【技术实现步骤摘要】
本专利技术涉及轴承剩余寿命预测，尤其涉及一种基于概率稀疏注意力的轴承剩余寿命预测方法。
技术介绍
1、工业安全、设备安全越来越受到人们的重视，不仅要求对已经处于故障状态的设备进行高效的故障诊断，而且要求在设备运行过程中进行实时监控和故障的提前预警，帮助工厂避免不必要的损失。目前轴承剩余寿命预测已经成为了研究热点。li等人[48]针对预测开始点选取具有主观性的问题，采用变分贝叶斯技术自适应描述噪声信息，并考虑多通道信号的线性和非线性因素，将轴承退化阶段过渡点识别为预测开始点，提高了加速退化阶段预测结果的精度；文章[wan等.bearing remaining useful life prediction withconvolutional long short-term memory fusion networks[j].reliabilityengineering&system safety,2022,224:108528.]采用cnn网络分别提取多传感器数据，然后输入到改进的卷积-lstm网络中进一步提取深层特征；文章[chen等.a novel deeplearning method based on attention mechanism for bearing remaining usefullife prediction[j].applied soft computing,2020,86:105919.]首先提取频谱的5个带通能量值作为输入，其次采用一种带注意力机制的编码器-解码器网络来预测剩余寿命；文章[re
2、综上所述，轴承剩余寿命预测是一个国内外学者研究的热点问题，同时也是难题。目前，对于轴承剩余寿命的度量方式即轴承健康指标还没有统一的表示方式，所以轴承健康指标的构建是首先要解决问题，常见的有全生命周期的线性健康指标或非线健康性指标、分段线性健康指标、只考虑快速退化阶段的非线性或线性健康指标。轴承剩余寿命预测方法通常采用卷积神经网络、循环神经网络进行模型搭建，最新的研究通常基于自注意力构建，与轴承故障分类方法相似，大多数方法首先进行时频分析初步提取特征，其次输入到模型进一步提取故障特征并拟合轴承剩余寿命衰减的曲线。本专利技术提出一种基于vmd的非线性轴承全生命周期健康指标构建方法，同时基于改进的自注意力机制构建模型，使用轴承原始振动信号作为输入，实现端到端的轴承剩余寿命预测。
技术实现思路
1、本专利技术的目的在于提供一种基于概率稀疏注意力的轴承剩余寿命预测方法，以原始振动信号和相应频谱作为输入，首先经过多层概率稀疏的时频交叉注意力进行全局特征提取的同时产生深度融合的时频融合特征；其次采用单通道注意力网络进一步提取特征；最后降维并拟合轴承健康指标。相较于传统基于cnn和lstm的轴承剩余寿命预测方法的预测精度有显著提升。
2、本专利技术所采取的技术方案为：
3、步骤1：采用加速度传感器对轴承健康到完全退化的全生命周期振动信号进行采集，简单归一化处理后作为端到端诊断模型的输入；
4、步骤2：采用vmd分解将原始振动信号分解为多个分量，选个多个分量进行信号重构，根据重构信号与原始信号的相关系数决定最终重构信号中叠加的分量数，实现去噪的目的；
5、步骤3：划分训练集与测试集，在同工况下两组轴承全生命周期信号分别作为训练集和测试集；
6、步骤4：对去噪后的原始信号以滑动窗口的方式求均方根值，根据全生命周期的均方根值构建本文档来自技高网...
【技术保护点】
1.一种基于概率稀疏注意力轴承剩余寿命预测方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的基于概率稀疏注意力轴承剩余寿命预测方法，其特征在于，步骤(2)和步骤(4)中基于VMD分解的信号去噪及轴承健康指标的构建：
3.根据权利要求1所述的基于概率稀疏注意力轴承剩余寿命预测方法，其特征在于，步骤(5)中的主频感知模块：
4.根据权利要求1所述的基于概率稀疏注意力轴承剩余寿命预测方法，其特征在于，步骤(6)中概率稀疏的时频交叉注意力：
【技术特征摘要】
1.一种基于概率稀疏注意力轴承剩余寿命预测方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的基于概率稀疏注意力轴承剩余寿命预测方法，其特征在于，步骤(2)和步骤(4)中基于vmd分解的信号去噪及轴承健康指标的构建：
【专利技术属性】
技术研发人员：刘晶，张明辉，季海鹏，赵佳，王旭，董永峰，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：
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。