基于改进Transformer模型的轴承寿命预测方法技术

技术编号:40227589 阅读:47 留言:0更新日期:2024-02-02 22:30
一种基于改进Transformer模型的轴承寿命预测方法,所述方法包括以下步骤:a.数据预处理;b.滚动轴承寿命预测模型的搭建:利用动态卷积层对数据进行特征提取,使用包含多头ProbSparse自注意力模块的编码器结构,对每个头采用不同的优化策略,搭建滚动轴承寿命预测模型;c.轴承剩余寿命预测模型的训练;d.轴承剩余寿命的预测。本发明专利技术采用动态卷积、Transformer模型架构和ProbSparse自注意力相结合的方法来预测滚动轴承剩余寿命,能够有效提取轴承振动信号中与寿命相关的特征,同时还对多个工况的轴承的预测具有泛化能力,可对轴承数据保持较高的预测精度,保证机械设备安全稳定运行。

【技术实现步骤摘要】

本专利技术涉及轴承测试,特别是基于改进的transformer模型的轴承测试。


技术介绍

1、随着现代工业的发展,机械设备逐渐趋向于智能化和精密化,伴随而来的是对机械设备长期安全稳定运行的需求,这对机械零部件提出了更高的要求。滚动轴承作为决定旋转机械健康状况及其剩余寿命的关键部件,对设备的安全运行起着至关重要的作用,任何形式的轴承故障都可能导致整个设备的异常运行,准确预测轴承的剩余使用寿命是避免轴承及其系统失效的关键。因此,需要采用先进的算法来预测滚动轴承的剩余寿命,以避免设备风险产生。

2、授权公告号为cn 110232249 b的专利技术专利公开了“一种滚动轴承剩余寿命预测方法”,它通过训练多尺度卷积神经网络模型,用滚动轴承的振动信号对滚动轴承的寿命进行预测。该方法包括以下步骤:用多个未经使用的轴承,进行加速退化实验,获得其全寿命振动信号;利用反双曲正切函数将轴承的寿命转换为健康指标;建立多尺度卷积神经网络模型,用获得的数据对模型进行训练;利用加速度传感器测量待预测寿命的滚动轴承的振动信号;将所得振动信号输入训练后的多尺度卷积神经网络模型,本文档来自技高网...

【技术保护点】

1.一种基于改进Transformer模型的轴承寿命预测方法,其特征是,所述方法包括以下步骤:

2.根据权利要求1所述基于改进Transformer模型的轴承寿命预测方法,其特征是,对水平时域信号进行快速傅里叶变换转化为频域数据的计算公式如下:

3.根据权利要求2所述基于改进Transformer模型的轴承寿命预测方法,其特征是,利用动态卷积层对轴承数据进行特征提取的过程如下:

4.根据权利要求3所述基于改进Transformer模型的轴承寿命预测方法,其特征是,使用包含多头ProbSparse自注意力模块的编码器结构,对每个头采用不同的优化策略,避免...

【技术特征摘要】

1.一种基于改进transformer模型的轴承寿命预测方法,其特征是,所述方法包括以下步骤:

2.根据权利要求1所述基于改进transformer模型的轴承寿命预测方法,其特征是,对水平时域信号进行快速傅里叶变换转化为频域数据的计算公式如下:

3.根据权利要求2所述基于改进transformer模型的轴承寿命预测方法,其特征是,利用动态卷积层对轴承数据进行特征提取的过程如下:

4.根据权利要求3所述基于改进transformer模型的轴承寿命预测方法,其特征是,使用包含多头probsparse自注意力模块的编码器结构,对每个头采用不同的优化策略,避免信息丢失,其工作流程如下:

5.根据权利要求4所述基于改进transformer模型的轴承寿命预测...

【专利技术属性】
技术研发人员:向玲付晓梦婷胡爱军邴汉昆朱国鹏王凯伦
申请(专利权)人:华北电力大学保定
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1