一种基于双流时间卷积网络的滚动轴承剩余寿命预测方法及系统技术方案

本发明专利技术提供一种基于双流时间卷积网络的滚动轴承剩余寿命预测方法及系统，方法包括以下步骤：采集轴承生命周期内的振动信号；对振动信号进行小波分解，获得低频信号以及高频信号；基于双流时间卷积网络分别对低频信号以及高频信号进行退化特征提取，并将提取的退化特征进行融合，获得融合退化特征；基于均方误差损失以及融合退化特征，进行基于双流时间卷积网络的滚动轴承剩余寿命预测，获得滚动轴承剩余寿命预测结果。本发明专利技术能够充分利用轴承退化历史数据，并能够捕获轴承健康状态与退化状态之间的长距离相关性，从而提升RUL预测的准确性。

【技术实现步骤摘要】

本专利技术属于旋转机械剩余寿命预测，具体涉及一种基于双流时间卷积网络的滚动轴承剩余寿命预测方法及系统。

技术介绍

1、近年来，以故障诊断、故障监测和剩余使用寿命(rul)预测在内的预后和健康管理(phm)成为工业应用领域研究的热点。phm通过使用各种智能算法和模型评估机械系统的健康状况，从而有效地提升机械系统运行可靠性。由于机械系统的各个零件工作强度和连续使用时间不一致，导致难以准确地获取设备退化特征。因此，对滚动轴承进行高效、准确地rul预测，确保旋转设备稳定运行和安全生产具有重大意义。

2、目前，rul预测方法主要分为三类：即基于物理模型的预测方法、基于数据驱动的预测方法和混合方法。基于物理模型的预测方法需要建立一个精确描述机械系统退化的物理模型进行rul预测。常见的方法有粒子滤波、wiener过程模型和艾林模型。然而，这种方法在构建rul预测模型过程中需要足够多的先验知识，这对于日益智能化和复杂化的机械系统来说往往是不现实的。随着传感器技术和存储技术的快速发展，基于数据驱动的预测方法已逐渐成为phm领域的主流。例如：cao等人使用信号处理本文档来自技高网...

【技术保护点】

1.一种基于双流时间卷积网络的滚动轴承剩余寿命预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于双流时间卷积网络的滚动轴承剩余寿命预测方法，其特征在于，将Daubechies小波作为母小波对所述振动信号进行5级小波变换，获得所述低频信号以及所述高频信号的公式为：

3.根据权利要求1所述的基于双流时间卷积网络的滚动轴承剩余寿命预测方法，其特征在于，所述双流时间卷积网络包括混合注意力时间卷积层以及融合层；其中，基于所述混合注意力时间卷积层进行退化特征提取，基于所述融合层进行所述退化特征的融合。

4.根据权利要求3所述的基于双流时间卷积网络的...

【技术特征摘要】

1.一种基于双流时间卷积网络的滚动轴承剩余寿命预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于双流时间卷积网络的滚动轴承剩余寿命预测方法，其特征在于，将daubechies小波作为母小波对所述振动信号进行5级小波变换，获得所述低频信号以及所述高频信号的公式为：

3.根据权利要求1所述的基于双流时间卷积网络的滚动轴承剩余寿命预测方法，其特征在于，所述双流时间卷积网络包括混合注意力时间卷积层以及融合层；其中，基于所述混合注意力时间卷积层进行退化特征提取，基于所述融合层进行所述退化特征的融合。

4.根据权利要求3所述的基于双流时间卷积网络的滚动轴承剩余寿命预测方法，其特征在于，所述混合注意力时间卷积层包括扩张因果卷积、批量归一化、激活函数、时间注...

【专利技术属性】
技术研发人员：张亚洲，赵小强，徐锦涛，刘凯，柴靖轩，宋昭漾，惠永永，强睿儒，郭海科，姚青磊，梁浩鹏，陈鹏，
申请(专利权)人：兰州理工大学，
类型：发明
国别省市：