申请/专利权人：西安交通大学

申请日：2021-12-29

公开（公告）日：2024-05-10

公开（公告）号：CN114564877B

主分类号：G06F30/27

分类号：G06F30/27;G06N3/0464;G06N3/0442;G06N3/049;G06N3/08;G06F119/02;G06F119/04;G06F119/10

优先权：

专利状态码：有效-授权

法律状态：2024.05.10#授权;2022.06.17#实质审查的生效;2022.05.31#公开

摘要：本发明公开了一种滚动轴承寿命预测方法、系统、设备及可读存储介质，将卷积与长短期网络相结合，构建的卷积长短期记忆网络能自适应地提取原始信号中时间尺度与空间尺度的典型特征，大大减少了专家知识的参与；多分支结构的卷积长短期记忆网络从多通道振动信号中提取多维度的退化特征，提高了提取到的特征的全面性，并在各个分支网络之间设计信息传输层，通过门结构实现不同通道间特征的选择性传递与融合，从而每一个通道特征中的潜藏的退化信息能被有效利用，提升了轴承剩余寿命预测的准确性与可靠性。

主权项：1.一种滚动轴承寿命预测方法，其特征在于，包括以下步骤：S1，采集轴承多方向的原始振动信号时间序列数据，并对数据进行预处理，确定轴承退化起始点；S2，构建包含多个卷积长短期记忆网络的多分支特征提取层，对S1采集到的多方向的原始振动信号时间序列数据多方向的原始振动信号时间序列数据分别输入到网络中进行特征提取得到振动信号特征；S3，构建信息传输层：将S2中提取到的振动信号特征在各个的分支CLSTM中传输，实现信息初步融合；信息传输层通过权重学习使各个分支网络中的数据进行交互，并共享部分特征信息，实现特征的初步融合，其具体计算步骤如下：S31，根据每个CLSTM的信息的计算传输门的值，如式所示： 式中，Tti表示第i个分支网络在t时刻的传输门的值；表示第i个分支网络在t-1时刻输出的隐藏状态信息，Wi表示第i个分支网络的传输门转换权重S32，将S31中得到的传输门的值输入到信息传输层中与其他分支网络的传输门的值进行初步融合，融合方法如下式所示： 式中，表示t时刻第i个分支网络的特征与其他分支网络的特征初步融合后的输出；分别表示t时刻第i个分支网络输出门和记忆细胞的值；Wi表示转换矩阵；N为通道数；S4，构建多传感信息融合层：将各个CLSTM最后输出的隐藏特征进行最终融合；多传感信息融合层的具体构建方式如下： 式中：hfuse为最终融合后的状态信息；Conv表示卷积操作；S5，构建回归预测层：利用S4中得到的融合特征进行轴承剩余寿命回归预测；回归预测层以S4中的Hfuse作为输入，得到预测的剩余寿命百分比表达式如下： 式中，Wr，br分别表示回归预测层的权重矩阵和偏置向量；S6，使用适应性距估计算法优化网络的损失函数，得到训练完成的滚动轴承寿命预测模型；S7，利用训练完成的滚动轴承寿命预测模型对待测轴承剩余寿命进行预测，输出待测轴承剩余寿命占退化阶段总寿命的百分比。

全文数据：

权利要求：

百度查询： 西安交通大学 一种滚动轴承寿命预测方法、系统、设备及可读存储介质

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