公开(公告)号：CN119647012B

公开(公告)日：2025-05-23

申请号：CN202411719866.8

申请日：2024-11-28

Applicant: 南京工业大学

Inventor： 缪小冬 ,  孙奥云 ,  冀新鹏 ,  屈祥稳

IPC: G06F30/17 ,  G06F30/27 ,  G06F18/214 ,  G06F18/20 ,  G06F119/04

Abstract: 本发明公开一种基于对比双对抗机制的迁移工况轴承剩余使用寿命预测方法，获取单个时间步的轴承振动信号以及对应标签，对单个时间步的轴承振动信号进行分解，获取本征模态IMF，并重构单个时间步的轴承振动信号，以及进行故障点检测；构建包含时序信息的样本；构建剩余使用寿命预测模型，将样本输入剩余使用寿命预测模型，输出该样本对应的剩余使用寿命；剩余使用寿命预测模型包括动态卷积长短记忆神经网络特征提取器与预测器；构建对比双对抗机制的迁移训练框架。本发明结合多尺度排列熵对原始振动信号进行降噪处理，并使用基于贝叶斯推理的隐马尔可夫进行轴承退化过程中的故障发生点检测。通过该技术，减轻非退化数据信息对退化过成的剩余使用寿命影响，减少预测任务的工作量与预测难度。

公开(公告)号：CN119647012A

公开(公告)日：2025-03-18

申请号：CN202411719866.8

申请日：2024-11-28

Applicant: 南京工业大学

Inventor： 缪小冬 ,  孙奥云 ,  冀新鹏 ,  屈祥稳

IPC: G06F30/17 ,  G06F30/27 ,  G06F18/214 ,  G06F18/20 ,  G06F119/04

Abstract: 本发明公开一种基于对比双对抗机制的迁移工况轴承剩余使用寿命预测方法，获取单个时间步的轴承振动信号以及对应标签，对单个时间步的轴承振动信号进行分解，获取本征模态IMF，并重构单个时间步的轴承振动信号，以及进行故障点检测；构建包含时序信息的样本；构建剩余使用寿命预测模型，将样本输入剩余使用寿命预测模型，输出该样本对应的剩余使用寿命；剩余使用寿命预测模型包括动态卷积长短记忆神经网络特征提取器与预测器；构建对比双对抗机制的迁移训练框架。本发明结合多尺度排列熵对原始振动信号进行降噪处理，并使用基于贝叶斯推理的隐马尔可夫进行轴承退化过程中的故障发生点检测。通过该技术，减轻非退化数据信息对退化过成的剩余使用寿命影响，减少预测任务的工作量与预测难度。