一种基于神经网络架构搜索的转盘轴承寿命预测方法技术

本发明专利技术涉及转盘轴承寿命预测领域，具体地说，涉及一种基于神经网络架构搜索的转盘轴承寿命预测方法，包括以下步骤S1:将转盘轴承振动信号进行小波包分解降噪，并提取时域特征构建转盘轴承数据集；S2:构建基于Cell的搜索空间，Cell是由包含N个节点的有序序列组成的有向无环图；S3:通过转盘轴承数据集搜索最佳Cell，将最佳Cell堆叠形成最终的网络架构；S4:使用S3得到的网络架构进行转盘轴承寿命预测；本发明专利技术使用神经网络架构搜索，自动搜索出符合转盘轴承寿命预测要求的神经网络架构，解放了人力，提高了工程生产中的安全性和经济性。提高了工程生产中的安全性和经济性。提高了工程生产中的安全性和经济性。

【技术实现步骤摘要】
一种基于神经网络架构搜索的转盘轴承寿命预测方法


[0001]本专利技术涉及转盘轴承寿命预测领域，具体是一种基于神经网络架构搜索的转盘轴承寿命预测方法。

技术介绍

[0002]转盘轴承是一种能够同时承受轴向载荷、径向载荷和倾覆力矩等综合载荷的大型轴承。主要应用于风机设备、港口机械、工程机械、军事机械等大型设备，工作环境相对恶劣，故障也较为频发。因此，对其剩余使用寿命进行预测可以帮助提早预知故障，以减少安全隐患。
[0003]由于转盘轴承受载多样且转速低的特点，微弱的故障信号容易被噪声所掩盖，并且转盘轴承故障机理的研究相对匮乏，以往针对普通轴承的寿命预测方法并不完全适用。随着深度学习技术的快速发展，基于深度学习的轴承寿命预测技术已经有了广泛应用，如卷积神经网络具有较强的在原始信号中发掘隐含信息的能力，无需得知部件的损伤机理。
[0004]卷积神经网络在转盘轴承寿命预测上表现出色，但神经网络的形式和结构会根据不同的任务和需求而有所不同。比如经典的卷积神经网络模型AlexNet、VGGNet和GoogLeNet等，这些模型在面对不同的任本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络架构搜索的转盘轴承寿命预测方法，其特征在于，包括如下步骤：S1:将转盘轴承振动信号进行小波包分解降噪，并提取时域特征构建转盘轴承数据集；S2:构建基于Cell的搜索空间，Cell是由包含N个节点的有序序列组成的有向无环图；S3:通过转盘轴承数据集搜索最佳Cell，将最佳Cell堆叠形成最终的网络架构；S4:使用S3得到的网络架构进行转盘轴承寿命预测；其中，所述步骤S1具体包括：S1.1:将转盘轴承振动信号进行小波包分解降噪,信号通过小波包分解后，信号的小波系数较大，噪声的小波系数较小，选取一个阀值，大于阀值的信号予以保留，小于阀值的置为零；S1.2:将降噪后的信号进行归一化处理，以加快神经网络的收敛速度；S1.3:使用降噪后的信号进行时域特征提取，提取8种特征参数:峭度、均值、方差、均方根、波形指标、峰值指标、裕度指标和偏度指标；S1.4:使用降噪后的信号和8种时域特征构建数据集，将数据集划分为训练集、验证集和测试集；所述步骤S2具体包括：S2.1:构建基于Cell的搜索空间，Cell是由包含N个节点的有序序列组成的有向无环图，每个中间节点都是基于它的所有前节点计算的；S2.2:将学习Cell的过程简化为学习每个边操作的过程，有向无环图每条边上的操作最初都是未知的,通过在每条边上放置混合的候选操作来持续放松搜索空间,通过求解双层优化问题，对混合概率和网络权重进行联合优化,最后通过混合概率来确定最终的架构。2.根据权利要求1所述的一种基于神经网络架构搜索的转盘轴承寿命预测方法，其特征在于，所述步骤S1.4中，采用分层抽样的方法将数据集以6:2:2的比例划分为训练集、验证集和测试集。3.根据权利要求1所述的一种基于神经网络架构搜索的转盘轴承寿命预测方法，其特征在于，所述步骤S2.1中，定义Cell有两个输入节点和一个输出节点，对于卷积单元，输入节点定义为前两层中的单元输出。4.根据权利要求1所述的一种基于神经网络架构搜索的转盘轴承寿命预测方法，其特征在于，所述步骤S2.1中，搜索空...

【专利技术属性】
技术研发人员：潘裕斌，杨旭，陈捷，王华，洪荣晶，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：