本发明专利技术涉及轴承剩余使用寿命预测技术领域，具体的为一种面向跨工况下多阶段退化的滚动轴承剩余寿命预测方法，包括以下步骤：S1、识别轴承退化阶段：S2、数据预处理与特征提取：其中步骤S1还包括S1.1、建立多元时间序列自回归模型，和S1.2、残差控制图；步骤S2还包括S2.1、数据预处理、S2.2、多尺度卷积神经网络模块设计，和S2.3、相关对齐‑模型迁移域自适应方法：本发明专利技术可以在线识别轴承的不同退化阶段，并实现源域与目标域之间的深度域自适应，良好的解决了滚动轴承因不同退化阶段的差异导致剩余使用寿命预测精度下降和不同工况条件下的退化数据分布差异较大导致模型泛化性能较差的问题，可以在跨工况条件下取得较高精度的多阶段剩余使用寿命预测结果。
【技术实现步骤摘要】
本专利技术涉及轴承剩余使用寿命预测，具体的为一种面向跨工况下多阶段退化的滚动轴承剩余使用寿命预测方法。
技术介绍
1、剩余使用寿命(rul，remaining useful life)主要指系统运行一段时间之后，其所剩余的使用寿命；如能精准预测系统的rul，则可以大大减少因系统宕机所引起的损失，有效提高系统的运行可靠性。
2、基于单一深度学习模型的rul预测方法通常假设源域和目标域的数据具有相同的分布，而这一假设在实际应用中通常难以实现；在滚动轴承的rul预测领域，如何基于一个工况上的轴承数据所训练出的预测模型，迁移到不同工况下轴承的rul预测，是目前轴承rul预测领域的难题；现有的领域自适应方法在应用到轴承rul预测时通常仅考虑轴承全生命周期数据具有的分布差异，但是轴承的退化过程包括多个不同的退化阶段，如果直接采用未进行阶段划分的全生命周期数据进行域自适应，而忽略了不同退化阶段所带来的影响，则可能会出现负迁移的现象，严重影响模型准确性，导致预测结果出现较大偏差。
技术实现思路
>1、本专利技术的目本文档来自技高网...
【技术保护点】
1.一种面向跨工况下多阶段退化的滚动轴承剩余使用寿命预测方法，包括以下步骤：
2.根据权利要求1所述的面向跨工况下多阶段退化的滚动轴承剩余使用寿命预测方法，其特征在于：所述步骤S1中识别轴承退化阶段包括以下步骤：
3.根据权利要求2所述的面向跨工况下多阶段退化的滚动轴承剩余使用寿命预测方法，其特征在于：所述步骤S2数据预处理与特征提取包括以下步骤：
4.根据权利要求3所述的面向跨工况下多阶段退化的滚动轴承剩余使用寿命预测方法，其特征在于：所述步骤S1.1建立多元时间序列自回归模型的过程包括：
5.根据权利要求4所述的面向跨工况下多阶段退化的...
【技术特征摘要】
1.一种面向跨工况下多阶段退化的滚动轴承剩余使用寿命预测方法，包括以下步骤：
2.根据权利要求1所述的面向跨工况下多阶段退化的滚动轴承剩余使用寿命预测方法，其特征在于：所述步骤s1中识别轴承退化阶段包括以下步骤：
3.根据权利要求2所述的面向跨工况下多阶段退化的滚动轴承剩余使用寿命预测方法，其特征在于：所述步骤s2数据预处理与特征提取包括以下步骤：
4.根据权利要求3所述的面向跨工况下多阶段退化的滚动轴承剩余使用寿命预测方法，其特征在于：所述步骤s1.1建立多元时间序列自回归模型的过程包括：
5.根据权利要求4所述的面向跨工况下多阶段退化的滚动轴承剩余使用寿命预测方法，其特征在于：所述步骤s1.2残差控制图的过程包括：
6.根据权利要求...
【专利技术属性】
技术研发人员：段超群，虞小雅，郭康豪，盛博，刘富樯，蒲华燕，罗均，
申请(专利权)人：上海大学，
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。