【技术实现步骤摘要】
一种轴承裂纹预测模型的构建方法及装置
本专利技术涉及智能制造
，尤其涉及一种轴承裂纹预测模型的构建方法及装置。
技术介绍
随着工业自动化的飞速发展，轨道交通货车车辆等机械设备日趋复杂化、大型化。货车滚动轴承是列车上最容易危及行车安全的易损件，在铁路的日常运营中一旦出现裂纹，造成的人员伤亡和经济损失往往都是无法估量的。因此对货车系统轴承设备进行裂纹状态进行辨识和预测对于保障铁路行车安全至关重要。通常情况下，当货车轴承出现裂纹时，现场的技术人员往往通过眼睛和耳朵直接观察设备情况并结合设备材料和自身的工作经验来检查设备的裂纹扩展状况。但是如今铁路机械设备越来越精密复杂化、高度集成、高度自动化了，一些传统的机械设备裂纹诊断方法和理论已经不再适用。因此，目前亟需一种新的能够对轴承裂纹情况进行更加精确的诊断预测的方法。
技术实现思路
鉴于上述问题，本专利技术提出了一种轴承裂纹预测模型的构建方法及装置，能够对轴承裂纹情况进行更加精确的诊断预测，可替代人工检测。第一方面，本申请通过本申请的一实施例提
【技术保护点】
1.一种轴承裂纹预测模型的构建方法，其特征在于，包括：/n对多个轴承试件进行疲劳测试，获得裂纹数据集；/n根据Paris公式对所述裂纹数据集中的每组数据进行拟合，获得用于预测轴承裂纹的第一预测曲线；/n根据Forman公式对所述裂纹数据集中的每组数据进行拟合，获得变应力条件下的用于预测轴承裂纹的第二预测曲线；/n根据GBDT数据模型对所述裂纹数据集中的每组数据进行拟合，获得基于决策树预测轴承裂纹的决策树模型；/n对所述第一预测曲线、所述第二预测曲线和所述决策树模型进行加权融合，获得用于预测轴承裂纹的裂纹预测模型。/n
【技术特征摘要】
1.一种轴承裂纹预测模型的构建方法，其特征在于，包括：
对多个轴承试件进行疲劳测试，获得裂纹数据集；
根据Paris公式对所述裂纹数据集中的每组数据进行拟合，获得用于预测轴承裂纹的第一预测曲线；
根据Forman公式对所述裂纹数据集中的每组数据进行拟合，获得变应力条件下的用于预测轴承裂纹的第二预测曲线；
根据GBDT数据模型对所述裂纹数据集中的每组数据进行拟合，获得基于决策树预测轴承裂纹的决策树模型；
对所述第一预测曲线、所述第二预测曲线和所述决策树模型进行加权融合，获得用于预测轴承裂纹的裂纹预测模型。
2.根据权利要求1所述的方法，其特征在于，所述对多个轴承试件进行疲劳测试，获得裂纹数据集，包括：
采用材料测试机对所述多个轴承试件进行第一次疲劳测试，记录每个所述轴承试件在预设的时间范围内的所受压力与时间的数值对和裂纹长度，获得第一测试数据集；
采用材料测试机对所述多个轴承试件进行第二次疲劳测试，记录每个所述轴承试件在预设的时间范围内的所受压力与时间的数值对和裂纹长度，获得第二测试数据集；
将所述第一测试数据集和所述第二测试数据集进行数据的成对匹配，获得所述轴承试件的测试数据对集合；
对所述轴承试件的测试数据对集合进行归一化处理，获得所述裂纹数据集。
3.根据权利要求2所述的方法，其特征在于，所述对所述轴承试件的测试数据对集合进行归一化处理，获得所述裂纹数据集，包括：
基于公式对测试数据对集合进行归一化处理，获得所述裂纹数据集；其中，di代表插值处理的间隔距离，n代表一组数据中的插值总数，m代表一组数据中每个数据点定义的插值次数，m为大于1的整数，Wi表示归一化后的标准数据点值。
4.根据权利要求2所述的方法，其特征在于，所述根据Paris公式对所述裂纹数据集中的每组数据进行拟合，获得用于预测轴承裂纹的第一预测曲线，包括：
获取所述裂纹数据集中每组数据的裂纹长度和对应的载荷循环次数；其中，所述载荷循环次数用于代表所述轴承试件的转动次数；
采用Paris公式对所述每组数据的所述裂纹长度和所述载荷循环次数进行拟合，获得所述每组数据对应的第一拟合曲线；
根据所述裂纹数据集中的裂纹长度的最大值对所述第一拟合曲线中进行筛选，获得多组第一裂纹曲线；
根据所述多组第一裂纹曲线的均值，获得所述第一预测曲线。
5.根据权利要求2所述的方法，其特征在于，所述根据Forman公式对所述裂纹数据集中的每组数据进行拟合，获得变应力条件下的用于预测轴承裂纹的第二预测曲线，包括：
获取所述裂纹数据集中每组数据的裂纹长度和对应的载荷循环次数；其中，所述载荷循环次数用于代表所述轴承试件的转动次数；
采用Forman公...
【专利技术属性】
技术研发人员：黎巧能，刘凤伟，徐勇，贾锋，田寅，唐海川，刘琦，肖光毅，管希，汪勇，易军恩，江荷燕，
申请(专利权)人：中车长江车辆有限公司，
类型：发明
国别省市：湖北;42
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。