(19)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 202211098106.0 (22)申请日 2022.09.08 (71)申请人 上海电气风电集团股份有限公司 地址 200241 上海市闵行区东川路5 55号己 号楼8楼200241 申请人 大连理工大 学 (72)发明人 姜孝谟　赵慧君　杨海宾　赵庆港　 蒋勇　成骁彬　林琳　 (74)专利代理 机构 北京博思佳知识产权代理有 限公司 1 1415 专利代理师 陈蕾 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06F 119/02(2020.01) (54)发明名称 轴承剩余寿命预测方法、 装置、 系统和可读 存储介质 (57)摘要 本申请提供一种轴承剩余寿命 预测方法、 装 置、 系统和可读存储介质。 其中方法包括获取待 预测轴承的待测时序数据； 提取所述待测时序数 据的待测时域特征； 根据所述待测时域特征， 利 用时序处理模 型， 得到与所述待测时域特征关联 的估计值， 所述时序处理模型是通过轴承样本的 全周期数据训练得到的， 所述轴承样本的全周期 数据包括轴承样本的健康数据和轴承样本的故 障数据， 估计值是根据待测时域特征及轴承样本 的健康数据， 使用时序处理模型得到的； 根据所 述估计值与所述待测时域特征， 确定残差值； 依 据所述残差值与轴承寿命之间的一对一的对应 关系， 确定所述残差值对应的轴承寿命， 作为所 述待预测轴承的剩余寿命。 如此， 预测的轴承寿 命更为准确。 权利要求书2页 说明书10页 附图10页 CN 115438443 A 2022.12.06 CN 115438443 A 1.一种轴承剩余寿命预测方法， 其特 征在于， 包括： 获取待预测轴承的待测时序数据； 提取所述待测时序数据的待测时域特 征； 根据所述待测时域特征， 利用时序处理模型， 得到与所述待测时域特征关联的估计值， 所述时序处理模型是通过轴承样本的全周期数据训练得到的， 所述轴承样本的全周期数据 包括轴承样本的健康数据和轴承样本的故障数据， 所述估计值是根据所述待测时域特征及 所述轴承样本的健康数据， 使用所述时序处 理模型得到的； 根据所述估计值与所述待测时域特 征， 确定残差值； 依据所述残差值与轴承寿命之间的一对一的对应关系， 确定所述残差值对应的轴承寿 命， 作为所述待预测轴承的剩余寿命。 2.如权利要求1所述的轴 承剩余寿命预测方法， 其特征在于， 所述轴承剩余寿命预测方 法还包括： 获取轴承样本的全周期数据； 提取所述全周期数据的时域特 征； 对所述时域特征进行处理， 得到处理后的所述时域特征， 所述处理后的时域特征包括 健康数据对应的时域特 征及故障数据对应的时域特 征； 利用处理后的所述时域特 征对所述时序处 理模型进行训练； 使用所述健康数据对应的时域特征输入至所述 时序处理模型， 得到所述健康数据对应 的时域特 征关联的预测值； 确定所述预测值与 所述故障数据对应的时域特征之间的残差曲线， 所述残差曲线包括 故障数据的残差值； 所述 故障数据包括所述 故障数据的故障发生起始时刻及故障发生时间 段； 根据所述残差曲线， 确定所述残差值与轴承寿命之间的一对一的对应关系。 3.如权利要求2所述的轴承剩余寿命预测方法， 其特 征在于， 所述对所述时域特 征进行处 理， 得到处 理后的所述时域特 征， 包括： 对所述时域特 征进行归一 化处理， 得到归一 化后的所述时域特 征； 所述利用处理后的所述 时域特征对所述 时序处理模型进行训练， 并得到所述待测时域 特征关联的预测值， 包括： 利用归一 化后的所述时域特 征对所述时序处 理模型进行训练。 4.如权利要求1所述的轴承剩余寿命预测方法， 其特 征在于， 所述方法还 包括： 采用如下 方式， 获取 所述残差值与轴承寿命之间的一对一的对应关系： 根据所述轴承样本的残差数据及所述轴承样本的轴承寿命， 构建残差曲线； 拟合所述残差曲线， 得到拟合曲线， 所述残差曲线包括残差值与轴承寿命之间的一对 多的对应关系， 所述拟合曲线包括残差值与轴承寿命之间的一对一的对应关系。 5.如权利要求4所述的轴承剩余寿命预测方法， 其特征在于， 所述拟合所述残差曲线， 得到拟合曲线， 包括： 使用指数函数， 对所述故障发生 时间段对应的残差曲线进行拟合， 得到拟合曲线， 所述 残差曲线包括残差值与轴承寿命之 间的一对多的对应关系， 所述拟合曲线包括残差值与轴 承寿命之间的一对一的对应关系。权　利　要　求　书 1/2 页 2 CN 115438443 A 26.如权利要求1至5任一项所述的轴承剩余寿命预测方法， 其特征在于， 所述时序处理 模型包括Bayes ‑LSTM模型或Bayes ‑GRU模型。 7.如权利要求1所述的轴 承剩余寿命预测方法， 其特征在于， 所述根据 所述待测时域特 征， 利用时序处 理模型， 得到与所述待测时域特 征关联的估计值， 包括： 对所述待测时域特 征进行处 理， 得到处 理后的所述待测时域特 征； 将处理后的所述待测时域特 征输入至所述时序处 理模型中， 以输出 所述估计值。 8.如权利要求7所述的轴 承剩余寿命预测方法， 其特征在于， 所述对所述待测时域特征 进行处理， 得到处理后的所述待测时域特征， 包括： 从所述待测时序数据 的待测时域特征 中， 选择表征轴承退化趋势的任一待测时域特征； 对所选择 的任一待测时域特征进行归一 化处理， 得到归一化后的所述待测时域特征； 所述将处理后的所述待测时域特征输入至所 述时序处理模型中， 以输出所述估计值， 包括： 将归一化后的所述待测时域特征输入至所述 时序处理模型中， 以输出所述估计值； 所述根据所述估计值与所述待测时域特征， 确定残差 值， 包括： 确定所述估计值， 与所选择的任一待测时域特 征之间的残差， 作为所述残差值； 和/或， 所述对所述待测时域特征进行处理， 得到归一化后的所述待测时域特征， 包括： 从所述 待测时序数据的待测时域特征中， 选择表征轴承退化趋势的多个待测时域特征； 对所选择 的多个待测时域特征进行归一化处理， 得到归一化后的所述待测时域特征； 所述将处理后 的所述待测时域特征输入至所述时序处理模型中， 以输出所述估计值， 包括： 将归一化处理 后的所述待测时域特征输入至所述时序 处理模型中， 以输出所述估计值； 所述根据所述估 计值与所述待测时域特征， 确定残差值， 包括： 确定所述估计值， 与所选择的多个待测时域 特征之间的多个残差； 确定所述多个残差的平均值， 作为所述残差值。 9.一种轴承剩余寿命预测装置， 其特 征在于， 包括： 获取模块， 用于获取待预测轴承的待测时序数据； 提取模块， 用于提取 所述待测时序数据的待测时域特 征； 第一处理模块， 用于根据 所述待测时域特征， 利用时序处理模型， 得到与 所述待测时域 特征关联的估计值， 所述时序处理模型是通过轴承样本的全周期数据训练得到的， 所述轴 承样本的全周期数据包括轴承样本的健康数据和轴承样本的故障数据， 所述估计值是根据 所述待测时域特 征及所述轴承样本的健康数据， 使用所述时序处 理模型得到的； 第二处理模块， 用于根据所述估计值与所述待测时域特 征， 确定残差值； 第三处理模块， 用于依据所述残差值与轴承寿命之间的一对一的对应关系， 确定所述 残差值对应的轴承寿命， 作为所述待预测轴承的剩余寿命。 10.一种轴承剩余寿命预测系统， 其特征在于， 包括一个或多个处理器， 用于实现如权 利要求1‑8中任一项所述的轴承剩余寿命预测方法。 11.一种计算机可读存储介质， 其特征在于， 其上存储有程序， 该程序被处理器执行时， 实现如权利要求1 ‑8中任一项所述的轴承剩余寿命预测方法。权　利　要　求　书 2/2 页 3 CN 115438443 A 3