一种剩余寿命预测模型的确定方法、装置、设备及介质与流程
本发明涉及设备健康管理,尤其涉及一种剩余寿命预测模型的确定方法、装置、设备及介质。
背景技术:
1、轴承是缝制设备(如工业缝纫机、包缝机及绣花机等)主轴及旋转传动部件中的关键支撑部件,其运行状态直接影响设备稳定性、缝制质量和生产连续性。目前,缝制设备轴承的维护主要依赖定期保养、事后维修或简单状态监测,尚缺乏剩余使用寿命预测方案。
2、在通用滚动轴承剩余寿命预测研究中,现有方法主要分为2类:基于模型的方法(如疲劳损失模型及维纳过程模型等)具有机理清晰、可解释性较好的优点,但通常依赖轴承退化机理、统计假设或先验参数;基于数据驱动的方法(如支持向量机、神经网络及长短期记忆网络等),能够从轴承历史运行数据中学习到退化规律,但一般需要大量历史样本或全寿命数据支撑。核自适应滤波(kernel adaptive filtering, kaf)是一种轻量在线学习方法,可在一定程度上弥补上述两类方法的不足,为缝制装备轴承在线剩余使用寿命预测提供了可借鉴的技术基础。
3、传统kaf在线学习过程中核字典规模会随样本数量线性增长,导致存储开销和计算复杂度持续上升,在实际设备部署上存在挑战,缝纫设备运行过程中存在启停冲击、机械振动、负载变化和异常扰动,轴承状态数据容易受到非高斯噪声和异常值影响,影响剩余使用寿命预测结果的稳定性。
技术实现思路
1、本发明提供了一种剩余寿命预测模型的确定方法、装置、设备及介质,以提高设备剩余寿命预测模型的准确性。
2、根据本发明的第一方面,提供了一种剩余寿命预测模型的确定方法,包括:
3、获取轴承的历史全寿命振动数据,根据所述历史全寿命振动数据的信号幅值,确定所述轴承进入退化状态的预测起始时刻及训练样本集;
4、基于所述训练样本集中的样本数据结合全局凸损失函数,对预构建核自适应滤波模型进行训练及优化,直至达到训练结束条件,得到训练后的剩余寿命预测模型,所述预构建核自适应滤波模型的包含固定维度显式特征映射层、线性组合层及待训练的权重参数向量。
5、根据本发明的第二方面,提供了一种剩余寿命预测模型的确定装置,包括:
6、样本确定模块,用于获取轴承的历史全寿命振动数据,根据所述历史全寿命振动数据的信号幅值,确定所述轴承进入退化状态的预测起始时刻及训练样本集;
7、模型确定模块,用于基于所述训练样本集中的样本数据结合全局凸损失函数,对预构建核自适应滤波模型进行训练及优化,直至达到训练结束条件,得到训练后的剩余寿命预测模型,所述预构建核自适应滤波模型的包含固定维度显式特征映射层、线性组合层及待训练的权重参数向量。
8、根据本发明的第三方面,提供了一种电子设备,所述电子设备包括:
9、至少一个处理器;以及
10、与所述至少一个处理器通信连接的存储器;其中,
11、所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的剩余寿命预测模型的确定方法。
12、根据本发明的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的剩余寿命预测模型的确定方法。
13、根据本发明的第五方面,本发明实施例还提供了一种计算机程序产品,计算机程序产品包括计算机程序,计算机程序在被处理器执行时实现本发明任一实施例的剩余寿命预测模型的确定方法。
14、本发明实施例的技术方案,通过获取轴承的历史全寿命振动数据,根据历史全寿命振动数据的信号幅值,确定轴承进入退化状态的预测起始时刻及训练样本集;基于训练样本集中的样本数据结合全局凸损失函数,对预构建核自适应滤波模型进行训练及优化,直至达到训练结束条件,得到训练后的剩余寿命预测模型,预构建核自适应滤波模型的包含固定维度显式特征映射层、线性组合层及待训练的权重参数向量。精准定位轴承退化起始点,提取高质量样本并采用全局凸损失函数优化,避免局部最优;结合固定维度显式特征映射,实现非线性高精度预测及高效计算,显著提升了剩余寿命预测的准确性、稳定性及实时性。
15、应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
1.一种剩余寿命预测模型的确定方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述历史全寿命振动数据的信号幅值,确定所述轴承进入退化状态的预测起始时刻及训练样本集,包括:
3.根据权利要求1所述的方法,其特征在于,所述基于所述训练样本集中的样本数据结合全局凸损失函数,对预构建核自适应滤波模型进行训练及优化,直至达到训练结束条件,得到训练后的剩余寿命预测模型,包括:
4.根据权利要求3所述的方法,其特征在于,所述基于所述固定维度显式特征映射层将所述训练样本集中的样本数据转换为固定维度的显示特征向量,包括:
5.根据权利要求3所述的方法,其特征在于,所述通过共轭方向法对所述当前权重参数向量进行迭代更新,包括:
6.根据权利要求1所述的方法,其特征在于,所述全局凸损失函数的构建步骤为:
7.根据权利要求1所述的方法,其特征在于,还包括:
8.一种剩余寿命预测模型的确定装置,其特征在于,包括:
9.一种电子设备,其特征在于,所述电子设备包括:
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的剩余寿命预测模型的确定方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com