一种基于机器学习的实时润滑油状态监测方法

本发明公开了一种基于机器学习的实时润滑油状态监测方法，具体涉及状态监测技术领域，包括在润滑油系统进入平稳工作状态后，通过采集油箱中的静态特征作为输入，将油箱故障等级概率分布作为模糊贝叶斯神经网络模型的输出，构建模糊贝叶斯神经网络模型，根据监测区间内模糊贝叶斯神经网络模型的输出，将监测区间内的不同故障等级的概率值综合分析，确定油箱中润滑油的状态，基于管道中的润滑油的动态特征，采集管道预设位置处的物理信息和风险信息，确定管道中润滑油的状态，基于量化油箱和管道中润滑油的状态，根据训练的神经网络模型，实现对润滑油状态的预警功能，发明有助于润滑油状态监测的全面性和准确性。