基于特征提取与IBGC网络的轴承寿命预测方法技术

本发明专利技术提供一种基于特征提取与IBGC网络的轴承寿命预测方法，包括：用振动传感器采集轴承的振动信号组；采用完全自适应噪声集合经验模态分解方法对任一振动信号组进行处理，得到重构信号；从重构信号提取时域特征、频域特征和时频域退化特征并从中选出A个优选退化特征；对A个优选退化特征对应的数据进行标准化处理并设置RUL标签，得到退化特征数据集，从退化特征数据集划分出训练集；构建IBGC模型，采用训练集对IBGC模型进行训练；将测试样本输入训练后的IBGC模型，训练后的IBGC模型输出预测结果，从而实现轴承剩余使用寿命的准确预测。

【技术实现步骤摘要】

本专利技术涉及轴承剩余寿命预测，具体而言，尤其涉及一种基于特征提取与ibgc网络的轴承寿命预测方法。

技术介绍

1、受内在机制演化、外部环境改变等因素影响，如卡车变速箱等旋转机械设备往往会不可避免地发生退化，导致其使用性能降低及健康状态劣化。特别是，作为关键部件的轴承，如果出现退化，则有可能造成整个设备发生故障，甚至引起失效并造成不可估量的人员财产损失。剩余使用寿命(rul)预测技术作为预测与健康管理(phm)领域的核心，旨在通过设备的退化监测数据准确预测设备的剩余使用寿命，是降低设备计划外失效风险、及时对退化设备进行维护、减少设备维护时间和费用的关键技术。

2、在轴承的特征提取与rul预测过程中，单个退化特征可能只包含特定退化程度的信息，即退化特征对不同退化程度的敏感性不同，不能反映滚动轴承全寿命周期内的性能变化。因此，有必要关注不同监测时刻退化敏感度高的特征。并且，传统bi-gru网络模型不具备时序与通道关注的能力，其同等对待每个维度与每个时间步的输入，导致rul预测过程中考虑了许多无关因素，对预测结果产生了一定的干扰。

3、有本文档来自技高网...

【技术保护点】

1.一种基于特征提取与IBGC网络的轴承寿命预测方法，其特征在于，包括：

2.根据权利要求1所述的基于特征提取与IBGC网络的轴承寿命预测方法，其特征在于，所述采用完全自适应噪声集合经验模态分解方法对任一所述振动信号组进行处理，得到重构信号，包括：

3.根据权利要求2所述的基于特征提取与IBGC网络的轴承寿命预测方法，其特征在于，所述向所述振动信号组加入高斯白噪声，得到处理后的所述振动信号组，按照以下方式计算：

4.根据权利要求2所述的基于特征提取与IBGC网络的轴承寿命预测方法，其特征在于，所述在第j轮迭代时，得到第j个本征模态分量及对应的第j个残差...

【技术特征摘要】

1.一种基于特征提取与ibgc网络的轴承寿命预测方法，其特征在于，包括：

2.根据权利要求1所述的基于特征提取与ibgc网络的轴承寿命预测方法，其特征在于，所述采用完全自适应噪声集合经验模态分解方法对任一所述振动信号组进行处理，得到重构信号，包括：

3.根据权利要求2所述的基于特征提取与ibgc网络的轴承寿命预测方法，其特征在于，所述向所述振动信号组加入高斯白噪声，得到处理后的所述振动信号组，按照以下方式计算：

4.根据权利要求2所述的基于特征提取与ibgc网络的轴承寿命预测方法，其特征在于，所述在第j轮迭代时，得到第j个本征模态分量及对应的第j个残差分量，按照以下方式计算：

5.根据权利要求4所述的基于特征提取与ibgc网络的轴承寿命预测方法，其特征在于，所述当2≤j≤k时，根据第...

【专利技术属性】
技术研发人员：韩博，曹笑宇，李佳良，邓利勇，冯国波，哈刚，李宏坤，刘淑杰，吕帅，蔡宏军，崔凯，李伟，毕海军，孙成，
申请(专利权)人：本钢板材股份有限公司，
类型：发明
国别省市：