串行时序分支和图注意力网络校准分支,分别确定增强特征向量、预测时序向量以及当前位置向量、动态权重组和状态校准系数,再根据动态权重组和状态校准系数对增强特征向量、预测时序向量和当前位置向量进行加权拼接,以确定融合校准向量,最终根据多层回归头对融合校准向量进行分析,确定轴承剩余寿命,从而提高轴承剩余寿命预测的鲁棒性。

1.一种轴承剩余寿命预测方法,其特征在于,包括:

2.根据权利要求1所述的一种轴承剩余寿命预测方法,其特征在于,将全寿命振动信号输入预设的自适应分解模型中,以确定归一特征集的步骤包括:

3.根据权利要求1所述的一种轴承剩余寿命预测方法,其特征在于,根据预设的特征筛选模型对归一特征集进行筛选,以确定核心特征集的步骤包括:

4.根据权利要求3所述的一种轴承剩余寿命预测方法,其特征在于,对关联剩余寿命、噪声特征集和归一特征集进行分析,以确定敏感性指标、相关性指标和稳定性指标的步骤包括:

5.根据权利要求1所述的一种轴承剩余寿命预测方法,其特征在于,根据多分支预测模型对振动特征集进行分析,以确定轴承剩余寿命的步骤包括:

6.一种轴承剩余寿命预测系统,其特征在于,包括:

7.一种智能终端,其特征在于,包括存储器和处理器,存储器上存储有能够被处理器加载并执行如权利要求1至5中任一项所述的一种轴承剩余寿命预测方法的计算机程序。

8.一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行如权利要求1至5中任一项所述的一种轴承剩余寿命预测方法的计算机程序。