龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：哈尔滨理工大学
摘要：一种基于模型迁移和维纳过程的滚动轴承RUL预测方法，涉及滚动轴承使用寿命预测技术领域，用以解决使用寿命百分比作为标签难以准确描述滚动轴承退化过程以及不同工况情况下轴承寿命预测准确率不高的问题。本发明的技术要点包括：提取某工况下全寿命滚动轴承的各振动统计特征，利用单层NCAE网络与SOM网络构建健康指标模型，使用健康指标对滚动轴承频域幅值序列进行标记；使用源域数据训练结合深度NCAE网络与前馈神经网络FNN的组合网络得到预训练模型；利用目标域数据微调，得到滚动轴承性能退化模型，利用性能退化指标量化值的增量建立维纳过程模型，实现不同工况下滚动轴承的RUL预测。本发明适用于对滚动轴承剩余使用寿命的预测技术中。
主权项：1.一种基于模型迁移和维纳过程的滚动轴承RUL预测方法，其特征在于，包括以下步骤：获取工况A下全寿命滚动轴承时域振动信号作为源域数据，工况B下全寿命滚动轴承时域振动信号作为目标域数据；将源域数据和目标域数据均输入基于单层非负约束自编码器网络和自组织特征映射网络的健康指标模型中，分别获取源域数据的健康指标标签和目标域数据的健康指标标签；对所述源域数据和所述目标域数据进行预处理；将预处理后的源域数据和源域数据的健康指标标签结合输入基于深度非负约束自编码器网络和前馈神经网络的源域预训练模型中进行训练，获取源域预训练模型参数；所述源域预训练模型参数包括权重参数；将源域预训练模型参数迁移至基于深度非负约束自编码器网络和前馈神经网络的目标域网络，作为初始网络参数；并将预处理后的目标域数据和目标域数据的健康指标标签结合输入基于深度非负约束自编码器网络和前馈神经网络的目标域网络进行微调训练，获取滚动轴承性能退化模型；将经过预处理后的待预测非全寿无标签滚动轴承时域振动信号输入所述滚动轴承性能退化模型，获取轴承性能退化指标；根据服从维纳过程的轴承性能退化指标计算其增量，增量服从正态分布，从而获取所述正态分布的均值和标准差；将所述均值和标准差输入基于维纳过程构建的数学模型中，获取待预测非全寿无标签滚动轴承的剩余使用寿命。
全文数据：
权利要求：
百度查询： 哈尔滨理工大学 一种基于模型迁移和维纳过程的滚动轴承RUL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。
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