[发明专利]一种滚动轴承剩余寿命预测方法

权利要求书

1.一种滚动轴承剩余寿命预测方法，其特征在于：该方法包括以下步骤：

S1.用多个与待预测寿命的轴承同一型号的未经使用的轴承，分别进行加速退化实验，实验中每隔10秒或20秒采集一次轴承的振动信号，直至轴承完全失效，获得多个轴承的全寿命振动信号；

S2.利用反双曲正切函数将轴承的剩余寿命转换为其健康指标HI；

S3.建立多尺度卷积神经网络模型，其输入为轴承的振动信号，输出为轴承的健康指标，用步骤S1中获得的多个轴承的数据对多尺度卷积神经网络进行训练；

S4.利用加速度传感器测量待预测寿命的滚动轴承的振动信号；

S5.将步骤S4中测量得到的振动信号输入步骤S3训练后的多尺度卷积神经网络中，获得待预测寿命的滚动轴承的健康指标；

S6.用步骤S2中的反双曲正切函数将步骤S5中获得的健康指标转换为待预测寿命的滚动轴承的剩余寿命；

步骤S2中的健康指标HI的构建过程如下：

对于一个全寿命周期为T的轴承，其工作到t时刻时，令

t'＝(2t/T-1)/1.02

a＝2×max(atanh(t'))

HI＝(t'+0.5×a)/a

其中t'是中间参数，参数a主导反双曲正切函数的平移和缩放，根据不同轴承全寿命周期T的不同来选择参数a，使得健康指标HI落入[0,1]内。

2.根据权利要求1所述的一种滚动轴承剩余寿命预测方法，其特征在于：步骤S1所述加速退化实验，在10-20小时内使轴承加速退化，直至完全失效。

3.根据权利要求2所述的一种滚动轴承剩余寿命预测方法，其特征在于：在步骤S1中，采用2-5个轴承进行加速退化实验。

4.根据权利要求1或2或3所述的一种滚动轴承剩余寿命预测方法，其特征在于：步骤S3中所述多尺度卷积神经网络模型，其卷积层中设置3个不同的尺度，每个尺度中卷积核进行不同移动步长的卷积计算。