一种滚动轴承RUL的预测方法技术

本发明专利技术涉及轴承检测技术领域，公开一种滚动轴承RUL的预测方法，包括以下步骤：S1：采集轴承振动特征X；S2：特征压缩融合初步提取特征，减小了特征尺寸，获取紧凑特征X

【技术实现步骤摘要】
一种滚动轴承RUL的预测方法


[0001]本专利技术涉及轴承检测领域，具体地，涉及一种滚动轴承RUL的预测方法。

技术介绍

[0002]在现代工业中，机械设备的RUL(剩余使用寿命)预测正逐渐成为确保机械设备最大连续运行时间和使用效率，降低设备维护成本的一项关键技术。现有的机械RUL预测方法主要有两大类，即基于模型的方法和数据驱动的方法。基于模型的方法使用第一原理和失效机制对机器的退化过程进行建模，然后使用统计估计技术，如线性最小二乘法、最大似然估计和序列蒙特卡洛，来识别模型参数并预测RUL。然而，在现实中，滚动轴承的实际裂纹扩展极不规则，难以建立准确的失效模型。因此，在实际应用中很难建立精确的数学统计或物理退化模型。相反，数据驱动的方法不需要知道机器的显式失效机制，它能够自动推断隐藏在数据中的因果关系。
[0003]近年来，深度学习在数据驱动的RUL预测中越来越受欢迎。深度学习与传统的机器学习技术相比，深度学习具有更强大的表示学习能力，能够从原始数据中自动学习多级表示。因此，在深度学习技术的帮助下，可以直接基于原始传感器数据建立预测模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种滚动轴承RUL的预测方法，其特征在于，包括以下步骤：S1：采集轴承振动特征X；S2：特征压缩融合初步提取特征，减小了特征尺寸，获取紧凑特征X
f
；S3：自适应校队特征响应X
f
，获得注意加权的特征X
′
f
；S4：对X
′
f
添加Sinusoidal位置编码，得到具有全局位置信息的特征X
PE
；S5：堆叠的GDCC模块对X
PE
进行进一步学习，从而得到轴承RUL的预测。2.根据权利要求1所述的一种滚动轴承RUL的预测方法，其特征在于，所述检测方法还包括步骤S6，所述步骤S6包括：梯度下降算法更新网络权重W
network
，直到迭代终止，算法结束。3.根据权利要求2所述的一种滚动轴承RUL的预测方法，其特征在于，所述步骤S6还通过Adam优化器训练网络，并保留训练过程中的最佳权重W
network
。4.根据权利要求1所述的一种滚动轴承RUL的预测方法，其特征在于，所述步骤S3通过两次细化输入特征，精确注意有效变量和对不相关杂波的降噪，从而有效地帮助信息在网络中流动。5.根据权利要求1所述的一种滚动轴承RUL的预测方法，其特征在于，所述步骤S3包括以下步骤：S30：计算每个时间步下，特征变量调制权值的集合α
1,f
，S31：计算聚合总时间步下，特征图调制权值的集合α
2,f
，S32：计将权重α
1,f
，α
2,f
和X
f
融合，求取X
′
f
。6.根据权利要求5所述的一种滚动轴承RUL的预测方法，其特征在于，所述α
1,f
的计算方法为：S
1,f
＝F
1,N/2
*X
f
E
1,f
＝F
1,N
*δ(BN(S
1,f
))α
1,f
＝σ(E
1,f
)所述α
2,f
的计算方法为：S
2,f
＝F
2,N/2
*M(X
f
)E
2,f
＝F
2,N
*δ(...

【专利技术属性】
技术研发人员：何静，孙伟，余岳，张昌凡，
申请(专利权)人：湖南工业大学，
类型：发明
国别省市：