【技术实现步骤摘要】
本专利技术属于寿命预测，具体涉及一种齿轮部件使用寿命预测方法及系统。
技术介绍
1、齿轮部件作为机械传动系统的重要组成部分，主要功能是用于传递扭矩和运动，通过其齿形和齿距的设计，实现动力的高效、平稳传递。在工业机械、汽车等领域，齿轮部件都是不可或缺的关键部件。因此其性能与寿命直接影响到整个机械系统的稳定性和可靠性。传统的齿轮部件寿命预测方法主要基于材料力学和弹性力学等理论，通过计算齿轮的应力分布和疲劳强度来评估其使用寿命。这些方法往往忽略了齿轮在实际工作中的复杂环境和多因素耦合作用，导致预测结果与实际情况存在较大偏差。
技术实现思路
1、本专利技术旨在解决现有技术的不足，提出一种齿轮部件使用寿命预测方法及系统，通过采用微波与图像视觉技术对齿轮部件进行三维建模，从内部损伤到外部形态，很好的模拟了齿轮部件的真实状态，通过对三维模型增加振动信号的方式，模拟其真实运行工况，结合其历史振动信号，通过对振动反馈信号进行分析，可以准确对其进行寿命预测。
2、为实现上述目的，本专利技术提供了如下方案：一种齿轮部件使用寿命预测方法，包括以下步骤：
3、s1、对待预测齿轮部件进行无损检测，基于检测结果，构建待预测齿轮部件的三维模型；
4、s2、对所述三维模型加入振动，得到振动反馈信号；
5、s3、构建预测模型，采用所述预测模型对所述振动反馈信号进行特征提取，得到特征信号，基于所述特征信号进行寿命预测。
6、进一步优选地，s1包括以下步骤：p>
7、s11、对待预测齿轮部件发射微波信号，并接收返回的回波信号；对所述回波信号进行采样、预处理，得到初始图像；
8、s12、对所述初始图像进行三维化，得到三维初始图像；
9、s13、采用视觉采集设备对待预测齿轮部件进行图像采集，得到待预测齿轮部件的外部图像信息；
10、s14、基于所述三维初始图像和所述外部图像信息，得到所述三维模型。
11、进一步优选地，s3中，所述预测模型的训练方法包括：
12、步骤一、采集齿轮部件历史振动信号以及时刻，得到训练样本集；
13、步骤二、提取所述历史振动信号的特征信号，基于所述特征信号对所述预测模型进行训练；并基于训练后的所述预测模型进行寿命预测，得到预测结果；
14、步骤三、将所述预测结果与失效时的特征信号对应的时刻进行对比，在预设阈值范围内，完成训练；否则，返回步骤二，直到满足停止条件。
15、进一步优选地，所述预测模型包括：特征提取单元、循环单元以及预测单元；
16、所述特征提取单元用于对所述振动反馈信号进行特征提取，得到所述特征信号；
17、所述循环单元以所述特征信号作为输入，进行循环训练，得到训练数据；
18、所述预测单元以所述训练数据作为输入，进行寿命预测，得到预测结果。
19、本专利技术还提供了一种齿轮部件使用寿命预测系统，包括：模型构建系统、获取系统以及预测系统；
20、所述模型构建系统用于对待预测齿轮部件进行无损检测，基于检测结果，构建待预测齿轮部件的三维模型；
21、所述获取系统用于对所述三维模型加入振动，得到振动反馈信号；
22、所述预测系统用于构建预测模型，采用所述预测模型对所述振动反馈信号进行特征提取，得到特征信号，基于所述特征信号进行寿命预测。
23、进一步优选地，模型构建系统包括：微波处理模块、三维处理模块、图像采集模块以及融合模块；
24、所述微波处理模块用于对待预测齿轮部件发射微波信号，并接收返回的回波信号；对所述回波信号进行采样、预处理，得到初始图像；
25、所述三维处理模块用于对所述初始图像进行三维化，得到三维初始图像；
26、所述图像采集模块采用视觉采集设备对待预测齿轮部件进行图像采集，得到待预测齿轮部件的外部图像信息；
27、所述融合模块基于所述三维初始图像和所述外部图像信息，得到所述三维模型。
28、进一步优选地，所述预测系统包括：构建模块、训练模块以及预测模块；
29、所述构建模块用于构建所述预测模型；
30、所述训练模块用于对所述预测模型进行训练，得到训练后的所述预测模型；
31、所述预测模块用于采用训练后的所述预测模型对齿轮部件进行寿命预测，得到预测结果。
32、进一步优选地，所述训练模块对所述预测模型的训练方法包括：
33、步骤一、采集齿轮部件历史振动信号以及时刻，得到训练样本集；
34、步骤二、提取所述历史振动信号的特征信号，基于所述特征信号对所述预测模型进行训练；并基于训练后的所述预测模型进行寿命预测，得到预测结果；
35、步骤三、将所述预测结果与失效时的特征信号对应的时刻进行对比，在预设阈值范围内，完成训练；否则，返回步骤二，直到满足停止条件。
36、进一步优选地，所述预测模型包括：特征提取单元、循环单元以及预测单元；
37、所述特征提取单元用于对所述振动反馈信号进行特征提取，得到所述特征信号；
38、所述循环单元以所述特征信号作为输入，进行循环训练，得到训练数据；
39、所述预测单元以所述训练数据作为输入，进行寿命预测，得到所述预测结果。
40、与现有技术相比，本专利技术的有益效果为：
41、本专利技术通过采用微波与图像视觉技术对齿轮部件进行三维建模，从内部损伤到外部形态，很好的模拟了齿轮部件的真实状态，通过对三维模型增加振动信号的方式，模拟其真实运行工况，结合其历史振动信号，通过对振动反馈信号进行分析，可以准确对其进行寿命预测。
本文档来自技高网...【技术保护点】
1.一种齿轮部件使用寿命预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种齿轮部件使用寿命预测方法，其特征在于，S1包括以下步骤：
3.根据权利要求1所述一种齿轮部件使用寿命预测方法，其特征在于，S3中，所述预测模型的训练方法包括：
4.根据权利要求1所述一种齿轮部件使用寿命预测方法，其特征在于，所述预测模型包括：特征提取单元、循环单元以及预测单元；
5.一种齿轮部件使用寿命预测系统，所述系统用于实现权利要求1-4任一项所述的方法，其特征在于，包括：模型构建系统、获取系统以及预测系统；
6.根据权利要求5所述一种齿轮部件使用寿命预测系统，其特征在于，模型构建系统包括：微波处理模块、三维处理模块、图像采集模块以及融合模块；
7.根据权利要求5所述一种齿轮部件使用寿命预测系统，其特征在于，所述预测系统包括：构建模块、训练模块以及预测模块；
8.根据权利要求7所述一种齿轮部件使用寿命预测系统，其特征在于，所述训练模块对所述预测模型的训练方法包括：
9.根据权利要求7所述一种齿轮
...【技术特征摘要】
1.一种齿轮部件使用寿命预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种齿轮部件使用寿命预测方法，其特征在于，s1包括以下步骤：
3.根据权利要求1所述一种齿轮部件使用寿命预测方法，其特征在于，s3中，所述预测模型的训练方法包括：
4.根据权利要求1所述一种齿轮部件使用寿命预测方法，其特征在于，所述预测模型包括：特征提取单元、循环单元以及预测单元；
5.一种齿轮部件使用寿命预测系统，所述系统用于实现权利要求1-4任一项所述的方法，其特征在于，包括：模型构建系统、获取系统以及...
【专利技术属性】
技术研发人员：顾颉颖，刘峻铭，田莹，张佳瑶，冯龙，王阳，刘洋，范宇鑫，于佳民，田圣钰，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。