本发明专利技术提供一种滚动轴承剩余使用寿命预测方法及系统，涉及轴承使用寿命预测技术领域，具体包括：采集一批滚动轴承的振动数据和声音数据，以及其在该时刻的剩余使用寿命；应用快速傅里叶变换从振动数据中提取频率特征，使用小波变换从声音数据中提取时间‑频率特征；构建滚动轴承剩余使用寿命预测模型，实时采集待评估轴承的振动数据和声音数据，并将处理好的数据输入至模型，得到轴承的预测剩余使用寿命；使用实时采集到的温度数据对待评估轴承的预测剩余使用寿命进行修正，得到综合预测指数。本发明专利技术通过综合利用振动、声音和温度数据，以及深度学习的强大学习能力，改进了轴承剩余使用寿命预测的技术问题，提高了预测的准确性和可用性。
【技术实现步骤摘要】
本专利技术涉及轴承使用寿命预测，具体为一种滚动轴承剩余使用寿命预测方法及系统。
技术介绍
1、滚动轴承是许多机械设备中关键的部件，它的正常运行对于保证机械设备的性能和安全至关重要。因此，如何准确地预测滚动轴承的剩余使用寿命，已经成为了设备维保领域的核心课题。过去，传统的轴承寿命预测方法主要依赖于物理模型和经验公式，如韦伯模型和帕里图分布等。然而，这些方法对于轴承的工作环境、负载条件和制造过程中的微小差异等因素，往往难以做出准确的考虑和描述。且这些模型在早期故障诊断和复杂工况下的预测性能上，也常常显得力不从心。此外，传统的故障诊断方法通常需要专家的经验和知识，人工参与程度较高，对于大规模的设备监测和维护任务，难以满足需求。
2、同时，由于轴承在工作过程中会产生丰富的振动和声音信号，这些信号往往包含了轴承健康状态的重要信息。例如，轴承的内圈、外圈或滚动体的磨损和缺陷，都会产生特定频率的振动信号。然而，如何从大规模的振动和声音数据中，有效地提取出对轴承寿命预测有用的特征，仍然是一个重要且具有挑战性的问题。此外，轴承的工作状态复杂多变，同时受到多种因素的影响，这使得轴承的振动和声音信号具有非线性和非平稳的特性，对信号处理和特征提取提出了更高的要求。因此，如何利用现代信号处理和深度学习方法，从轴承的振动和声音信号中提取有效特征，并建立准确的寿命预测模型，是当前研究的重要方向。
3、在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
<
br/>技术实现思路
1、本专利技术的目的在于提供一种滚动轴承剩余使用寿命预测方法及系统，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种滚动轴承剩余使用寿命预测方法及系统，具体步骤包括：
4、步骤1：采集一批处于正常工作状态的滚动轴承的时序振动数据和时序声音数据，并对该批轴承进行长期跟踪观测，记录轴承转变为故障状态的时间戳，得到每个滚动轴承在采集其振动数据和声音数据时刻的剩余使用寿命；
5、步骤2：应用快速傅里叶变换从时序振动数据中提取频率特征，使用小波变换分析时序声音数据，提取时间-频率特征；
6、步骤3：基于深度学习算法构建滚动轴承剩余使用寿命预测模型，将上述滚动轴承的频率特征和时间-频率特征作为训练集，将对应的滚动轴承预测剩余使用寿命作为标签，对模型进行训练，得到训练好的滚动轴承剩余使用寿命预测模型；
7、步骤4：实时采集待评估滚动轴承的振动数据和声音数据，对振动数据进行快速傅里叶变换提取频率特征，对声音数据进行小波变换提取时间-频率特征，并将处理好的数据输入至模型中，输出得到待评估滚动轴承的预测剩余使用寿命；
8、步骤5：实时采集待评估滚动轴承的温度数据，并使用采集到的温度数据对待评估滚动轴承的预测剩余使用寿命进行修正，得到待评估滚动轴承的综合预测指数。
9、进一步地，所述采集处于正常工作状态的滚动轴承的振动数据、声音数据和温度数据的过程，具体包括：
10、在轴承装置上安装振动传感器、声音传感器和温度传感器，用于实时收集数据，通过传感器采集轴承的振动数据、声音数据和温度数据，所述数据均为时间序列数据，被分割成连续的时间步，每个时间步代表数据中的一个特定时刻，即每个时间步对应一个数值。
11、进一步地，所述将上述滚动轴承的频率特征和时间-频率特征作为训练集的过程，具体包括：
12、应用快速傅里叶变换从振动数据中提取频率特征：对每个时序振动信号片段进行快速傅里叶变换，获取每个时序振动信号片段对应的频率特征，所述频率特征包括时间、基频和谐波；将时序振动信号片段所对应的频率特征构成数据链，即由时间、基频和谐波构成的数据链，所述数据链中，时间和基频之间的指针为时间戳索引，指向了特定时刻下的基频值，基频和谐波之间的指针是基频索引，指向了特定基频下的谐波值；
13、所述使用小波变换分析声音数据，提取时间-频率特征：对每个时序声音信号片段进行小波变换，获取每个时序声音信号片段对应的时间-频率特征，所述频率特征包括时间、频率和信号的强度；将时序声音信号片段所对应的频谱特征构成数据链，即由时间、频率和强度构成的数据链，所述数据链中，时间和频率之间的指针为时间戳索引，指向了特定时刻下的频率值，频率和强度之间的指针是频率索引，指向了特定频率下的信号强度；
14、并基于每个滚动轴承在采集其振动数据和声音数据时刻的剩余使用寿命对相应时刻的数据链进行标注，构建训练集。
15、进一步地，所述对声音数据进行小波变换的过程，具体包括：
16、选择molet小波，对声音信号进行连续小波变换，所依据的公式为：
17、；
18、其中，是小波系数，为时间，即为时间域中的变量，用来表示信号在不同时间点的值，是小波基函数的伸缩和平移版本，定义为：
19、；
20、其中，是尺度参数，用于调整小波基函数的频率，控制着小波基函数的伸缩，即频率分辨率，，较小的对应高频分析，较大的对应低频分析，的选择通过实验和经验来确定合适的参数范围；是平移参数，控制小波基函数在时间轴上的平移，即时间分辨率，为实数，在信号的时间范围内连续变换，的选择通过实验和经验来确定合适的参数范围，是小波基函数的复共轭。
21、提取模极大值：在小波变换的模中寻找局部极大值点；
22、计算小波系数在不同尺度和位置上的能量分布：
23、；
24、其中，代表在特定尺度a和位置b的情况下，小波系数的能量，是小波系数。
25、进一步地，所述基于深度学习算法构建滚动轴承剩余使用寿命预测模型的过程，具体包括：
26、将采集到的滚动轴承的历史振动数据和声音数据分别进行快速傅里叶变换和小波变换，提取频率特征和时间-频率特征，并作为训练集，基于深度学习算法构建滚动轴承剩余使用寿命预测模型，将对应的滚动轴承预测剩余使用寿命作为标签，对模型进行训练，得到训练好的滚动轴承剩余使用寿命预测模型。
27、进一步地，所述使用滚动轴承剩余使用寿命预测模型，得到待评估滚动轴承的预测剩余使用寿命的过程，具体包括：
28、实时采集待评估滚动轴承的振动数据和声音数据，对振动数据进行快速傅里叶变换提取频率特征，对声音数据进行小波变换提取时间-频率特征，并将处理好的数据输入至模型中，输出得到待评估滚动轴承的预测剩余使用寿命；所述模型包含输入层、全连接层、激活函数层和输出层；
29、其中，输入层用于接受处理后的振动数据和声音数据；全连接层用于整合前面层的特征，进行最后的预测，在预测剩余使用寿命时，全连接层将特征映射到预测结果；激活函数层用于引入非线性；输出层生成最终的预测结果。
30、进一步地，所述使用采集到的温度数据对待评估滚动轴承的预测剩余使用寿命本文档来自技高网
...
【技术保护点】
1.一种滚动轴承剩余使用寿命预测方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的一种滚动轴承剩余使用寿命预测方法，其特征在于：所述采集处于正常工作状态的滚动轴承的振动数据、声音数据和温度数据的过程，具体包括：
3.根据权利要求2所述的一种滚动轴承剩余使用寿命预测方法，其特征在于：所述将上述滚动轴承的频率特征和时间-频率特征作为训练集的过程，具体包括：
4.根据权利要求3所述的一种滚动轴承剩余使用寿命预测方法，其特征在于：所述对声音数据进行小波变换的过程，具体包括：
5.根据权利要求1所述的一种滚动轴承剩余使用寿命预测方法，其特征在于：所述基于深度学习算法构建滚动轴承剩余使用寿命预测模型的过程，具体包括：
6.根据权利要求5所述的一种滚动轴承剩余使用寿命预测方法，其特征在于：所述使用滚动轴承剩余使用寿命预测模型，得到待评估滚动轴承的预测剩余使用寿命的过程，具体包括：
7.根据权利要求6所述的一种滚动轴承剩余使用寿命预测方法，其特征在于：所述使用采集到的温度数据对待评估滚动轴承的预测剩余使用寿命进行修正，得到待评估滚动轴承的综合预测指数的过程，所依据的公式如下：
8.一种滚动轴承剩余使用寿命预测系统，其特征在于，所述一种滚动轴承剩余使用寿命预测系统用于执行权利要求1-7任一项所述的一种滚动轴承剩余使用寿命预测方法，包括：
...
【技术特征摘要】
1.一种滚动轴承剩余使用寿命预测方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的一种滚动轴承剩余使用寿命预测方法，其特征在于：所述采集处于正常工作状态的滚动轴承的振动数据、声音数据和温度数据的过程，具体包括：
3.根据权利要求2所述的一种滚动轴承剩余使用寿命预测方法，其特征在于：所述将上述滚动轴承的频率特征和时间-频率特征作为训练集的过程，具体包括：
4.根据权利要求3所述的一种滚动轴承剩余使用寿命预测方法，其特征在于：所述对声音数据进行小波变换的过程，具体包括：
5.根据权利要求1所述的一种滚动轴承剩余使用寿命预测方法，其特征在于：所述基于深度学习...
【专利技术属性】
技术研发人员：郑雷，冯勇，关集俱，高超，姜晓通，唐丹娜，丁逸飞，杨舒颖，徐正亚，张斌，
申请(专利权)人：常熟理工学院，
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。