[发明专利]一种基于Attention-MGRU的回转支承寿命预测方法

说明书

本发明提供了一种基于Attention‑MGRU的回转支承寿命预测方法，包括如下步骤：选用深度学习中能更准确地学习时间序列长期依赖性关系的门控循环单元网络，构建回转支承的多变量门控循环单元预测模型；多变量门控循环单元预测模型以回转支承的振动、温度、扭矩多物理信号健康指标为输入，充分利用回转支承运行过程中的多种观测信号所传递的信息。在多变量门控循环单元预测模型中引入注意力机制，该机制的作用在于捕获多物理信号的内部相关性，多角度全方位地考虑剩余寿命的关联要素。

技术领域

本发明涉及回转支承寿命预测领域，具体涉及一种基于Attention-MGRU的回转支承寿命预测方法，是一种高精度剩余使用寿命预测方法。具体的说是对回转支承的振动、温度和扭矩信号利用Attention-MGRU建立回转支承寿命预测模型。有效地解决了基于单一振动信号无法全面获取回转支承退化信息的问题，为回转支承的寿命评估提供了新的思路。

背景技术

随着经济的快速发展，社会对于新能源开发及基建工程建设愈发重视，得益于政府的扶持以及开放的市场，风力发电、建筑机械、能源开采等领域稳步发展，风力发电机、挖掘机、盾构机等大型机械设备的需求不断增加。回转支承作为机械整机的关键传动部件，广泛应用于各大工程实践领域。据统计，旋转机械设备的故障中约有70％由轴承损伤引起，机械设备的平稳运行一定程度依赖于回转支承的运行可靠性。回转支承在机械整机中用于连接上下回转体，类似于机械的关节，一旦发生故障或失效现象，将加大设备安全风险系数，造成安全隐患，特别是对于大型机械整机来说，若因回转支承失效造成停机，将会带来较大的经济损失。因此，为保证生产工作的安全平稳运行，有效提高回转支承运行可靠性尤为重要。

后天的主动运维是提高回转支承运行可靠性的有效途径，但前提是对回转支承的寿命状态进行较准确地评估。对RUL进行准确预测，及时失效预警，提前备件并主动更换，以减少安全隐患，避免不必要的经济损失。鉴于此，对回转支承进行有效的RUL预测具有重要意义，为机械设备的定期保养维护及后期主动更换备件提供了依据，是保证设备良好运行的基础。

对设备进行有效的状态评估、RUL预测可以提前预知潜在风险，为机械设备的定期保养维护以及后期主动更换备件提供依据，是保证生产工作的安全平稳运行的基础，因此设备的寿命状态评估一直都是国内外学者研究的热点问题。回转支承相较于普通轴承来说，尺寸较大、转速低且受力复杂，常作业于环境恶劣的工况下，加大了寿命状态评估难度，故不少学者对其展开了针对性的研究。通过研究者们前赴后继的努力，回转支承的寿命状态评估工作已取得不错的进展，但从现有文献来看，仍存在以下几点需进一步探讨：

(1)仅从单一的振动信号出发难以全面获取回转支承的损伤信息，损伤类型的不同所激发的征兆信号敏感性也会存在差异。

(2)回转支承试验数据通过间隔方式采集，时间序列数据存在稀疏性，影响预测模型性能。

发明内容

本发明的目的在于提出基于Attention-MGRU的回转支承寿命预测方法。本发明提出的RUL预测模型评估系统，与基于单一振动信号GRU、多变量MGRU预测模型对比，该预测模型在准确性、稳定性、合理性方面均具有优胜性，具有一定应用价值。

为实现上述目的，本发明采用了如下技术方案：

一种基于Attention-MGRU的回转支承寿命预测方法，其特征在于，包括以下步骤：

步骤1、构建回转支承的多变量门控循环单元预测模型：利用经过预处理的振动、温度、扭矩信号建模，引入门控循环单元(Gated Recurrent Unit,GRU)；

步骤2、引入注意力机制：在步骤1的基础上引入注意力机制，分析各要素对剩余使用寿命(Remaining Useful Life,RUL)预测的重要程度，挖掘多要素间的关联性，实现关键要素的强化；