【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，具体涉及一种基于动态图神经网络的轴承剩余使用寿命预测方法。
技术介绍
1、轴承在工业设备中起着至关重要的作用，广泛应用于轨道交通、航空航天、风力发电等行业，同时，工业设备中的大多数轴承都在恶劣的条件下工作，这使得它们更容易发生腐蚀、磨损和其他故障。轴承故障会影响系统的正常运行，在更严重的情况下，会导致重大安全事故。准确高效的剩余使用寿命预测可以指导工业设备维护，制定合理的维护计划，避免因轴承意外失效而造成的经济损失和人员伤亡。因此，为了提高轴承剩余使用寿命预测的准确性，工业界和学术界都在积极探索和研究更优的预测方法。
2、现有基于深度学习的轴承剩余使用寿命预测方法，并未对轴承退化过程中的运动行为进行观测，忽略了特征空间与轴承物理空间的实时交互。
技术实现思路
1、本专利技术的目的在于提供一种基于动态图神经网络的轴承剩余使用寿命预测方法，通过多目标优化的数字孪生捕捉物理空间和数字空间的实时相关性，并更新模型参数以实现孪生体与实际轴承的交互，在两...
【技术保护点】
1.一种基于动态图神经网络的轴承剩余使用寿命预测方法，其特征在于，包括下列步骤：
2.如权利要求1所述的一种基于动态图神经网络的轴承剩余使用寿命预测方法，其特征在于，所述步骤1中，建立基于赫兹接触理论的轴承动力学模型，用于描述轴承外圈缺陷的扩展过程包括下列步骤：
3.如权利要求2所述的一种基于动态图神经网络的轴承剩余使用寿命预测方法，其特征在于，分两阶段计算轴承的全生命周期的时变位移激励ΔH包括如下步骤：
4.如权利要求1所述的一种基于动态图神经网络的轴承剩余使用寿命预测方法，其特征在于，步骤2中，将缺陷尺寸作为变量，使用多目标优化...
【技术特征摘要】
1.一种基于动态图神经网络的轴承剩余使用寿命预测方法，其特征在于，包括下列步骤：
2.如权利要求1所述的一种基于动态图神经网络的轴承剩余使用寿命预测方法，其特征在于，所述步骤1中，建立基于赫兹接触理论的轴承动力学模型，用于描述轴承外圈缺陷的扩展过程包括下列步骤：
3.如权利要求2所述的一种基于动态图神经网络的轴承剩余使用寿命预测方法，其特征在于，分两阶段计算轴承的全生命周期的时变位移激励δh包括如下步骤：
4.如权利要求1所述的一种基于动态图神经网络的轴承剩余使用寿命预测方法，其特征在于，步骤2中，将缺陷尺寸作为变量，使用多目标优化匹配孪生体与真实轴承的动态...
【专利技术属性】
技术研发人员：贺德强，赵佳阳，靳震震，张兴武，李先旺，陈彦君，付洋，谭鸿创，
申请(专利权)人：广西大学，
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。