摘要
本发明公开了一种使用健康指标的电机轴承剩余使用寿命预测方法及系统,属于自动化技术领域。本发明的方法先对振动信号序列进行时域、频域和时频域特性提取,利用单调性和时间相关性筛选能准确反映退化过程的敏感特征。将筛选后的特征进行主成分分析降维,选取最大主成分作为健康指标。计算健康指标的起始退化点并对数据集进行划分。在进行剩余使用寿命预测时,将输入信号分解为趋势部分和残差部分,并使用不同的模型进行特征提取,最后输出剩余使用寿命预测结果。本发明通过健康指标构建、信号分解、特征提取、剩余使用寿命预测等步骤,可在准确划分退化阶段同时对退化阶段的数据进行准确的特征提取和寿命预测,提高寿命预测准确性。
技术关键词
剩余使用寿命预测
电机轴承
指标
频域特征
序列
多尺度卷积神经网络
信号
深度学习模型
计算机电子设备
主成分分析降维
特征值
协方差矩阵
时域特征提取
时间卷积网络
数据
存储计算机程序
系统为您推荐了相关专利信息
协同交易方法
负荷关联系数
多能源
可再生能源
协方差指标
供电测试方法
神经网络模型
量子态
统计特征提取
指数