(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 202111262819.1 (22)申请日 2021.10.28 (71)申请人 南京工业大 学 地址 210000 江苏省南京市浦珠南路3 0号 申请人 索特传动设备有限公司 (72)发明人 王华　邵逸禹　乾钦荣　傅航　 张磊　 (74)专利代理 机构 北京卓岚智财知识产权代理 事务所 (特殊普通合伙) 11624 代理人 蒋真 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06F 111/10(2020.01) G06F 119/14(2020.01) G06F 119/08(2020.01) G06F 119/04(2020.01) G06F 119/02(2020.01) (54)发明名称 一种基于Attention-MGRU的回转支承寿命 预测方法 (57)摘要 本发明提供了一种基于Attention ‑MGRU的 回转支承寿命预测方法， 包括如下步骤： 选用 深 度学习中能更准确地学习 时间序列长期依赖性 关系的门控循环单元网络， 构建回转支承的多变 量门控循环单元预测模型； 多变量门控循环单元 预测模型 以回转支承的振动、 温度、 扭矩多物理 信号健康指标为输入， 充分利用回转支承运行过 程中的多种观测 信号所传递的信息。 在多变量门 控循环单元预测模型中引入注意力机制， 该机制 的作用在于捕获多物理信号的内部相关性， 多角 度全方位 地考虑剩余寿 命的关联要素。 权利要求书1页 说明书6页 附图6页 CN 114186475 A 2022.03.15 CN 114186475 A 1.一种基于A ttention‑MGRU的回转支承寿命预测方法， 其特 征在于， 包括以下步骤： 步骤1、 构建回转支承的多变量门控循环单元预测模型： 利用经过预处理的振动、 温度、 扭矩信号建模， 引入门控循环单 元(Gated  Recurrent Unit,GRU)； 步骤2、 引入注意力机制： 在步骤1的基础上引入注意力 机制， 分析各要素对剩余使用寿 命(Remaining  Useful Life， RUL)预测的重要程度， 挖掘多要素间的关联性， 实现关键要素 的强化； 步骤3、 建立基于注意力机制的多变量门控循环单元(multivariable  GRU based on  Attention  mechanism， Attention ‑MGRU)模型： 在多变量GRU模型中引入注意力机制， 通过 搭建注意力机制可以探寻多物理信号健康指标与回转支承RUL之间的内在联系， 在量化不 同健康指标对于RUL的影响力的同时， 强化相关性高的健康指标， 建立起完备健全的寿命预 测模型。 2.根据权利要求1所述的基于Attention ‑MGRU的回转支承寿命预测方法， 其特征在于： 所述步骤2 中的注意力机制， 其实质是通过获取Key的权重系数， 从而对V alue加权求和； 计 算过程主要分为三个步骤： 计算权重系数、 对权重数值进行归一化、 加 权求取Attention的 值； 将注意力机制引入回转支承的RUL预测任务中， 分析各要 素对RUL预测的重要程度， 挖掘 多要素间的关联性， 实现关键要素的强化； 权重计算通过多层感知机实现， 以GRU网络前一时刻的隐含层输出ht‑1及当前时刻的要 素 作为多层感知机的输入， 输出 即为当前时刻第n个要素的注意力权重， 计算式为 为量化当前时刻不同要素对于RUL的影响程度， 对 进行归 一化处理， 即为注意力机制最终的输出权重， 其大小直接反映了当前各输入要素对于预 测信息的影响力， 计算式为： 式中， We、 Ue为多层感知机训练得到的神经元权重， be为偏置参数； 将注意力权重赋 予原始输入序列， 依据权重对各要素信息的表达进行增强或削弱， 加权计算后 获得新的序 列Xt， 计算式为： Xt对各要素进行了关联， 实现了关键要素 的强化， 将Xt作为GRU网络的输入序列， 多角度全方位 的考虑剩余寿命的关联要素， 自适应 优化各要素的影响力， 构建更加全面 合理的预测模型。 3.根据权利要求1所述的基于Attention ‑MGRU的回转支承寿命预测方法， 其特征在于： 所述步骤3中所述基于A ttention‑MGRU预测模型 具体功能如下： Attention ‑MGRU预测模型主要包括六个功能模块： 网络预测模块、 输出层模块、 隐含层 模块、 注意力层模块、 输入层模块、 网络训练模块； 其中输入层模块的主要目的是对时序序 列进行初步处理， 以达到网络输入的要求； 注意力层模块用于计算不同健康指标对当前时 刻预测情况的影响权重， 其输入为原始时序序列及GRU网络前一时刻的 隐含层输出， 输出为 加权修正后的时序 序列； 隐含层模块用来搭建 GRU网络结构， 输出层输出最后的预测结果。权　利　要　求　书 1/1 页 2 CN 114186475 A 2一种基于At tention‑MGRU的回转支承寿命 预测方法 技术领域 [0001]本发明涉及回转支承寿命预测领域， 具体涉及一种基于Attention ‑MGRU的回转支 承 寿命预测方法， 是一种高精度剩余使用寿命预测方法。 具体的说是对回转支承的振动、 温 度和扭矩信号利用Attention ‑MGRU建立回转支承寿命预测 模型。 有效地解决了基于单 一 振动信号无法全面获取回转支承退化信息的问题， 为回转支承的寿命评估提供了新的 思路。 背景技术 [0002]随着经济 的快速发展， 社会对于新能源开发及基建工程建设愈发重视， 得益于政 府的 扶持以及开放的市场， 风力发电、 建筑机械、 能源开采等领域稳步发展， 风力发电机、 挖 掘机、 盾构机等大型机械设备的需求不断增加。 回转支承作为机械整机的关键传动部 件， 广泛应用于各大工程实践领域。 据统计， 旋转机械设备的故障中约有70％由轴承损伤 引起， 机械设备的平稳运行一定程度依赖于回转支承的运行可靠性。 回转支承在机械整机 中用于 连接上下回转体， 类似于机械的关节， 一旦发生故障或失效现象， 将加大设备安全 风险系 数， 造成安全隐患， 特别是对于大型机械整机来说， 若因回转支承失效造成停机， 将 会带 来较大的经济损失。 因此， 为保证生产工作的安全平稳运行， 有效提高回转支承运行 可靠 性尤为重要。 [0003]后天的主动运维是提高回转支承运行可靠性的有效途径， 但前提是对回转支承的 寿命 状态进行较准确地评估。 对RUL进行准确预测， 及时失效预警， 提前备件并主动更换，   以减少安全隐患， 避免不必要的经济损失。 鉴于此， 对回转支承进 行有效的RUL预测具  有重 要意义， 为机械 设备的定期保养维护 及后期主动更换备件提供了依据， 是保证设备良  好运 行的基础。 [0004]对设备进行有效的状态评估、 RUL预测可以提前预知潜在风险， 为机械设备的定期 保 养维护以及后 期主动更换备件提供依据， 是保证生产工作的安全平稳运行的基础， 因此 设 备的寿命状态评估一直都是国内外学者研究的热点问题。 回转支承相较于普通轴承来 说， 尺寸较大、 转速低且受力复杂， 常作业于环境恶劣的工况下， 加大了寿命状态评估难 度， 故不少学者对其展开了针对性的研究。 通过研究者们前赴后继的努力， 回转支承的寿 命状 态评估工作已取 得不错的进展， 但从现有 文献来看， 仍存在以下几点需进一 步探讨： [0005](1)仅从单一的振动信号出发难以全面获取回转支承的损伤信息， 损伤类型的不 同 所激发的征兆信号敏感性 也会存在差异。 [0006](2)回转支承试验数据通过间隔方式采集， 时间序列数据存在稀疏性， 影响预测模   型性能。 发明内容 [0007]本发明的目的在 于提出基于Att ention‑MGRU的回转支承寿命预测方法。 本发明提 出 的RUL预测模 型评估系统， 与基于单一振动信号GRU、 多变量MGRU预测模 型对比， 该  预测说　明　书 1/6 页 3 CN 114186475 A 3