[发明专利]一种基于GRU超参数优化的风机主轴轴承寿命预测方法

权利要求书

1.一种基于GRU超参数优化的风机主轴轴承寿命预测方法，其特征在于，该预测方法具体步骤如下：

(1)寻找最优参数：按照事先设定的规则将原始样本分为训练集和测试集，并通过训练样本对模型进行训练，再用测试样本对训练得到的模型进行验证，以此评价模型的准确性，对于小数据样本，采用留一法进行交叉验证；

(2)轴承寿命预测：采集轴承振动信号，同时确定GRU神经网络的参数选取，将轴承振动信号输入，并对轴承剩余使用寿命进行预测实验。

2.根据权利要求1所述的一种基于GRU超参数优化的风机主轴轴承寿命预测方法，其特征在于，步骤(1)中所述交叉验证具体步骤如下：

步骤一：从N组观测数据集中选择一个观测数据作为验证数据；

步骤二：使用剩下的观测数据拟合一个测试模型，并用最先被排除的那个观测值来验证测试模型的精度，并通过均方根误差对该预测模型的预测能力进行计算，如此重复n次；

步骤三：对生成的精度参数进行参数优化处理。

3.根据权利要求2所述的一种基于GRU超参数优化的风机主轴轴承寿命预测方法，其特征在于，步骤二中所述均方根误差具体计算公式如下：

其中，E(y_i)表示第i个实际观测值，y_i为模型反演出的第i个预测值，n是观测样本总数。

4.根据权利要求2所述的一种基于GRU超参数优化的风机主轴轴承寿命预测方法，其特征在于，步骤三中所述优化处理具体步骤如下：

第一步：初始化参数范围，并令学习率η＝[0.0001，0.1]，步长为0.0001；

第二步：建立数据样本，同时列出所有可能的数据结果，一共1000组数据；

第三步：划分样本，对于每一组数据，选取任意一个子集作为测试集，其余999个子集作为训练集，训练模型后对测试集进行预测，统计测试结果的均方根误差；

第四步：求取最优参数组合，同时将测试集更换为另一子集，再取剩余999个子集作为训练集，再次统计均方根误差，直至对1000组数据都进行一次预测，通过选取RMSE最小时对应的组合参数即为数据区间内最优的参数。

5.根据权利要求1所述的一种基于GRU超参数优化的风机主轴轴承寿命预测方法，其特征在于，步骤(2)中所述预测实验具体步骤如下：

S1：通过传感器实时采集轴承振动信号，同时对振动信号进行预处理工作，并通过时域和频域的方法提取特征参数；

S2：筛选出能够表示轴承退化信息的特征参数，并筛除对于表征能力差的特征参数；

S3：设置轴承样本寿命标签，标签设置为当前样本所对应的轴承剩余使用寿命的归一化值；

S4：将轴承振动数据样本划分为训练集和测试集，并对训练集进行标准化处理；

S5：将训练样本输送到GRU网络模型中，设置模型具体参数，采用长期迭代法训练该预测模型，并将测试集输入到训练好的模型中，画出轴承剩余寿命预测曲线，并加以分析。

6.根据权利要求5所述的一种基于GRU超参数优化的风机主轴轴承寿命预测方法，其特征在于，S3中所述归一化值具体计算步骤如下：

其中，rul_max表示轴承剩余寿命预测阀值，rul_real表示轴承实际剩余使用寿命；rul表示当前样本经裁剪后的剩余使用寿命；rul_t表示样本数据寿命归一化值。

7.根据权利要求5所述的一种基于GRU超参数优化的风机主轴轴承寿命预测方法，其特征在于，S4中所述标准化处理具体计算公式如下：

其中，x表示提出的特征参数；mean(x)表示对所提特征参数进行平均处理；std(x)表示对特征参数求标准差。