公开(公告)号：CN119397696A

公开(公告)日：2025-02-07

申请号：CN202411243576.0

申请日：2024-09-05

Applicant: 北京工业大学

Inventor： 崔玲丽 ,  肖永昌 ,  刘东东 ,  高天健

IPC: G06F30/17 ,  G06F30/27 ,  G06N3/042 ,  G06F119/04 ,  G06F119/14

Abstract: 本发明公开了一种基于动力学模型与跨域图网络的滚动轴承寿命预测方法，该方法基于滚动轴承五自由度动力学模型构建仿真模型，利用多目标粒子群优化算法结合轴承实测信号动态更新动力学仿真模型参数。探究仿真模型不同退化阶段的缺陷演变过程，生成滚动轴承全生命周期仿真数据，以弥补实际工程中轴承全寿命数据难以采集的缺陷。设计多层跨域图神经网络模型，对图节点特征进行非线性变换以提取邻居节点空间信息，通过结合上一时刻隐藏层状态提取相邻节点时间依赖性。将完整有标签的仿真数据作为源域数据，非完整无标签的实测数据作为目标域数据，通过多层域适应机制减小源域和目标域数据间的分布差异，最终实现轴承寿命的跨域预测。

公开(公告)号：CN118485165A

公开(公告)日：2024-08-13

申请号：CN202410100561.2

申请日：2024-01-24

Applicant: 北京工业大学

Inventor： 崔玲丽 ,  肖永昌 ,  刘东东

IPC: G06Q10/04 ,  G06Q10/0639 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/049 ,  G06F17/16 ,  G06F18/214 ,  G06F18/213 ,  G01M13/045

Abstract: 本发明公开了一种基于时间序列图与图卷积记忆网络的轴承寿命预测方法。该方法基于子类拆分对轴承全寿命退化序列进行处理，利用动态时间扭曲重心平均充分融合时序数据中的退化特征，构建融合序列。求解融合序列与原始序列间的动态时间规整距离作为图节点特征，并提出新的基于时序信号方差值的邻接矩阵构造方法。搭建图卷积记忆网络模型，在传统图神经网络中引入记忆单元，从时间域和空间域上提取不同时刻轴承退化特征，建立监测数据与退化趋势的映射关系，进而准确预测轴承的剩余使用寿命。