[发明专利]基于数据增强的轴承剩余寿命预测方法、装置及电子设备

权利要求书

1.一种基于数据增强的轴承剩余寿命预测方法，其特征在于，所述方法包括：

获取轴承运行产生的轴承振动信号，并对所述轴承振动信号进行数据增强处理，并基于数据增强处理后的振动信号，确定出表征该轴承衰退过程的高维度特征；

将所述高维度特征输入到预先训练好的轴承剩余寿命预测模型中，得到表征该轴承的退化趋势的预测结果，其中，所述轴承剩余寿命预测模型为卷积神经网络模型。

2.根据权利要求1所述的基于数据增强的轴承剩余寿命预测方法，其特征在于，所述获取轴承运行产生的轴承振动信号，并对所述轴承振动信号进行数据增强处理，包括：

对该轴承的运行过程进行采样，每次采样得到一份轴承振动信号，其中，相邻两次采样之间的采样间隔为s₁秒，每次采样的采样时长为s₂秒；

根据欲进行增强处理的目标振动信号，确定出所述目标振动信号之后的多份待处理振动信号，其中，所述目标振动信号为一份轴承振动信号，多份待处理振动信号为所述目标振动信号之后依次采样的多份轴承振动信号；

将所述目标振动信号与多份所述待处理振动信号进行合并，实现对所述轴承振动信号的数据增强处理。

3.根据权利要求2所述的基于数据增强的轴承剩余寿命预测方法，其特征在于，所述采样间隔为10秒，所述采样时长为0.1秒，采样频率为25.6kHz，所述待处理振动信号为2份，所述将所述目标振动信号与多份所述待处理振动信号进行合并，包括：

将所述目标振动信号与2份所述待处理振动信号进行合并，以及，将所述目标振动信号与2份所述待处理振动信号中的相邻振动信号合并，将2份所述待处理振动信号进行合并，实现对所述轴承振动信号的数据增强处理，其中，所述相邻振动信号与所述目标振动信号在采样次序上相邻。

4.根据权利要求3所述的基于数据增强的轴承剩余寿命预测方法，其特征在于，所述基于数据增强处理后的振动信号，确定出表征该轴承衰退过程的高维度特征，包括：

分别计算所述目标振动信号的时域特征和频域特征，以及，计算2份所述待处理振动信号各自的时域特征和频域特征；

计算将所述目标振动信号与2份所述待处理振动信号合并后得到的第一合并振动信号的时域特征和频域特征，以及，计算将所述目标振动信号与所述相邻振动信号合并后得到的第二合并振动信号的时域特征和频域特征，计算将2份所述待处理振动信号进行合并后得到的第三合并振动信号的时域特征和频域特征，以得到所述高维度特征，其中，所述高维度特征包括所述目标振动信号、每份所述待处理振动信号、所述第一合并振动信号、所述第二合并振动信号和第三合并振动信号的所有的时域特征和频域特征。

5.根据权利要求4所述的基于数据增强的轴承剩余寿命预测方法，其特征在于，一份轴承振动信号的所述时域特征包含均方根、峰度因数和峰度，且X方向和Y方向的轴承振动信号分别有3个时域特征，一份轴承振动信号的所述频域特征采用采用FSPS频域特征，所述频域特征包含相等间距的6个区段，即，每份轴承振动信号的时域特征和频域特征为18维，

对应的，所述高维度特征包括所述目标振动信号、每份所述待处理振动信号、所述第一合并振动信号、所述第二合并振动信号和第三合并振动信号的所有的时域特征和频域特征，即，所述高维度特征的时域特征和频域特征为108维。