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：天津工业大学

摘要：本发明公开了一种滚动轴承可靠度预测方法，首先，对滚动轴承水平振动数据进行多域特征提取，构建多域高维特征集；再利用斯皮尔曼相关系数筛除多域高维特征集中与时间无关的特征，再利用随机森林算法剔除冗余特征，构成低维特征集；然后利用Box‑Cox变换和加权系数法构建加权HI曲线；再根据随机摄动法与四阶矩法得到滚动轴承的渐变可靠度曲线；最后将加权HI曲线作为BOA‑BiLSTM预测模型的输入、渐变可靠度曲线作为BOA‑BiLSTM预测模型的标签，来预测目标滚动轴承的可靠度。本发明首次采用给预测模型添加标签的方法进行可靠度预测，并基于健康指标、渐变可靠度与BOA‑BiLSTM预测模型来预测目标滚动轴承的可靠度。

主权项：1.一种滚动轴承可靠度预测方法，其特征在于，该方法包括以下步骤：步骤1、收集滚动轴承全寿命振动数据；滚动轴承全寿命振动数据包括滚动轴承水平振动数据和滚动轴承竖直振动数据；步骤2、提取步骤1得到的滚动轴承水平振动数据的时域特征和频域特征，构成多域高维特征集；步骤3、先利用斯皮尔曼相关系数筛除多域高维特征集中的无关特征，再利用随机森林算法剔除多域高维特征集中的冗余特征，构成低维特征集；步骤3的具体步骤如下：S3.1、通过斯皮尔曼相关系数计算时间与多域高维特征集中的各个特征的相关性，再筛除与时间相关性不高于设定的相关系数阈值的特征，得到时间相关特征集；S3.2、通过随机森林算法计算步骤S3.1得到的时间相关特征集中每个特征的重要性得分，保留重要性得分不小于设定的重要性得分阈值的特征，从而剔除冗余特征，形成低维特征集；基于随机森林算法计算特征的重要性得分的具体步骤如下：S3.2.1、计算基尼不纯度Gi：基尼不纯度Gi用来衡量一个节点i中包含不同类别样本的混合程度；基尼不纯度Gi越低，表示节点i中的样本越趋向于属于同一类别j，样本纯度越高；基尼不纯度Gi的计算公式为： 式1中，N为类别数量；pj为样本属于第j类别的概率；S3.2.2、计算基尼重要性GIi：基尼重要性GIi用于衡量通过节点i进行分裂后，基尼不纯度Gi的减少量；减少量越大，表示这个分裂对提升特征重要性得分越为重要；每个节点的基尼重要性GIi的计算公式为：GIi＝wi·ΔGi2式2中，wi为节点i中的样本权重；ΔGi为节点i分裂前后基尼不纯度的改变量；S3.2.3、计算每个特征的重要性得分FI：将每个特征各自包括的所有节点i的基尼重要性GIi进行加权平均，得到每个特征各自的重要性得分FI，如式3所示： 式3中，N表示每个特征的节点数量；wi为节点i的样本权重；步骤4、利用Box-Cox变换对步骤3得到的低维特征集进行融合，得到与滚动轴承劣化状态相关的HI曲线；再按照加权系数法对HI曲线进行重新构建，得到加权HI曲线；步骤4的具体步骤如下：S4.1、假设各个特征对健康退化的重要性是相同的，然后利用Box-Cox变换对步骤3得到的低维特征集进行融合，得到与滚动轴承劣化状态相关的HI曲线；4.2、将步骤S3.1得到的每个特征与时间的斯皮尔曼相关系数作为对应特征的权重，再将所有权重标准化到0～1之间，再按照加权系数法根据标准化后的权重对步骤S4.1得到的HI曲线进行重新构建，得到加权HI曲线；步骤5、选定影响滚动轴承可靠性的基本随机变量X，再建立应力-强度干涉模型，再基于应力-强度干涉模型根据Gamma退化过程建立滚动轴承的渐变可靠性状态函数，再根据随机摄动法与四阶矩法得到滚动轴承的渐变可靠度曲线；步骤6、使用贝叶斯优化算法对BiLSTM神经网络的超参数进行优化，得到具有最优超参数的BOA-BiLSTM预测模型；然后将步骤4得到的加权HI曲线作为BOA-BiLSTM预测模型的输入、步骤5得到的渐变可靠度曲线作为BOA-BiLSTM预测模型的标签，来预测目标滚动轴承的可靠度。

全文数据：

权利要求：

百度查询： 天津工业大学 一种滚动轴承可靠度预测方法