[发明专利]一种轴承疲劳寿命影响因素的分析方法和系统

权利要求书

1.一种轴承疲劳寿命影响因素的分析方法，其特征在于，所述方法包括步骤：

S1：收集轴承的一段周期内的数据；

S2：将轴承数据导入到VAE网络模型中，获取不同大类影响因素的所述轴承数据，进一步包括：

S21：利用reshape函数对所述轴承数据进行矩阵变换，得到m行n列的矩阵数据，即m×n矩阵；

S22：将m×n矩阵分批次导入到VAE网络模型中进行训练，并迭代训练多次；

S23：训练完成后，将所有训练完成的阵列数据导入到VAE网络模型中，进行隐空间特征提取，阵列数据逐级减少，并减少到s维；

S24：利用k-means算法对所有s维阵列数据进行聚类分析，聚成t类的阵列数据，且t为筛选出的大类影响因素种类，取类中心向量为t×s；

S25：将类中心向量t×s输入到所述VAE网络模型的解码器中进行解码，解码得出t×m×n；

S26：利用reshape函数对t×m×n进行矩阵还原处理，提取t类所述大类影响因素的对应的所述轴承数据；

S3：将各所述大类影响因素中的所述轴承数据导入到SVM分类模型中，进行多分类处理，获取各不同所述大类影响因素下的不同小类影响因素对所述轴承疲劳寿命的影响程度，以便利用影响程度调节轴承的使用方案。

2.如权利要求1所述的轴承疲劳寿命影响因素的分析方法，其特征在于，在所述S2之前还包括对所述轴承数据进行数据预处理。

3.如权利要求2所述的轴承疲劳寿命影响因素的分析方法，其特征在于，对所述轴承数据进行预处理的方法包括：利用Python语言及其Numpy模块和Pandas模块，对收集的轴承数据进行数据清洗，包括对异常值和缺失值的处理。

4.如权利要求2所述的轴承疲劳寿命影响因素的分析方法，其特征在于，在所述S2中，将所述轴承数据导入到VAE网络模型中，包括将预处理后的所述轴承数据进行数据标准化处理。

5.如权利要求4所述的轴承疲劳寿命影响因素的分析方法，其特征在于，所述数据标准化处理的方法包括，采用公式x*＝(x-min)/(max-min)，将预处理后的轴承数据压缩到[0,1]区间，其中，x为预处理后的所述轴承数据，min为数据最小值，max为数据最大值，max-min为极差。

6.如权利要求1所述的轴承疲劳寿命影响因素的分析方法，其特征在于，在所述S3中，通过调用LibSVM工具箱，实现所述SVM分类模型对所述轴承数据的多分类处理。

7.如权利要求1所述的轴承疲劳寿命影响因素的分析方法，其特征在于，所述大类影响因素包括但不局限于材料、热处理、润滑、服役环境、轴承结构设计。