龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：中国地质大学(武汉)
申请日：2024-03-29
公开（公告）日：2024-06-18
公开（公告）号：CN118211069A
主分类号：G06F18/214
分类号：G06F18/214;G06F18/213;G06F18/25;G06N3/0464;G06N3/084;G06N3/045;G01M13/04
优先权：
专利状态码：在审-公开
法律状态：2024.06.18#公开
摘要：本发明涉及工业设备监测领域，公开了一种滚动轴承剩余寿命预测方法、设备及存储介质，方法步骤：设定故障阈值，修剪训练数据，并对训练数据与测试数据进行归一化处理；将轴承数据重构为滑窗形式作为模型的输入，并建立线性函数标签；基于Inception架构结合CBAM改进并构建多尺度空间卷积模块MSSCM；基于CLSTM单元构建时间序列预测模型；将训练集数据输入MSSCM‑CLSTM模型，采用Adam优化器训练模型，训练完成后，输入测试轴承数据，得到寿命预测结果。本发明有益效果是：提高了轴承剩余寿命预测的精度。
主权项：1.一种滚动轴承剩余寿命预测方法，其特征在于：方法包括以下步骤：S1：数据采集与预处理：收集同工况轴承的全生命周期加速度数据作为训练集，并将训练集进行归一化预处理，同时获取测试集；S2：构建模型输入与标签：基于步骤S1预处理后的数据，构建滑窗形式训练输入与测试输入；基于训练集轴承的剩余寿命百分比构建线性函数标签；S3：构建多尺度空间特征提取模块：基于Inception架构改进并搭建多尺度空间卷积模块MSSCM；将预处理后的轴承加速度数据先输入卷积压缩层进行压缩，再将压缩后的数据传递进具有多尺度并行卷积的特征提取层中，所得多尺度特征再输入注意力机制层中进行注意力权重分配；S4：时序预测模型构建：构建基于CLSTM单元的神经网络预测模型；将步骤S3的输出输入到CLSTM神经网络模型中；取CLSTM模型最后一层最后一个cell的输出作为最终的时空融合特征，使用双池化回归层预测轴承的剩余寿命；S5：模型训练与测试：利用训练集完成步骤S3～S4中模型的训练，并利用测试集完成模型的验证。
全文数据：
权利要求：
百度查询： 中国地质大学(武汉) 一种滚动轴承剩余寿命预测方法、设备及存储介质
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号