[发明专利]一种轴承性能退化评估方法

摘要

一种基于堆叠去噪自编码器和自组织映射的轴承性能退化评估方法，它用于评估轴承退化技术领域。本发明解决了传统HI曲线构建中存在的提取退化特征需依赖大量专家经验和有监督训练，标签选择需依赖人工参与的问题。本发明的6个去噪自编码机构建堆叠去噪自编码器来对原始振动信号数据进行多层的特征提取，训练集数据对网络进行预训练后利用BP算法微调参数，将输出的100维特征输入SOM网络训练得到各时间点对应的HI，并构建训练集的HI曲线；将测试集数据输入训练好的堆叠去噪自编码器和SOM网络中得到各时间点处的HI，并构建HI曲线；分别对训练集和测试集的HI曲线进行平滑处理，获得平滑处理后的HI曲线。本发明可以应用于评估轴承性能退化领域用。

主权项

1.一种基于堆叠去噪自编码器和自组织映射的轴承性能退化评估方法，其特征在于，该方法的具体步骤为：步骤一、利用振动传感器获取轴承全寿命周期内的原始振动信号数据，将原始振动信号数据作为堆叠去噪自编码器的输入数据x；步骤二、对步骤一中的输入数据x进行取绝对值操作，并归一化至[0,1]区间内；将输入数据x中的一部分振动数据作为训练集数据，将输入数据x中的其它部分的振动数据作为测试集数据；步骤三、建立由6个去噪自动编码机组成的堆叠去噪自编码器网络用于对训练集数据和测试集数据进行特征提取，其中，第一去噪自编码机、第二去噪自编码机和第三去噪自编码机构成堆叠去噪自编码器网络的编码网络，第四去噪自编码机、第五去噪自编码机和第六去噪自编码机构成堆叠去噪自编码器网络的解码网络；将步骤二确定的训练集数据输入堆叠去噪自编码器网络的编码网络中，使训练集数据依次经过编码网络的第一去噪自编码机、第二去噪自编码机和第三去噪自编码机的无监督预训练，得到编码网络的第一去噪自编码机的编码参数θ1＝{W1,b1}、第二去噪自编码机的编码参数θ2＝{W2,b2}和第三去噪自编码机的编码参数θ3＝{W3,b3}；设置解码网络的第四去噪自编码机的编码权值W4为W3的转置，第五去噪自编码机的编码权值W5为W2的转置，第六去噪自编码机的编码权值W6为W1的转置；预训练完成后，利用BP算法对堆叠去噪自编码器网络的网络参数进行微调；利用微调后的网络参数得到编码网络输出的100维特征作为训练集数据每个时间点处提取出的100维特征；步骤四、将步骤三提取出的训练集数据的每个时间点处的100维特征作为自组织映射网络的输入，自组织映射网络的输入层节点数与特征数一致；经过迭代训练后，计算出训练集数据每个时间点处的轴承健康因子，进而构建出训练集上的轴承健康因子曲线；步骤五、利用步骤三的方法将测试集数据输入到训练好的堆叠自编码器网络中通过多个隐含层进行特征提取，利用步骤四的方法将提取出的测试集的特征输入到训练好的自组织映射网络中，计算得到测试集上每个时间点处对应的轴承健康因子，构建测试集上的轴承健康因子曲线；步骤六、分别对步骤四和步骤五中构建好的轴承健康因子曲线进行平滑处理，得到平滑处理后的轴承健康因子曲线，利用平滑处理后的轴承健康因子曲线来评估轴承性能退化情况。