CN115292820B 一种城轨列车轴承剩余使用寿命的预测方法 （广西大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115292820B(45)授权公告日2025.07.01

(21)申请号202210992969.6

(22)申请日2022.08.18

(65)同一申请的已公布的文献号

申请公布号CN115292820A

(43)申请公布日2022.11.04

(73)专利权人广西大学

地址530003广西壮族自治区南宁市西乡

塘区大学东路100号

(72)发明人贺德强颜竞人刘旗扬邓建新李先旺项载毓劳振鹏刘畅

(74)专利代理机构南宁智卓专利代理事务所(普通合伙)45129

专利代理师邓世江

(51)Int.CI.

GO6F30/15(2020.01)

GO6F30/17(2020.01)

GO6F30/27(2020.01)

GO6F18/214(2023.01)

GO6F119/02(2020.01)

GO6F119/04(2020.01)

(56)对比文件

CN111832216A,2020.10.27

CN113361777A,2021.09.07审查员张敏

权利要求书2页说明书6页附图3页

(54)发明名称

一种城轨列车轴承剩余使用寿命的预测方法

(57)摘要

CN115292820B本发明公开了一种城轨列车轴承剩余使用寿命的预测方法，包括如下步骤，设置轴承的转速和采样频率，并采集轴承运行至失效的全生命周期原始振动信号，提取轴承原始振动信号的时域特征，采用相似性度量方法衡量特征之间的相似程度；轴承原始振动信号进行变分模态分解，获得模态分量特征，采用能量熵判别法，根据能量熵越大信息不确定性原则；将时域特征与所得的模态分量特征结合，划分为训练集与验证集；用优化后的超参数建立LSTM预测网络，将特征矩阵输入LSTM网络，通过反向传播算法更新权重，通过Adam优化器更新梯度，经过计算后输出轴承RUL预测值。发明能对城轨列车轴承的RUL预测科

CN115292820B

始旅动信号

始旅动信号

委分最有分

分到模态分量2古分

通过能量箱判别法进行选择

模态分量

的读的

训练集验证集

长期上DH

最优超参数建立LSTM预测模里

剩余使用寿命

时城特征提取

最大值峭度a酸

通过相似性度量进行选择

时域特征

CN115292820B权利要求书1/2页

2

1.一种城轨列车轴承剩余使用寿命的预测方法，其特征在于：包括以下步骤：

步骤1:设置轴承的转速和采样频率，并采集轴承运行至失效的全生命周期原始振动信号；

步骤2:提取轴承原始振动信号的时域特征，采用相似性度量方法衡量特征之间的相似程度，将区分度较低的特征去除，选择其中表征轴承退化能力最优的特征参数；

步骤3:轴承原始振动信号进行变分模态分解，获得模态分量特征，采用能量熵判别法，根据能量熵越大信息不确定性原则，以能量最高、能量熵最小的标准选择模态分量，在时域特征基础上扩充频域信息，并分别计算模态分量的能量和能量熵；

步骤4:将步骤2所得的时域特征与步骤3所得的模态分量特征结合，共k个序列长度为n的特征向量，第i个特征向量为F1=[F?(i),F?(i),...,F(i)],其中F(i)表示第n个采样时间点对应的特征值，然后将k个特征向量组合成特征矩阵F=[F1,F2,...,Fk];剔除每个特征向量内的异常值并通过三次样条插值补全后，将特征向量归一化至0至1之间，再将特征矩阵划分为训练集与验证集；

步骤5:采用LSTM网络作为RUL预测主体网络，将LSTM网络的超参数设定为种群位置，以训练集数据训练LSTM网络，以验证集数据预测结果的均方差作为适应度函数，采用哈里斯鹰优化算法寻优LSTM超参数，每一次训练LSTM网络时都迭代更新最优的超参数组合；用优化后的超参数建立LSTM预测网络，将特征矩阵输入LSTM网络，通过反向传播算法更新权重，通过Adam优化器更新梯度，经过计算后输出轴承RUL预测值。

2.根据权利要求1所述的一种城轨列车轴承剩余使用寿命的预测方法，其特征在于：所述步骤3的能量熵判别法中所述能量满足如下表达式：

其中u为第i个模态分量序列，t={0,1,...,n},n为序列长度；所