(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210925164.X (22)申请日 2022.08.03 (71)申请人 江苏万达特种 轴承股份有限公司 地址 226500 江苏省南 通市如皋市如城街 道福寿东路3 33号 (72)发明人 陈宝国　胡胜军　徐伟　 (74)专利代理 机构 北京和信华成知识产权代理 事务所(普通 合伙) 11390 专利代理师 李莹 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01) G06F 119/04(2020.01) (54)发明名称 一种基于轴承耗损状态监测的寿命预测方 法及系统 (57)摘要 本发明公开了一种基于轴承耗损状态监测 的寿命预测方法及系统， 包括以下步骤： 步骤S1、 获取多个轴承表征整个运行生命期的耗损状态 历史时序数据， 并基于所述耗损状态历史时序数 据拟合出寿命曲线函数； 步骤S2、 将待预测的目 标轴承的耗损状态数据输入寿命曲线函数预测 得到目标轴承的剩余寿命， 本发 明利用多个轴承 表征整个运行生命期的耗损状态历史时序数据 拟合出寿命曲线函数， 能够实现只需获取轴承的 损耗状态数据即可得到轴承的剩余寿命， 并在耗 损状态历史时序数据的获取时基于主成分提取 仅保留与寿命相关性强的状态 监测数据， 实现数 据的有效压缩， 保证寿命曲线函数的预测正确性 的同时提高拟合效率。 权利要求书3页 说明书7页 附图1页 CN 115203858 A 2022.10.18 CN 115203858 A 1.一种基于轴承耗损状态监测的寿命预测方法， 其特 征在于： 包括以下步骤： 步骤S1、 获取多个叉车门架的轴承表征整个运行生命期的耗损状态历史时序数据， 并 基于所述 耗损状态历史时序数据拟合出寿命曲线函数； 步骤S2、 将待预测的目标轴承的耗损状态数据输入寿命曲线函数预测得到目标轴承的 剩余寿命， 并为所述目标轴承设定寿命预警因子以实现在目标轴承的剩余寿命低于最低预 警线时进行寿命预警保证目标轴承的使用安全性。 2.根据权利要求1所述的一种基于轴 承耗损状态监测的寿命预测方法， 其特征在于： 所 述步骤S1中， 所述寿命曲线函数的拟合方法包括： 对位于所述多个轴承的耗损状态历史时序数据中每个历史时序处的耗损状态数据进 行代表性筛选得到每个历史时序处的标准耗损状态数据， 所述标准耗损状态数据 表征为多 个轴承位于同一历史时序处呈现一 致的耗损状态； 将每个历史时序处 的标准耗损状态数据以时序链接得到标准耗损状态历史时序 数据， 并将标准 耗损状态历史时序数据输入卷积神经网络进行 卷积拟合得到寿命曲线函数。 3.根据权利要求2所述的一种基于轴 承耗损状态监测的寿命预测方法， 其特征在于： 所 述代表性筛选的方法包括： 步骤S101、 将轴承j(j∈[1， m])位于历史时序ti(i∈[1， n])处的耗损状态数据 均单 个量化为位于历史时序ti(i∈[1， n])处的数据集 统计数据集的数量作为合并参考 项A； 步骤S102、 设定合并阈值， 依次将两个数据集 和 进行相似性计算得 到相似度， 其中， 若所述相似度高于合并阈值， 则将所述数据集 和 进行融合得到新 的数据集 若所述相似度低于合并阈值， 则无需将所述数据集 和 进行融合； 步骤S103、 统计数据集数量作为 合并调控项B， 其中， 若B＞w*A， 则继续进行合并迭代， 返回步骤S102； 若B≤w*A， 则输出当前的数据集作为数据集 合并结果； 其中， i表征为历史时序区分编号， j、 k表征为轴承区分编号， m表征为轴承总数目、 n表 征为时序总数目， 表征为轴承j位于历史时序ti处的耗损状态数据， 表征为轴承k位 于历史时序ti处的耗损状态数据， w表征为调控比例权 重。 4.根据权利要求3所述的一种基于轴 承耗损状态监测的寿命预测方法， 其特征在于： 所 述代表性筛选的方法还 包括： 分别对数据集合并结果中各个数据集中包含的数据量进行统计， 并将数据量最大的数 据集作为代 表性数据集； 将代表性数据集中的所有 耗损状态数据进行平均化处理得到历史时序ti(i∈[1， n])处 的标准耗损状态数据 并将所述标准耗损状态数据 进行链接得到标准耗损状态历史 时序数据 其中， 表征为历史时序ti处的标准 耗损状态数据。 5.根据权利要求2所述的一种基于轴 承耗损状态监测的寿命预测方法， 其特征在于： 所权　利　要　求　书 1/3 页 2 CN 115203858 A 2述数据集的相似度计算方法包括： 将数据集中的所有耗损状态数据进行平均化处理得到数据集中心点， 并依次利用欧式 距离衡量两个数据集的中心点距离作为两个数据集的相似度； 所述相似度计算公式为： 式中， Iop表征为数据集Co和Cp的相似度， 表征为数据集Co和Cp的中心点处的 耗损状态数据， o和p(p≠o)表征为数据集的区分编号。 6.根据权利要求3所述的一种基于轴 承耗损状态监测的寿命预测方法， 其特征在于： 所 述卷积拟合的方法包括： 将所 述 标 准 耗 损状 态 历史时 序数 据 转 换 为时 序样本形式 其中， 表征为历史时序ti处的标准耗损状态数据， 表征为历 史时序ti处的剩余寿命， tn表征为运行生命期终止点的历史时序； 将所述时序样本 中的 作为卷积神经网络的输入， 作为 卷积神经网络的输出， 将卷积神经网络构建为寿命曲线函数ΔT＝F(S， b)， 其中， F表征为耗 损状态数据S和剩余寿命ΔT的非线性映射函数体， S表征为耗损状态数据并作为函数输入 项， b表征为 函数的波动量常数， ΔT表征为剩余寿命并作为 函数输出项。 7.根据权利要求6所述的一种基于轴 承耗损状态监测的寿命预测方法， 其特征在于： 所 述步骤S2中， 所述目标轴承的剩余寿命的预测方法包括： 将所述目标轴承的耗损状态数据作为输入项输入寿命曲线函数ΔT＝F(S， b)， 得到目 标轴承的剩余寿命。 8.根据权利要求2所述的一种基于轴 承耗损状态监测的寿命预测方法， 其特征在于： 所 述步骤S2中， 所述寿命预警因子的设定方法包括： 设定寿命预警因子， 将所述目标轴承的剩余寿命与寿命预警因子进行比较， 其中， 若剩余寿命高于寿命预警因子， 则无需对目标轴承进行寿命预警； 若剩余寿命低于寿命预警因子， 则对目标轴承进行寿命预警。 9.根据权利要求2所述的一种基于轴 承耗损状态监测的寿命预测方法， 其特征在于， 所 述耗损状态数据的获得 方法包括： 获取轴承的多种状态监测数据， 并将多种状态监测数据进行主成分提取保留出与寿命 相关性强的状态监测数据作为 耗损状态数据； 所述主成分提取的方法包括： 将所述多种状态监测数据进行利用数据值 ‑时序进行二维拟合得到一组状态监测数据 曲线， 剔除一组状态监测数据曲线中呈平缓波动的状态监测数据曲线； 将一组状态监测数据曲线中剩余的状态监测数据曲线对应的状态监测数据作为耗损 状态数据。 10.一种根据权利要求1 ‑9任一项所述的基于轴承耗损状态监测的寿命预测方法的预 测系统， 其特 征在于， 包括： 曲线拟合单元(1)， 获取多个轴承表征整个运行生命期的耗损状态历史时序数据， 并基权　利　要　求　书 2/3 页 3 CN 115203858 A 3