(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 202111447955.8 (22)申请日 2021.11.30 (71)申请人 东南大学 地址 210000 江苏省南京市江宁区东 南大 学路2号 (72)发明人 贾民平　丁逸飞　黄鹏　胡建中　 许飞云　 (74)专利代理 机构 北京德崇智捷知识产权代理 有限公司 1 1467 代理人 郝雅洁 (51)Int.Cl. G06F 30/27(2020.01) G06F 119/04(2020.01) (54)发明名称 一种基于多源领域自适应的滚动轴承寿命 预测方法 (57)摘要 本发明涉及一种基于多源领域自适应的滚 动轴承寿命预测方法， 包括步骤如下： 在多种工 况条件下采集滚动轴承的全寿命、 多通道振动信 号， 构建多源域轴承全寿命数据集； 对经过降噪 预处理的多通道振动信号提取时频域特征； 确定 超参数以构建多源领域自适应网络， 使用多源域 和目标域训练数据集训练该网络实现回归误差 最小化和多源 领域自适应； 收集测试数据并导入 训练完成的多源领域自适应网络以获得剩余寿 命预测。 本发 明的多工况滚动轴承寿命预测方法 采用的模型具有泛化能力强、 鲁棒性强、 准确度 高等优点。 权利要求书2页 说明书8页 附图2页 CN 114091349 A 2022.02.25 CN 114091349 A 1.一种基于多源领域自适应的滚动轴承寿命预测方法， 其特 征在于， 包括以下步骤： S1、 采集N+1种工况 下轴承在全寿命周期内的振动信号， 去噪处 理后构成数据集； S2、 对振动信号提取时频域特征， 根据剩余寿命信 息对其中N种工况下的数据贴标签构 成标签源域 集， 将剩余 一种工况 下的数据作为目标域 集； S3、 分别从N种工况下对应的所述标签源域集中选出一组数据构成N组源域有标签数据 集， 再从所述目标域集中选出一组目标域无标签数据集， 组成训练集； 从所述目标域集中选 择出测试集； S4、 确定超参数以构建多源领域自适应网络， 所述多源领域自适应网络由一个通用特 征提取器F( ·)、 N个领域特定特征提取器H( ·)和N个领域特定回归器C( ·)构成， 将所述训 练集输入所述多源自适应网络获得输出， 具体包括： 对于任意输入， 首 先通过所述特征提取器F( ·)获得通用特 征； 对于第j个源域的输入 其通用特征 依次通过第j个领域特定特征提取器Hj (·)获得隐特征 以及第j个领域特定特征回归器Cj(·)获得输出 对于目标域的输入 其通用特征 并行地通过N个领域特定特征提取器获得N个隐 S5、 利用所述训练集， 采用训练目标函数训练所述多源自适应网络； S6、 将所述测试集输入训练好的多源领域自适应网络， 获得 预测结果。 2.根据权利要求1所述的基于多源领域自适应的滚动轴承寿命预测方法， 其特征在于， 步骤S5中， 采用训练目标函数训练所述多源自适应网络， 包括以下步骤： S51、 定义回归误差函数为 N组源域有标签数据集的均方误差， 计算表达式如下： 式中， θF、 知 分别为通用特征提取器、 第j个领域特定特征提取器和第j个领域特 定特征回归器的可训练参数； 为源域有标签数据的真值， 为经过多源领域自适应网络 输出的估计值； S52、 定义领域特定分布自适应目标函数如下： 式中， λ′为权衡参数； 分别为域间的最大平均差异和相关对齐度量， 表达 式分别为： 权　利　要　求　书 1/2 页 2 CN 114091349 A 2式中， 和Xt分别表示 一个批次的源域和目标域样本的堆叠矩阵； dMMD(·)和dCORAL(·) 分别为对应的度量 函数； S53、 定义领域特定回归自适应目标函数如下： 式中， C(N， 2)＝ N(N‑1)/2为组合数。 S54、 结合S51至S5 3的目标函数构建完整训练目标函数如下： 式中， γ和 μ均为权衡参数； 为时变权衡， 其中t和tm分别为当前和最 大迭代次数： S55、 使用随机梯度下降算法迭代tm次， 直到训练误差收敛， 目标函数各项稳定， 获得训 练好的多源领域自适应网络 。 3.根据权利要求1所述的基于多源领域自适应的滚动轴承寿命预测方法， 其特征在于， 步骤S6具体包括： 将测试集Xtes输入到训练好的多源领域自适应网络， 获得N个领域特定特征回归器的输 出 取均值后获得 预测剩余寿命结果： 。权　利　要　求　书 2/2 页 3 CN 114091349 A 3