铁路轴承健康监测方法、装置、系统、终端及存储介质

1.本发明涉及轴承健康监测技术领域，尤其涉及一种铁路轴承健康监测方法、装置、系统、终端及存储介质。


背景技术：

2.滚动轴承作为走行部的关键旋转部件之一，由于其工作环境恶劣、复杂，极易发生各类故障，导致设备异常，甚至引起重大安全事故，造成严重人员伤亡及经济损失。
3.长期以来滚动轴承的运行维护处于定期检修、强制报废的过度维护状态，造成了资源的大量浪费。因此，如何准确判断滚动轴承的健康状态和服役寿命，推动智能运维体系发展是目前亟待解决的问题。


技术实现要素：

4.本发明实施例提供了一种铁路轴承健康监测方法、装置、系统、终端及存储介质，以解决目前无法准确判断滚动轴承的健康状态和服役寿命，导致大量资源浪费的问题。
5.第一方面，本发明实施例提供了一种铁路轴承健康监测方法，包括：
6.获取待监测滚动轴承的原始振动信号；
7.采用基于循环包络经验傅里叶分解方法，根据原始振动信号，确定待监测滚动轴承的健康指标数据；
8.根据健康指标数据，对待监测滚动轴承进行故障诊断，得到待监测滚动轴承的故障诊断结果；
9.根据健康指标数据，对待监测滚动轴承的剩余寿命进行预测，得到待监测滚动轴承的剩余寿命预测结果。
10.在一种可能的实现方式中，采用基于循环包络经验傅里叶分解方法，根据原始振动信号，确定待监测滚动轴承的健康指标数据，包括：
11.将原始振动信号进行快速傅里叶变换，得到对应的信号频谱；
12.将信号频谱进行循环包络，得到频谱包络曲线；
13.对频谱包络曲线进行频带分割，得到多个频带包络曲线；
14.构建零相位滤波器，采用逆快速傅里叶变换对每个频带包络曲线进行信号重构，得到多个单分量信号；
15.基于多个单分量信号，确定待监测滚动轴承的健康指标数据。
16.在一种可能的实现方式中，单分量信号包括分量时域波形和分量包络曲线；
17.相应地，基于多个单分量信号，确定待监测滚动轴承的健康指标数据，包括：
18.基于各分量时域波形和各分量包络曲线，确定待监测滚动轴承的健康指标数据。
19.在一种可能的实现方式中，根据健康指标数据，对待监测滚动轴承的剩余寿命进行预测，得到待监测滚动轴承的剩余寿命预测结果，包括：
20.将健康指标数据，输入预先训练好的基于注意力机制的双向长短期记忆da-blstm
网络模型中，得到待监测滚动轴承的剩余寿命预测结果。
21.在一种可能的实现方式中，在将健康指标数据，输入预先训练好的基于注意力机制的双向长短期记忆da-blstm网络模型中，得到待监测滚动轴承的剩余寿命预测结果之前，还包括：
22.获取健康指标数据样本集，健康指标数据样本集包括多个已标注剩余寿命的健康指标样本数据；
23.采用基于灰色关联的聚类和分类gracc方法，对健康指标数据样本集进行聚类，得到多个簇；
24.针对每个簇，将该簇划分为训练集和测试集，并基于该簇对应的训练集对预先构建的da-blstm网络模型进行单独训练，基于该簇对应的测试集对经过训练的da-blstm网络模型进行单独测试，得到预先训练好的da-blstm网络模型。
25.在一种可能的实现方式中，da-blstm网络模型包括依次连接的第一层卷积层、第二层卷积层、第一层最大池化层、第三层卷积层、第二层最大池化层、输入注意力层、双向lstm层、方向注意力层和全连接层。
26.第二方面，本发明实施例提供了一种铁路轴承健康监测装置，包括：
27.获取模块，用于获取待监测滚动轴承的原始振动信号；
28.健康指标数据提取模块，用于采用基于循环包络经验傅里叶分解方法，根据原始振动信号，确定待监测滚动轴承的健康指标数据；
29.故障诊断模块，用于根据健康指标数据，对待监测滚动轴承进行故障诊断，得到待监测滚动轴承的故障诊断结果；
30.寿命预测模块，用于根据健康指标数据，对待监测滚动轴承的剩余寿命进行预测，得到待监测滚动轴承的剩余寿命预测结果。
31.第三方面，本发明实施例提供了一种终端，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，执行如上第一方面或第一方面的任一种可能的实现方式所述的铁路轴承健康监测方法。
32.第四方面，本发明实施例提供了一种铁路轴承健康监测系统，包括加速度计、采集卡、电源适配器和如第三方面所述的终端；
33.加速度计通过采集卡与终端的gpio端口连接；电源适配器与终端的电源接口连接；
34.其中，终端为树莓派。
35.第五方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述的铁路轴承健康监测方法的步骤。
36.本发明实施例提供一种铁路轴承健康监测方法、装置、系统、终端及存储介质，通过获取待监测滚动轴承的原始振动信号；采用基于循环包络经验傅里叶分解方法，根据原始振动信号，确定待监测滚动轴承的健康指标数据；根据健康指标数据，对待监测滚动轴承进行故障诊断，得到待监测滚动轴承的故障诊断结果；根据健康指标数据，对待监测滚动轴承的剩余寿命进行预测，得到待监测滚动轴承的剩余寿命预测结果，能够准确判断滚动轴承的健康状态和服役寿命，推动智能运维体系发展，避免定期检修导致的大量资源浪费。
附图说明
37.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
38.图1是本发明实施例提供的铁路轴承健康监测方法的流程示意图；
39.图2是本发明实施例提供的铁路轴承健康监测装置的结构示意图；
40.图3是本发明实施例提供的终端的示意图。
具体实施方式
41.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
42.为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
43.参见图1，其示出了本发明实施例提供的铁路轴承健康监测方法的实现流程图。铁路轴承健康监测方法的执行主体可以是终端，该终端可以是树莓派。
44.参见图1，上述铁路轴承健康监测方法包括：
45.在s101中，获取待监测滚动轴承的原始振动信号。
46.可以通过粘贴在轴箱上的加速度计，采集待监测滚动轴承的原始振动信号。其中，加速度计可以是iepe(integrated electronics piezo electric，集成电路型压电式)加速度传感器，其可以生成分析来自电机电流信号的相应特征和损坏特性所需的振动信号数据。
47.在s102中，采用基于循环包络经验傅里叶分解方法，根据原始振动信号，确定待监测滚动轴承的健康指标数据。
48.其中，待监测滚动轴承的健康指标数据包括可用于对待监测滚动轴承进行健康监测的相关指标数据。可以根据原始振动信号，采用基于循环包络经验傅里叶分解方法，得到待监测滚动轴承的健康指标数据。
49.在s103中，根据健康指标数据，对待监测滚动轴承进行故障诊断，得到待监测滚动轴承的故障诊断结果。
50.本实施例对根据健康指标数据，对待监测滚动轴承进行故障诊断，得到待监测滚动轴承的故障诊断结果的实现手段不做具体限制，任何可实现的手段均可。
51.示例性地，可以将健康指标数据输入预先训练好的故障诊断模型，得到待监测滚动轴承的故障诊断结果。故障诊断模型可以是卷积神经网络模型、随机森林模型等。
52.其中，待监测滚动轴承的故障诊断结果可以为健康、轻微故障或严重故障。待监测滚动轴承的故障诊断结果还可以包括故障类型等。
53.在s104中，根据健康指标数据，对待监测滚动轴承的剩余寿命进行预测，得到待监测滚动轴承的剩余寿命预测结果。
54.本实施例基于待监测滚动轴承的健康指标数据，还可以对待监测滚动轴承的剩余寿命进行预测，得到待监测滚动轴承的剩余寿命预测结果，即还可以使用多久。
55.在一些可能的实现方式中，上述s104可以包括：
56.若待监测滚动轴承的故障诊断结果为健康(即无故障)，则根据健康指标数据，对待监测滚动轴承的剩余寿命进行预测，得到待监测滚动轴承的剩余寿命预测结果。
57.本实施例通过获取待监测滚动轴承的原始振动信号；采用基于循环包络经验傅里叶分解方法，根据原始振动信号，确定待监测滚动轴承的健康指标数据；根据健康指标数据，对待监测滚动轴承进行故障诊断，得到待监测滚动轴承的故障诊断结果；根据健康指标数据，对待监测滚动轴承的剩余寿命进行预测，得到待监测滚动轴承的剩余寿命预测结果，能够准确判断滚动轴承的健康状态和服役寿命，推动智能运维体系发展，避免定期检修导致的大量资源浪费。
58.在一些实施例中，上述s102可以包括：
59.将原始振动信号进行快速傅里叶变换，得到对应的信号频谱；
60.将信号频谱进行循环包络，得到频谱包络曲线；
61.对频谱包络曲线进行频带分割，得到多个频带包络曲线；
62.构建零相位滤波器，采用逆快速傅里叶变换对每个频带包络曲线进行信号重构，得到多个单分量信号；
63.基于多个单分量信号，确定待监测滚动轴承的健康指标数据。
64.在一些可能的实现方式中，上述对频谱包络曲线进行频带分割，得到多个频带包络曲线，可以包括：
65.采用局部最大最小值(localmaxmin)分割技术，或改进的局部最大最小值(localmaxmin)分割技术，对频谱包络曲线进行频带分割，得到多个频带包络曲线。
66.本实施例可以对将原始振动信号进行快速傅里叶变换(fft)，得到对应的信号频谱；对该信号频谱进行循环包络，得到频谱包络曲线，可以减少无用极值点的个数，抑制噪声对分量的干扰；采用改进的局部最大最小值分割技术，对频谱包络曲线进行频带分割，得到频谱分割边界，基于频谱分割边界，得到多个频带包络曲线；构建零相位滤波器，采用逆快速傅里叶变换(ifft)对每个频带包络曲线进行信号重构，得到多个瞬时频率且具有物理意义的单分量信号；对多个单分量信号进行分析，并构建得到待监测滚动轴承的健康指标数据。
67.其中，基于多个单分量信号，确定待监测滚动轴承的健康指标数据可以采用现有技术确定，在此不做具体限制。
68.在一些实施例中，单分量信号包括分量时域波形和分量包络曲线；
69.相应地，上述基于多个单分量信号，确定待监测滚动轴承的健康指标数据，包括：
70.基于各分量时域波形和各分量包络曲线，确定待监测滚动轴承的健康指标数据。
71.本实施例可以对各分量时域波形和各分量包络曲线进行分析，并对其构建健康指标数据。
72.在一些实施例中，上述s104可以包括：
73.将健康指标数据，输入预先训练好的基于注意力机制的双向长短期记忆da-blstm(dual attention based bidirectional long short-term memory)网络模型中，得到待
监测滚动轴承的剩余寿命预测结果。
74.在一些实施例中，在将健康指标数据，输入预先训练好的基于注意力机制的双向长短期记忆da-blstm网络模型中，得到待监测滚动轴承的剩余寿命预测结果之前，还包括：
75.获取健康指标数据样本集，健康指标数据样本集包括多个已标注剩余寿命的健康指标样本数据；
76.采用基于灰色关联的聚类和分类gracc(the gra-based clustering and classifying)方法，对健康指标数据样本集进行聚类，得到多个簇；
77.针对每个簇，将该簇划分为训练集和测试集，并基于该簇对应的训练集对预先构建的da-blstm网络模型进行单独训练，基于该簇对应的测试集对经过训练的da-blstm网络模型进行单独测试，得到预先训练好的da-blstm网络模型。
78.其中，gracc为基于gra(the grey relation analysis，灰色关联分析)的聚类和分类。
79.本实施例可以通过gracc方法对健康指标数据样本集进行聚类，得到多个簇，使每个簇内的相似性尽可能大。示例性地，可以分为三个簇，分别为健康簇、轻微故障簇和严重故障簇。
80.将每个簇均划分为训练集和测试集，比如，将每个簇中的80％作为训练集，20％作为测试集，可以采用现有训练方法，基于每个簇对应的训练集和测试集，对每个簇进行单独训练，最终得到预先训练好的da-blstm网络模型。
81.在一些实施例中，da-blstm网络模型包括依次连接的第一层卷积层、第二层卷积层、第一层最大池化层、第三层卷积层、第二层最大池化层、输入注意力层、双向lstm(long short-term memory，长短期记忆)层、方向注意力层和全连接层。
82.在本实施例中，da-blstm网络模型的输入数据尺寸大小可以为400*1。
83.1)输入数据依次经过两层1*1卷积层(即第一层卷积层和第二层卷积层)，再经过最大池化层(即第一层最大池化层)，分别得到400*16、400*32、50*32的特征数据；
84.2)将步骤1)中得到的50*32特征数据依次经过1*1卷积层(即第三层卷积层)和最大池化层(即第二层最大池化层)，并循环处理三次，分别得到12*64、6*256、6*512特征数据；
85.3)将步骤2)得到6*512特征数据经过输入注意力层，得到6*256特征数据；
86.4)将步骤3)得到6*256特征数据经过双向lstm层分别得到6*32特征数据；
87.5)将步骤4)得到6*32特征数据经过方向注意力层最终得到1*16特征数据；
88.6)将步骤5)得到1*16特征数据经过全连接层最终得到1*6的数据。
89.本技术提供的铁路轴承健康监测方法可以实现复杂运行工况下滚动轴承的服役性能评估与状态预测，并开发集检测、诊断、预测等为一体的监测方法，对指导滚动轴承运行维护具有重要意义，可实现高度自动化与准确性。
90.本技术采用phm(prognostics and health management，故障预测与健康管理)技术，该技术是指利用传感器收集系统的数据信息，借助信息技术和人工智能推理算法对系统的健康状态进行评估、监控和管理，在系统发生故障之前预测系统的故障，并结合现有资源信息，提供一系列维修保障建议或决策。它是一种集故障检测、隔离、健康评估、预测和维修决策于一体的综合技术，也是研究滚动轴承的智能运维需要运用的重要技术。phm的核心
是使用大量高端传感器广泛收集能够反映滚动轴承运行状态的数据。然后，基于收集的数据，借助各种科学算法找出故障原因，判断出故障发生的部位，预测滚动轴承的剩余寿命，并实现可视化，从而使滚动轴承的健康管理变得更加便捷。
91.应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
92.以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。
93.图2示出了本发明实施例提供的铁路轴承健康监测装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
94.如图2所示，铁路轴承健康监测装置30可以包括：获取模块31、健康指标数据提取模块32、故障诊断模块33和寿命预测模块34。
95.获取模块31，用于获取待监测滚动轴承的原始振动信号；
96.健康指标数据提取模块32，用于采用基于循环包络经验傅里叶分解方法，根据原始振动信号，确定待监测滚动轴承的健康指标数据；
97.故障诊断模块33，用于根据健康指标数据，对待监测滚动轴承进行故障诊断，得到待监测滚动轴承的故障诊断结果；
98.寿命预测模块34，用于根据健康指标数据，对待监测滚动轴承的剩余寿命进行预测，得到待监测滚动轴承的剩余寿命预测结果。
99.在一种可能的实现方式中，健康指标数据提取模块32具体用于：
100.将原始振动信号进行快速傅里叶变换，得到对应的信号频谱；
101.将信号频谱进行循环包络，得到频谱包络曲线；
102.对频谱包络曲线进行频带分割，得到多个频带包络曲线；
103.构建零相位滤波器，采用逆快速傅里叶变换对每个频带包络曲线进行信号重构，得到多个单分量信号；
104.基于多个单分量信号，确定待监测滚动轴承的健康指标数据。
105.在一种可能的实现方式中，在健康指标数据提取模块32中，单分量信号包括分量时域波形和分量包络曲线；
106.相应地，基于多个单分量信号，确定待监测滚动轴承的健康指标数据，包括：
107.基于各分量时域波形和各分量包络曲线，确定待监测滚动轴承的健康指标数据。
108.在一种可能的实现方式中，寿命预测模块34具体用于：
109.将健康指标数据，输入预先训练好的基于注意力机制的双向长短期记忆da-blstm网络模型中，得到待监测滚动轴承的剩余寿命预测结果。
110.在一种可能的实现方式中，寿命预测模块34还用于：
111.在将健康指标数据，输入预先训练好的基于注意力机制的双向长短期记忆da-blstm网络模型中，得到待监测滚动轴承的剩余寿命预测结果之前，获取健康指标数据样本集，健康指标数据样本集包括多个已标注剩余寿命的健康指标样本数据；
112.采用基于灰色关联的聚类和分类gracc方法，对健康指标数据样本集进行聚类，得到多个簇；
113.针对每个簇，将该簇划分为训练集和测试集，并基于该簇对应的训练集对预先构建的da-blstm网络模型进行单独训练，基于该簇对应的测试集对经过训练的da-blstm网络模型进行单独测试，得到预先训练好的da-blstm网络模型。
114.在一种可能的实现方式中，da-blstm网络模型包括依次连接的第一层卷积层、第二层卷积层、第一层最大池化层、第三层卷积层、第二层最大池化层、输入注意力层、双向lstm层、方向注意力层和全连接层。
115.图3是本发明实施例提供的终端的示意图。如图3所示，该实施例的终端4包括：处理器40和存储器41。所述存储器41用于存储计算机程序42，所述处理器40用于调用并运行所述存储器41中存储的计算机程序42，执行上述各个铁路轴承健康监测方法实施例中的步骤，例如图1所示的s101至s104。或者，所述处理器40用于调用并运行所述存储器41中存储的计算机程序42，实现上述各装置实施例中各模块/单元的功能，例如图2所示模块/单元31至34的功能。
116.示例性的，所述计算机程序42可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器41中，并由所述处理器40执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序42在所述终端4中的执行过程。例如，所述计算机程序42可以被分割成图2所示的模块/单元31至34。
117.所述终端4可以是计算机、服务器、树莓派等计算设备。所述终端4可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图3仅仅是终端4的示例，并不构成对终端4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
118.所称处理器40可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
119.所述存储器41可以是所述终端4的内部存储单元，例如终端4的硬盘或内存。所述存储器41也可以是所述终端4的外部存储设备，例如所述终端4上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，所述存储器41还可以既包括所述终端4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
120.对应于上述终端，本技术实施例还提供了一种铁路轴承健康监测系统，包括加速度计、采集卡、电源适配器和如上所述的终端；
121.加速度计通过采集卡与终端的gpio(general-purpose input/output，通用输入输出)端口连接；电源适配器与终端的电源接口连接；
122.其中，终端为树莓派。
123.加速度计直接与采集卡连接，连接加速度计和采集卡的数据线可以使用bnc转
unf10-32线缆。采集卡直接与终端自带的gpio口连接，连接采集卡和终端自带的gpio口可以使用带有扩展引线的2*20插座。
124.加速度计可以是iepe加速度传感器。采集卡可以是mcc172采集卡。树莓派可以使用树莓派4代b型号，烧录的操作系统可以使用linux系统，包括中央处理器以及分别与中央处理器连接的内存、sd卡、wifi模块、电源接口和gpio接口。电源适配器可以使用5v-1500ma的转化率的电源适配器。
125.本实施例相较于传统的滚动轴承故障检测手段，只需要通过树莓派及相关的传感器外设来搭建监测系统，即可实现数据采集、状态监测、故障诊断、寿命预测等复杂功能，大大降低了成本，以低成本实现了复杂功能。
126.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
127.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
128.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
129.在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
130.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
131.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
132.所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施
例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个铁路轴承健康监测方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
133.以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

技术特征：
1.一种铁路轴承健康监测方法，其特征在于，包括：获取待监测滚动轴承的原始振动信号；采用基于循环包络经验傅里叶分解方法，根据所述原始振动信号，确定所述待监测滚动轴承的健康指标数据；根据所述健康指标数据，对所述待监测滚动轴承进行故障诊断，得到所述待监测滚动轴承的故障诊断结果；根据所述健康指标数据，对所述待监测滚动轴承的剩余寿命进行预测，得到所述待监测滚动轴承的剩余寿命预测结果。2.根据权利要求1所述的铁路轴承健康监测方法，其特征在于，所述采用基于循环包络经验傅里叶分解方法，根据所述原始振动信号，确定所述待监测滚动轴承的健康指标数据，包括：将所述原始振动信号进行快速傅里叶变换，得到对应的信号频谱；将所述信号频谱进行循环包络，得到频谱包络曲线；对所述频谱包络曲线进行频带分割，得到多个频带包络曲线；构建零相位滤波器，采用逆快速傅里叶变换对每个频带包络曲线进行信号重构，得到多个单分量信号；基于所述多个单分量信号，确定所述待监测滚动轴承的健康指标数据。3.根据权利要求2所述的铁路轴承健康监测方法，其特征在于，所述单分量信号包括分量时域波形和分量包络曲线；相应地，所述基于所述多个单分量信号，确定所述待监测滚动轴承的健康指标数据，包括：基于各分量时域波形和各分量包络曲线，确定所述待监测滚动轴承的健康指标数据。4.根据权利要求1至3任一项所述的铁路轴承健康监测方法，其特征在于，根据所述健康指标数据，对所述待监测滚动轴承的剩余寿命进行预测，得到所述待监测滚动轴承的剩余寿命预测结果，包括：将所述健康指标数据，输入预先训练好的基于注意力机制的双向长短期记忆da-blstm网络模型中，得到所述待监测滚动轴承的剩余寿命预测结果。5.根据权利要求4所述的铁路轴承健康监测方法，其特征在于，在所述将所述健康指标数据，输入预先训练好的基于注意力机制的双向长短期记忆da-blstm网络模型中，得到所述待监测滚动轴承的剩余寿命预测结果之前，还包括：获取健康指标数据样本集，所述健康指标数据样本集包括多个已标注剩余寿命的健康指标样本数据；采用基于灰色关联的聚类和分类gracc方法，对所述健康指标数据样本集进行聚类，得到多个簇；针对每个簇，将该簇划分为训练集和测试集，并基于该簇对应的训练集对预先构建的da-blstm网络模型进行单独训练，基于该簇对应的测试集对经过训练的da-blstm网络模型进行单独测试，得到预先训练好的da-blstm网络模型。6.根据权利要求4所述的铁路轴承健康监测方法，其特征在于，所述da-blstm网络模型包括依次连接的第一层卷积层、第二层卷积层、第一层最大池化层、第三层卷积层、第二层
最大池化层、输入注意力层、双向lstm层、方向注意力层和全连接层。7.一种铁路轴承健康监测装置，其特征在于，包括：获取模块，用于获取待监测滚动轴承的原始振动信号；健康指标数据提取模块，用于采用基于循环包络经验傅里叶分解方法，根据所述原始振动信号，确定所述待监测滚动轴承的健康指标数据；故障诊断模块，用于根据所述健康指标数据，对所述待监测滚动轴承进行故障诊断，得到所述待监测滚动轴承的故障诊断结果；寿命预测模块，用于根据所述健康指标数据，对所述待监测滚动轴承的剩余寿命进行预测，得到所述待监测滚动轴承的剩余寿命预测结果。8.一种终端，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，执行如权利要求1至6中任一项所述的铁路轴承健康监测方法。9.一种铁路轴承健康监测系统，其特征在于，包括加速度计、采集卡、电源适配器和如权利要求8所述的终端；所述加速度计通过所述采集卡与所述终端的gpio端口连接；所述电源适配器与所述终端的电源接口连接；其中，所述终端为树莓派。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至6中任一项所述铁路轴承健康监测方法的步骤。

技术总结
本发明提供一种铁路轴承健康监测方法、装置、系统、终端及存储介质。该铁路轴承健康监测方法包括：获取待监测滚动轴承的原始振动信号；采用基于循环包络经验傅里叶分解方法，根据原始振动信号，确定待监测滚动轴承的健康指标数据；根据健康指标数据，对待监测滚动轴承进行故障诊断，得到待监测滚动轴承的故障诊断结果；根据健康指标数据，对待监测滚动轴承的剩余寿命进行预测，得到待监测滚动轴承的剩余寿命预测结果。本发明可以准确判断滚动轴承的健康状态和服役寿命，推动智能运维体系发展，避免定期检修导致的大量资源浪费。避免定期检修导致的大量资源浪费。避免定期检修导致的大量资源浪费。


技术研发人员：高梓轩 黄凯轩 郭悦 李曼曼 顾晓辉
受保护的技术使用者：石家庄铁道大学
技术研发日：2023.04.14
技术公布日：2023/8/28