一种基于多重先验知识的轴承打滑率预测方法技术

本发明专利技术公开了一种基于多重先验知识的轴承打滑率预测方法。首先，在变工况下采集与轴承打滑行为密切相关的转子扭矩信号、多方向转子挠度信号、多方向振动加速度信号、转速信号和多方向轴承保持架位移信号等多源异构信号；其次，分别基于动力学建模知识、结构动力学知识和专家经验知识分析所采集多源异构信号的相关性，进而构建转子系统多源异构信号邻接矩阵；然后，基于获得的邻接矩阵引导多尺度时空图卷积网络构建，所提网络分别利用多尺度图卷积网络和门控注意力时序卷积网络分析多源异构信号的空间和时间相关性；最后，利用条件注意力机制反馈打滑预测结果以调节不同尺度下时空图卷积运算的权值，获得精确的轴承打滑率预测结果。

【技术实现步骤摘要】

本专利技术涉及轴承打滑预测，主要涉及一种基于多重先验知识的轴承打滑率预测方法。

技术介绍

1、轴承打滑行为广泛存在于旋转机械中。研究表明，轴承打滑会造成设备振动、疲劳磨损、运动失稳并显著降低轴承使用寿命，严重时可能造成设备停机。因此，进行轴承打滑率预测非常有必要。

2、与常见的轴承点蚀和裂纹故障相比，轴承打滑具有信号特征微弱、极易受到多种因素耦合影响和数据获取成本高昂的特点，这显著增加了轴承打滑的预测难度。传统基于单个传感器信号的深度学习预测方法难以实现准确的轴承打滑率预测，而与轴承打滑行为密切相关的多源异构信号能从多个角度描述打滑行为，进而获得准确可靠的轴承打滑率预测结果。研究表明，转子挠度信号、振动加速度信号、轴承保持架位移信号、扭矩信号和转速信号与轴承打滑行为密切相关。

3、针对丰富的打滑数据，图卷积网络由于能够充分挖掘复杂数据的相关性而获得关注。传统基于相似性计算的图卷积网络邻接矩阵构建方法依赖于大量的有标签数据，并且难以全面准确的描述数据之间的相关性。而基于先验知识的邻接矩阵和图神经网络构建方法可以在不依赖有标签数据的情况本文档来自技高网...

【技术保护点】

1.一种基于多重先验知识的轴承打滑率预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于多重先验知识的轴承打滑率预测方法，其特征在于，步骤S1的实现过程为：

3.根据权利要求1所述的一种基于多重先验知识的轴承打滑率预测方法，其特征在于，步骤S2的实现过程为：

4.根据权利要求1所述的一种基于多重先验知识的轴承打滑率预测方法，其特征在于，步骤S3的实现过程为：

5.根据权利要求1所述的一种基于多重先验知识的轴承打滑率预测方法，其特征在于，步骤S4的实现过程为：

【技术特征摘要】

1.一种基于多重先验知识的轴承打滑率预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于多重先验知识的轴承打滑率预测方法，其特征在于，步骤s1的实现过程为：

3.根据权利要求1所述的一种基于多重先验知识的轴承打滑率预测方法...

【专利技术属性】
技术研发人员：马磊明，姜斌，陆宁云，肖玲斐，郭勤涛，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：