山东轴研精密轴承有限公司

本发明提供了一种基于机器视觉与振动信号融合的轴承健康状态检测方法，属于旋转机械状态监测与故障诊断技术领域。包括：提取轴承表面标准化图像和振动时频谱图的视觉与振动特征；生成两模态质量可信度；计算特征偏离基准的程度并映射为视觉表面退化证据和振动冲击退化证据；计算证据间绝对差作为跨模态冲突度，据此划分证据一致、振动主导或视觉主导关系。用模态可信度修正证据融合权重，对有效数据计算融合退化程度，并转换为四类状态支持度及健康指数，取最大支持度对应状态及置信度。若为退化或故障，根据定位表面异常位置，并确定异常类型，最终输出检测结果。本发明解决了单一模态检测信息不完整、早期损伤敏感性差等问题。

本发明提供了一种基于物理信息嵌入的轴承疲劳寿命预测方法，属于旋转机械状态监测与剩余寿命预测技术领域。包括：采集原始监测片段顺序排列构建轴承连续全寿命片段序列，并构建标签；编码得到振动工况状态，逐片段计算基本额定寿命和累积损伤，将累积损伤与维振动工况状态为物理退化状态序列；构建并训练寿命预测网络；采集待预测轴承的物理退化状态序列和物理退化状态作为验证集输入训练完成的基于物理信息嵌入的寿命预测网络，得到点预测、下分位寿命、上分位寿命和下一片段损伤增量，并进行修正和添加异常状态标记，并确定可靠度等级，获取寿命记录。本发明能够准确区分工况波动与真实疲劳退化，提升了预测结果的准确性、稳定性。