一种滚动轴承剩余寿命预测方法、设备及存储介质技术

本发明专利技术涉及工业设备监测领域，公开了一种滚动轴承剩余寿命预测方法、设备及存储介质，方法步骤：设定故障阈值，修剪训练数据，并对训练数据与测试数据进行归一化处理；将轴承数据重构为滑窗形式作为模型的输入，并建立线性函数标签；基于Inception架构结合CBAM改进并构建多尺度空间卷积模块MSSCM；基于CLSTM单元构建时间序列预测模型；将训练集数据输入MSSCM‑CLSTM模型，采用Adam优化器训练模型，训练完成后，输入测试轴承数据，得到寿命预测结果。本发明专利技术有益效果是：提高了轴承剩余寿命预测的精度。

【技术实现步骤摘要】

本专利技术涉及工业设备监测领域，尤其涉及一种滚动轴承剩余寿命预测方法、设备及存储介质。

技术介绍

1、滚动轴承作为旋转机械最关键的连接件之一，在复杂恶劣环境下运行会加速其磨损与退化，使机械运行偏离正常状态，影响智能制造系统的整体工作性能与健康状态，严重情况下甚至会造成设备系统运转失效，导致生命财产损失。为确保机械设备健康运行，提升工业企业生产效率与经济效益，有必要针对机械设备的关键零部件进行预测性维护，而滚动轴承的剩余可用寿命(remaining useful life,rul)预测是其中一个重要环节。

2、传统基于人工的健康状态评估和寿命预测过于依赖经验，往往不能及时得到准确的结果。随着人工智能技术的快速发展和信号采集技术的进步，基于数据驱动的方法成为研究的热点。数据驱动方法中，深度学习因其多层网络堆叠的结构特点，拥有了更强的非线性映射能力，既能减少先验知识需求，又能从原始数据中提取出具有代表性的信息，因此被广泛应用于轴承rul预测的研究中。

3、卷积神经网络(convolution neural network,cnn)和长短期本文档来自技高网...

【技术保护点】

1.一种滚动轴承剩余寿命预测方法，其特征在于：方法包括以下步骤：

2.如权利要求1所述的一种滚动轴承剩余寿命预测方法，其特征在于：步骤S1具体如下：

3.如权利要求2所述的一种滚动轴承剩余寿命预测方法，其特征在于：步骤S2具体如下：

4.如权利要求3所述的一种滚动轴承剩余寿命预测方法，其特征在于：步骤S3具体如下：

5.如权利要求4所述的一种滚动轴承剩余寿命预测方法，其特征在于：步骤S4具体如下：

6.如权利要求5所述的一种滚动轴承剩余寿命预测方法，其特征在于：步骤S5具体如下：

7.一种存储介质，其特征在于：所述存...

【技术特征摘要】

1.一种滚动轴承剩余寿命预测方法，其特征在于：方法包括以下步骤：

2.如权利要求1所述的一种滚动轴承剩余寿命预测方法，其特征在于：步骤s1具体如下：

3.如权利要求2所述的一种滚动轴承剩余寿命预测方法，其特征在于：步骤s2具体如下：

4.如权利要求3所述的一种滚动轴承剩余寿命预测方法，其特征在于：步骤s3具体如下：

5.如权利要求4...

【专利技术属性】
技术研发人员：万雄波，赵星宇，张传科，胡文凯，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：