(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 202211110398.5 (22)申请日 2022.09.13 (71)申请人 浙江理工大 学 地址 310018 浙江省杭州市下沙高教园区2 号大街928号 (72)发明人 周籽佑　陈文华　潘骏　贺青川　 (74)专利代理 机构 杭州君度专利代理事务所 (特殊普通 合伙) 33240 专利代理师 朱月芬 (51)Int.Cl. G06F 30/20(2020.01) G06F 17/16(2006.01) G06Q 10/04(2012.01) G06F 119/04(2020.01) (54)发明名称 一种基于VMD-SSA-LSTM的滚动轴承剩余使 用寿命预测方法 (57)摘要 本发明公开了一种基于VMD ‑SSA‑LSTM的滚 动轴承剩余使用寿命预测方法， 并将其运用于轴 承剩余寿命预测中。 首先， 构造了基于故障特征 处L∞/L1范数的适应度函数。 该适应度函数利用 了滚动轴承故障建模知 识； 能有效描述故障脉冲 和循环平稳特征， 提高了对滚动轴承振动信号进 行VMD的自适应性。 其次， 本发明提出了一种基于 SES和HD的IM F信号重构方法， 在不丢失原始信号 的情况下提高信噪比。 利用重构信号进行滚动轴 承RUL预测， 提高了预测精度。 权利要求书2页 说明书6页 附图4页 CN 115470630 A 2022.12.13 CN 115470630 A 1.一种基于VMD ‑SSA‑LSTM的滚动轴承剩余使用寿命预测方法， 其特征在于包括以下步 骤： 步骤1、 初始化VMD的分解模态数k和惩罚因子α 的取值范围分别是[kmin， kmax]和[αmin， αmax]， 对原始振动信号进行VMD， 得到k层IMF分量； 步骤2、 根据滚动轴 承的各种故障类型的故障特征频率计算公式表， 计算滚动轴承各种 故障特征频率； 步骤3、 计算 k层IMF分量故障特 征频域处的Lp/Lq范 数F(i)L∞/L1； 步骤4、 将整个特征频域段所包含的M个故障特征频率估计值f(i)的L∞/L1范数相加构造 出IMF分量的L∞/L1范数； 步骤5、 比较[kmin， kmax]和[αmin， αmax]范围内不同k和α 取值得到的ff大小， 并记录最大ff 的对应k和 α 的取值(kbest， αbest)； 步骤6、 对原 始振动信号再次进行VMD， k和 α 的值取为(kbest， αbest)， 得到kbest个IMF分量； 步骤7、 对IMF信号进行重构， 计算信号分解得到的kbest个IMF分量的平方包络谱和 Hausdorf f距离， 得到 HD矩阵： 步骤8、 将计算得到的各IMF分量的L∞/L1范数FSL∞/L1构造成FS向量， 将HD矩阵与 FS向量 相乘， 计算向量HFS中所有元素之和， 计算得到各IMF量的重构因子r， 最终用IMF的分量乘以 重构因子r并求和得到 重构后的信号X(t)； 步骤9、 将重构信号X(t)输入LSTM网络， 得到滚动轴承剩余寿命预测结果。 2.根据权利要求1所述的一种基于VMD ‑SSA‑LSTM的滚动轴承剩余使用寿命预测方法， 其特征在于步骤3的Lp/Lq范 数F(i)L∞/L1， 其中p＝ ∞， q＝1； 其中， SES是平方包络谱， 计算公式为SES[n]＝|x[n]+j*Hilbert{x[n]}|2， Hilbert{.} 表示Hilbert变换； N为特征频域段的故障信号被均匀分割的组数； n表示第n组故障信号， x [n]为第n组故障信号的故障特 征频率估计值f(i)的时域信号。 3.根据权利要求2所述的一种基于VMD ‑SSA‑LSTM的滚动轴承剩余使用寿命预测方法， 其特征在于步骤4所述的IMF分量的L∞/L1范数； 其中， M≤N； 由于对原始振动信号进行VMD得到k层IMF分量， 因此最终得到的适应度函 数ff为： 其中， g表示第层IMF分量。 4.根据权利要求3所述的一种基于VMD ‑SSA‑LSTM的滚动轴承剩余使用寿命预测方法， 其特征在于步骤5比较[kmin， kmax]和[αmin， αmax]范围内不同k和α 取值得到的ff大小， 具体的 实现如下： k和α 从最小 值kmin和αmin开始取， 步长为1， [kmin， kmax]范围内的每个k都将与 [αmin， αmax]范围内所有α 进行组合。权　利　要　求　书 1/2 页 2 CN 115470630 A 25.根据权利要求4所述的一种基于VMD ‑SSA‑LSTM的滚动轴承剩余使用寿命预测方法， 其特征在于对原 始振动信号再次进行VMD， k和 α 的值取为(kbest， αbest)， 得到kbest个IMF分量。 6.根据权利要求5所述的一种基于VMD ‑SSA‑LSTM的滚动轴承剩余使用寿命预测方法， 其特征在于步骤7所述的计算信号分解得到的kbest个IMF分量的平方包络谱和Hausdorff距 离， 得到HD矩阵： 7.根据权利要求6所述的一种基于VMD ‑SSA‑LSTM的滚动轴承剩余使用寿命预测方法， 其特征在于步骤8将计算得到的各IMF分量的L∞/L1范数FSL∞/L1构造成FS向量； 将HD矩阵与FS向量相乘： 计算向量HFS中所有元素之和 通过下式得到各IMF量的重 构因子r： 最终用IMF的分量乘以重构因子r并求和得到 重构后的信号X(t)； 权　利　要　求　书 2/2 页 3 CN 115470630 A 3