(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111374095.X (22)申请日 2021.11.18 (71)申请人 江苏科技大学 地址 224299 江苏省盐城市东台市东台 高 新技术产业开发区科创大厦809室 (72)发明人 周元凯　赵欢　左雪　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 代理人 柏尚春 (51)Int.Cl. G01M 13/045(2019.01) G06F 17/16(2006.01) G06F 30/27(2020.01) G06N 3/08(2006.01) (54)发明名称 一种柴油机主轴承的健康评估方法 (57)摘要 本发明公开了一种柴油机主轴承的健康评 估方法， 采集主轴承在不同故障下的振动信号， 经相空间重构及主矢量投影获取可视相轨迹图； 搭建深度卷积神经网络模型； 对 各类故障相轨迹 图标签化， 创建训练集并输入模型中学习； 当交 叉熵损失函数最小时停止迭代， 保存诊断模型； 另一方面， 采集各类故障主轴承在不同健康状态 下的振动信号， 分别计算并统计其最大李雅普诺 夫指数均值， 将之作为健康评估 标准。 评估时， 针 对故障类型依据相应健康评估标准按就近原则 进行健康评估。 本发明可实现对主轴承服役状态 的在线全面监测， 有助于推进主轴承维护方式由 定期更换到视情维护， 可显著提高经济效益。 权利要求书2页 说明书5页 附图3页 CN 114061957 A 2022.02.18 CN 114061957 A 1.一种柴油机主轴承的健康评估方法， 其特 征在于， 包括以下步骤： (1)采集柴油机主轴承的振动信号， 采用相空间重构方法将所述振动信号转化为相轨 迹图； (2)根据相轨迹 图计算所述振动信号的最大李雅普诺夫指数； 将所述相轨迹图输入至 诊断模型， 完成对所采集振动信号 故障类型的诊断， 并将结果输入至健康评估模 型； 所述健 康评估模型的建立包括以下步骤： (21)采集柴油机主轴承各种故障类型中在不同健康状态下的振动信号； (22)采用相空间重构方法将不同健康状态下的振动信号 转化为相轨迹图； (23)根据步骤(2 2)中所得的相轨 迹图计算 最大李雅普诺夫指数； (24)针对轴承的每一种故障类型， 分别统计其各种故障类型在不同健康状态下的最大 李雅普诺夫指数均值， 将其作为 健康评估标准； (3)所述健康评估模型针对步骤(2)中诊断得到的故障类型， 依据该故障类型下的健康 评估标准以及步骤(2)所 得的振动信号的最大李雅普诺夫指数进行健康评估。 2.根据权利要求1所述的柴油机主轴承的健康评估方法， 其特征在于： 步骤(3)中所述 的依据该故障类型下的健康评估标准以及步骤(2)所得的振动信号的最大李 雅普诺夫指数 进行健康评估， 包括精细评估和粗略评估， 所述精细评估是指， 计算正常状态下的李雅普诺 夫指数值， 将故障下的李雅普诺夫指数值与其偏离程度作为健康程度； 粗略评估 是指， 计算 正常状态和故障退化四个阶段下的的李 雅普诺夫指数， 将待评估信号的最大李 雅普诺夫指 数和健康评估标准作比较， 数值上最靠近的健康评估标准所对应的健康状态即为评估结 果。 3.根据权利要求1所述的柴油机主轴 承的健康评估方法， 其特征在于， 所述诊断模型的 建立包括以下步骤： (1)采集柴油机主轴承各种故障下的故障信号； (2)采用相空间重构方法将不同故障下的振动信号 转化为相轨迹图； (3)将主轴承不同故障下的相轨 迹图标签化， 划分训练集、 测试集； (4)建立深度卷积神经网络的图像学习模型， 对输入层、 卷积层、 池化层、 全连接层进行 参数设置； (5)将训练集输入深度卷积神经网络模型中学习， 训练过程包括前向传播与反向权值 更新， 寻找到最小交叉熵损失函数后停止迭代， 得到诊断模型。 4.根据权利要求3所述的柴油机主轴承的健康评估方法， 其特征在于： 在步骤(5)的训 练过程中， 将误诊样本输入模型继续训练， 把训练完成的模型参数通过迁移学习输入到先 前诊断模型中以不断修 正模型。 5.根据权利要求3所述的柴油机主轴 承的健康评估方法， 其特征在于： 所述的将主轴 承 不同故障下的相轨 迹图标签化， 划分训练集、 测试集， 按照8 ∶2比例划分。 6.根据权利要求3所述的柴油机主轴 承的健康评估方法， 其特征在于： 所述的建立深度 卷积神经网络的图像学习模型， 使用Softmax算法进行预测识别， 输出诊断结果， 模型结构 包括： 1)Input输入层， 将相轨 迹图尺寸统一预处 理为227×227； 2)C1卷积层， K ernel数量 为24个， 大小为1 1×11， 步长为 4；权　利　要　求　书 1/2 页 2 CN 114061957 A 23)P1池化层， 池化窗口大小为3 ×3， 步长为2， 采用最大池化方式； 4)C2卷积层， K ernel数量 为24个， 大小为5 ×5， 步长为1； 5)P2池化层， 池化窗口大小为3 ×3， 步长为2， 采用最大池化方式； 6)C3卷积层， K ernel数量 为48个， 大小为5 ×5， 步长为1； 7)P3池化层， 池化窗口大小为3 ×3， 步长为2， 采用最大池化方式； 8)F1全连接层； 9)F2全连接层， 全连接层中设有随机失活层。 7.根据权利要求1所述的柴油机主轴承的健康评估方法， 其特 征在于： 。 其特征在于： 所述相空间重构方法包括以下步骤： (11)将一维 故障振动信号进行相空间重构， 算法如下： Xi＝(xi， xi+τ， xi+2 τ， ...， xi+(m‑1)τ) 式中， x为故障振动信号， Xi为相点矩阵， i＝1， 2， ...， N， N为相点数量， m为嵌入维数， τ为 延迟时间； (12)将重构后 高维空间相轨迹进行主矢量投影获取可视相轨迹图， 其具体算法如下： 令矩阵AXTX， 对A其进行 奇异值分解后得到m个的特征值与特征向量， 选取最 大3个特征值 λ1， λ2， λ3， 将对应的特征向量V1， V2， V3作为矩阵A的主矢量， 将重构后的相空间投影到主矢量方 向， 得到N ×3阶主矢量矩阵B： B＝X[V1， V2， V3] 将矩阵B绘制在三维坐标系中， 实现相轨 迹的可视化。 8.根据权利要求1所述的柴油机主轴 承的健康评估方法， 其特征在于： 所述最大李雅普 诺夫指数求 解包括以下步骤： 1)对于重构后相空间中每 个相点Xa及其邻近点Yb， 经过t时间后， 两相点距离为： da(t)＝Caeγ(t×Δt) 式中， t＝1， 2， ...， min(N ‑a， N‑b)， γ为Xa和Yb的发散率， Ca＝da(0)； Δt表示时间序列的 采样间隔； 2)两边取对数有： ln da(t)＝ln Ca+γ(t×Δt) 3)将上式线性 化为： 式中， q表示非零da(t)的数量； 4)对y(t)进行线性拟合， 求得斜 率即为最大李雅普诺夫指数。 9.根据权利要求1所述的柴油机主轴 承的健康评估方法， 其特征在于： 所述轴 承故障类 型包括故障状态和正常状态； 所述故障状态包括内圈故障、 外圈故障、 滚珠故障。权　利　要　求　书 2/2 页 3 CN 114061957 A 3