一种空气涡轮起动机轴承剩余寿命预测方法技术

本发明专利技术涉及一种空气涡轮起动机轴承剩余寿命预测方法，包括，将获取的轴承的多传感器信号进行归一化处理后再按照采样时间序列进行切片处理，从而得到切片数据集，将多个切片按照切片顺序进行堆叠得到第二三维数据块，通道注意力处理后得到第三三维数据块，残差连接处理后得到第四三维数据块，将第四三维数据块依次经过全连接处理、线性激活处理和密集连接处理后，得到第一预测结果；基于自回归网络得到第二预测结果；基于第一预测结果和第二预测结果得到最终的预测结果。通过深度学习网络和自回归网络，提出的时间卷积网络与自回归模型的融合，并行预测再将结果相加，结合了两种模型的优势，增强了模型的鲁棒性，实现了更高精度的剩余寿命预测。

【技术实现步骤摘要】

本专利技术涉及故障预测与健康管理，具体涉及一种空气涡轮起动机轴承剩余寿命预测方法。

技术介绍

1、空气涡轮起动机(ats)中的滚动轴承的损坏是导致ats故障的主要原因之一，损坏的轴承会导致与之连接的起动机转子的松动甚至不平衡，严重情况下甚至会使高速运转的转子打穿起动机，造成严重的损失。因此针对ats内轴承的rul预测至关重要，可以提前识别轴承故障风险，优化维护计划和资源分配，降低设备故障的损失和维修成本，提高设备的可靠性和生产效率，对于ats维护管理具有重要意义。

2、常见的rul预测可以使用串行计算和并行计算两种不同的模型来处理数据。串行计算模型是一种逐步分析数据的方法，通常将时间序列数据输入到模型中，一步一步地处理数据，以预测剩余寿命。但是，串行计算模型存在一些固有的缺点，尤其是计算效率低下。

3、并行计算模型能够有效解决这一问题，并行计算模型通常将时间序列数据分成多个子序列，然后同时处理这些子序列，以更快速地进行剩余寿命预测，提高计算效率。cnn就具有并行计算的天然优势。时间卷积网络(tcn)是cnn的一种变体，它可以更灵活有本文档来自技高网...

【技术保护点】

1.一种空气涡轮起动机轴承剩余寿命预测方法，其特征在于，包括：

2.如权利要求1所述的空气涡轮起动机轴承剩余寿命预测方法，其特征在于，所述的对所述多传感器信号进行归一化处理，包括：

3.如权利要求2所述的空气涡轮起动机轴承剩余寿命预测方法，其特征在于，所述的将不同频率的空气涡轮起动机多传感器信号按照采样时长进行采样，得到采样数据集；基于所述采样数据集和预设的健康指标，进行归一化处理，包括：

4.如权利要求1所述的空气涡轮起动机轴承剩余寿命预测方法，其特征在于，所述的将归一化预处理后的多传感器信号按照采样时间序列进行滑窗切片处理，得到切片数据集，包括：<...

【技术特征摘要】

1.一种空气涡轮起动机轴承剩余寿命预测方法，其特征在于，包括：

2.如权利要求1所述的空气涡轮起动机轴承剩余寿命预测方法，其特征在于，所述的对所述多传感器信号进行归一化处理，包括：

3.如权利要求2所述的空气涡轮起动机轴承剩余寿命预测方法，其特征在于，所述的将不同频率的空气涡轮起动机多传感器信号按照采样时长进行采样，得到采样数据集；基于所述采样数据集和预设的健康指标，进行归一化处理，包括：

4.如权利要求1所述的空气涡轮起动机轴承剩余寿命预测方法，其特征在于，所述的将归一化预处理后的多传感器信号按照采样时间序列进行滑窗切片处理，得到切片数据集，包括：

5.如权利要求4所述的空气涡轮起动机轴承剩余寿命预测方法，其特征在于，所述的将所述第一三维数据块按照预设滑窗和预设的步长进行切片，得到多个切片矩阵，包括：

6.如权利要求5所述的空气涡轮起动机轴承剩余寿命预测方法，其特征在于，所述的对所述第二三维数据块中...

【专利技术属性】
技术研发人员：郭润夏，王思颖，黄超，刘贵行，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：