申请/专利权人：中车长春轨道客车股份有限公司

申请日：2022-07-26

公开（公告）日：2022-09-16

公开（公告）号：CN115062867A

主分类号：G06Q10/04

分类号：G06Q10/04;G06N3/04;G06K9/62

优先权：

专利状态码：失效-发明专利申请公布后的驳回

法律状态：2023.07.21#发明专利申请公布后的驳回;2022.10.04#实质审查的生效;2022.09.16#公开

摘要：一种基于Teager能量谱和改进型CNN模型的轴承故障预测方法，该预测方法根据轴承振动信号建立数据库，通过对数据进行处理，转换为可以作为卷积神经网络模型输入的训练数据和测试数据；之后搭建改进型卷积神经网络模型，通过对改进型卷积神经网络模型进行训练，得到轴承故障诊断模型、轴承故障预测模型、轴承剩余寿命预测模型，利用轴承故障预测模型在故障发生前进行趋势分析，提前判断故障趋势；通过轴承故障诊断模型确定轴承是否健康或存在故障；通过轴承剩余寿命预测模型预测轴承剩余寿命。

主权项：1.一种基于Teager能量谱和改进型CNN模型的轴承故障预测方法，其特征在于，具体包括以下步骤：步骤S1、动车组运行过程中实时将传感装置获得的滚动轴承的振动信号发送给数据处理模块；步骤S2、数据处理模块将获取的滚动轴承的振动信号进行处理，获得Teager能量谱图；之后调整Teager能量谱图像特征，转换为可以作为卷积神经网络模型输入的训练数据和测试数据；步骤S3、搭建改进型卷积神经网络模型，采用步骤S2的训练集数据和测试集数据对改进型卷积神经网络模型进行训练，当达到训练结束标准后，输出训练后模型，之后将测试集数据输入训练后模型，通过调整模型参数，使其达到模型测试标准，通过模型训练得到轴承故障诊断模型、轴承故障预测模型、轴承剩余寿命预测模型；其中，所述改进型卷积神经网络模型的构建方法如下：步骤S3.1、构建网络输入层，所述输入层用于输入实验数据图像，实验数据图像为经过图像特征调整的Teager能量谱图；步骤S3.2、构建卷积层，所述卷积层用于抽取图像中的特征，卷积层包括第一层卷积层、第二层卷积层，第一层卷积层、第二层卷积层中间加入BN层进行归一化；步骤S3.3、构建池化层，所述池化层用于抽取图像中的特征，池化层的激活函数使用ReLU函数，第二层卷积层和池化层中间加入BN层进行归一化，在池化层后增加Dropout层；步骤S3.4、构建全连接层，所述全连接层用于分类，全连接层包括第一层全连接层、第二层全连接层，第一层全连接层与第二层全连接层层间激活函数使用ReLU函数；步骤S3.5、构建网络输出层，所述输出层和第二层全连接层之间使用Softmax函数；输出层神经元个数为训练数据类别个数，输出层后增加Dropout层；步骤S4、采集动车组未知故障的轴承振动信号，采用步骤S2的方法对数据进行处理；步骤S5、将处理后的未知故障的轴承的Teager能量谱图输入步骤S3经过模型训练后得到的轴承故障预测模型、轴承故障诊断模型、轴承剩余寿命预测模型中，通过轴承故障预测模型预测轴承故障趋势，通过轴承故障诊断模型确定轴承是否健康或存在故障，通过轴承剩余寿命预测模型预测轴承剩余寿命。

全文数据：

权利要求：

百度查询： 中车长春轨道客车股份有限公司 基于Teager能量谱和改进型CNN模型的轴承故障预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD