公开(公告)号：CN117494350A

公开(公告)日：2024-02-02

申请号：CN202311683619.2

申请日：2023-12-10

Applicant: 北京工业大学

Inventor： 朱永怀 ,  杨聪彬 ,  刘志峰 ,  张彩霞 ,  刘亚东 ,  李迎

IPC: G06F30/17 ,  G06F30/27 ,  G06F18/213 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/08 ,  G06F119/02

Abstract: 本发明公开了一种基于物理引导神经网络的轴承剩余使用寿命预测方法，该方法包括：步骤1，获取轴承振动信号；步骤2，特征提取，从时域、频域、时频域对轴承振动信号进行特征提取；步骤3，特征选择，对步骤2提取的特征进行筛选，构建敏感特征集；步骤4，基于Bi‑LSTM神经网络搭建剩余使用寿命预测模型；步骤5，构建物理引导的非一致性损失函数；步骤6，将步骤3构建的敏感特征集输入训练好的B‑LSTM神经网络中，得到轴承剩余使用寿命预测结果。本发明方法能够准确预测轴承剩余使用寿命，为旋转机械设备的维护保养提供理论依据，保障设备的健康运行。

公开(公告)号：CN118690650A

公开(公告)日：2024-09-24

申请号：CN202410821787.1

申请日：2024-06-24

Applicant: 北京工业大学

Inventor： 朱永怀 ,  杨聪彬 ,  刘志峰 ,  张彩霞 ,  孙婷 ,  李迎

IPC: G06F30/27 ,  G06F30/10 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06F119/04

Abstract: 本发明公开了一种数据与物理协同驱动的滚动轴承剩余使用寿命预测方法，包括：步骤1，数据模型构建：融合具有时间注意力机制的卷积堆叠双向长短时记忆网络与多项式模型的复合架构；步骤2，物理模型构建：基于维纳过程构建三阶段退化模型；步骤3，单一模型预测：分别基于数据模型和物理模型进行滚动轴承剩余使用寿命预测；步骤4，数据与物理协同模型构建；步骤5，基于数据与物理协同模型的剩余使用寿命预测：实现数据与物理协同驱动的剩余使用寿命预测。数据与物理协同驱动的滚动轴承剩余使用寿命预测方法综合了数据模型的深度特征提取能力和物理模型的鲁棒性，能够有效降低单一模型的预测误差，提高预测精度。

公开(公告)号：CN118886291A

公开(公告)日：2024-11-01

申请号：CN202410113797.X

申请日：2024-01-26

Applicant: 北京工业大学

Inventor： 朱永怀 ,  杨聪彬 ,  刘志峰 ,  张彩霞 ,  刘亚东 ,  李迎

IPC: G06F30/27 ,  G06N3/0464 ,  G06N3/094 ,  G06F18/2132 ,  G06F18/214 ,  G06F119/14

Abstract: 本发明公开了一种机理与数据融合驱动的小样本滚动轴承故障诊断方法，包括：故障仿真数据获取：构建基于动力学机理的滚动轴承数字孪生模型，以获取设定故障工况下的仿真数据；数据生成模型构建：构建条件信息约束下的深度卷积生成对抗网络结构的生成器模型和判别器模型；小样本数据增强：将数字孪生模型得到的仿真信号代替随机噪声作为生成器模型的输入，以生成符合物理机理的数据，并用于扩充小样本数据；故障诊断模型构建：基于卷积神经网络建立故障诊断模型；基于数据增强的故障诊断：基于增强后的数据作为故障诊断模型的训练样本，使得故障诊断模型可以充分学习训练样本中所包含的故障特征信息，从而提升小样本条件下的滚动轴承故障诊断精度。