摘要
一种基于机器学习的齿轮裂纹拓展预测分析方法及系统,涉及机械齿轮分析技术领域,该分析方法的步骤包括基于预设的边缘传感节点,实时获取齿轮的振动、声发射及温度时序信号,得到原始多模态数据集;对所述原始多模态数据集进行时空对齐和降噪处理,输出标准化齿轮数据矩阵;将所述标准化齿轮数据矩阵输入至训练好的齿轮裂纹分析模型内,计算齿轮健康置信度指标;当所述齿轮健康置信度指标低于阈值时,基于齿轮实时数据解析齿轮裂纹长度及应力强度因子变化率;根据所述齿轮裂纹长度及应力强度因子变化率进行数值积分,输出齿轮剩余寿命预测值。本发明具有实现齿轮全周期动态预测,提高齿轮裂纹预测精度的效果。
技术关键词
齿轮裂纹
预测分析方法
分析模型参数
声发射
实时数据
裂纹尺寸
多模态
传感节点
输出齿轮
误差矩阵
预测分析系统
因子
应力
指标
寿命
概率分布函数
热传导方程
系统为您推荐了相关专利信息
动态网格
布设方法
信号传播模型
数据采集精度
地形特征
动力检测系统
动力制动器
压力传感器模块
数据处理模块
数据采集模块
电力设备
数据处理系统
数字孪生模型
风险
设备数据处理技术
智能分析系统
预测建模
分层数据结构
光伏发电功率
能源管理模块
火电机组深度调峰
优化控制方法
模型预测值
学习器
连续监测系统