【技术实现步骤摘要】
轴承剩余寿命预测模型建立方法及装置
本申请属于机器学习算法领域，具体地说，涉及一种轴承剩余寿命预测模型建立方法及装置。
技术介绍
随着科技水平的不断进步，电机已被广泛应用到各个领域的离散产线。轴承是电机设备最重要的部件之一，也是电机设备中最容易损坏的部件之一，因此，轴承的运行状态直接影响到整台电机的工作性能。轴承由于运行时间过长，负荷压力过大，再加上各种外部环境的各种影响，很容易出现故障问题。如果不能及时的进行判断和处理，就会使电机无法正常运转，将会导致整个设备以及整个产线无法正常工作，影响设备的生产效率和产线的排产能力，从而给企业带来无法估量的损失。其中，轴承的剩余寿命预测技术是非常重要的，准确预测其剩余寿命，可以为预测性维护维修决策提供依据，延长电机的生产周期，提高生产效率。但是，目前行业内并没有一种方案能够用于轴承的剩余寿命预测。因此有必要提供一种轴承的剩余寿命预测方案。
技术实现思路
有鉴于此，本申请所要解决的技术问题是提供了一种轴承剩余寿命预测模型建立方法及装置，以实现预测轴承的...
【技术保护点】
1.一种轴承剩余寿命预测模型建立方法，其特征在于，包括：/n在样本轴承的运行寿命中，采集所述样本轴承的至少一使用寿命的振动信号；/n针对每一使用寿命的振动信号，获取所述振动信号的时域特征和时频域特征；/n针对每一使用寿命的振动信号的时域特征和时频域特征，计算所述时域特征和时频域特征与所述使用寿命之间的相关性，在所述时域特征和时频域特征与所述使用寿命之间的相关性大于相关性阈值时，以所述时域特征和时频域特征作为机器学习算法的输入，所述样本轴承的使用寿命与运行寿命的比值作为输出，训练所述机器学习算法，获得剩余寿命预测模型。/n
【技术特征摘要】
1.一种轴承剩余寿命预测模型建立方法，其特征在于，包括：
在样本轴承的运行寿命中，采集所述样本轴承的至少一使用寿命的振动信号；
针对每一使用寿命的振动信号，获取所述振动信号的时域特征和时频域特征；
针对每一使用寿命的振动信号的时域特征和时频域特征，计算所述时域特征和时频域特征与所述使用寿命之间的相关性，在所述时域特征和时频域特征与所述使用寿命之间的相关性大于相关性阈值时，以所述时域特征和时频域特征作为机器学习算法的输入，所述样本轴承的使用寿命与运行寿命的比值作为输出，训练所述机器学习算法，获得剩余寿命预测模型。
2.根据权利要求1所述的方法，其特征在于，还包括：
采集待预测轴承的当前使用寿命的振动信号，所述待预测轴承与样本轴承为安装在同一类型机器上的相同轴承；
针对每一当前使用寿命的振动信号，获取所述当前使用寿命的振动信号的时域特征和时频域特征，并在当前使用寿命的振动信号的时域特征和时频域特征与当前使用寿命之间的相关性大于相关性阈值时，将所述当前使用寿命的振动信号的时域特征和时频域特征输入所述剩余寿命预测模型，输出所述待预测轴承的当前使用寿命与平均运行寿命的比值，依据所述当前使用寿命与平均运行寿命的比值以及平均运行寿命，确定所述待预测轴承的剩余寿命。
3.根据权利要求1或2所述的方法，其特征在于，所述时域特征包括方差、均方根值、峰峰值、偏度指标、峭度指标、波形指标、峰值指标、脉冲指标、裕度指标中的至少一项，所述时频域特征包括频带能量。
4.根据权利要求1或2所述的方法，其特征在于，所述振动信号包括X轴方向信号和Y轴方向信号，振动信号的时域特征包括X轴的时域特征和Y轴的时域特征，振动信号的时频域特征包括X轴的时频域特征和Y轴的时频域特征。
5.根据权利要求1-4任一所述的方法，其特征在于，时域特征和时频域特征与使用寿命之间的相关性ρXY通过如下公式获得：
其中：Cov(X,Y)是X和Y的协方差，D(X)和D(Y)分别为X和Y的方差。
6.一种轴承剩余寿命预测模型建立装置，其特征在于，包括：
采集单元，用于在样本轴承的运行寿命中，采集所述样本轴承的...
【专利技术属性】
技术研发人员：闫小东，富辰瑶，谢春甫，曹凯，
申请(专利权)人：北京航天智造科技发展有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。