NTN利用人工智能开发出精确的滚动轴承剩余使用寿命预测技术 | 众所轴知
2023-09-01 10:53 浏览:28
日本NTN株式会社已开发出一种通过结合多种人工智能方法来准确预测剩余使用寿命的技术。通过在剥落引起轴承故障后以高准确率预测剩余使用寿命，直至使用极限，可以制定机械设备的高效维护计划，从而促进生产力的提升和成本的降低。机械设备中使用的轴承根据使用条件可能会发生轻微剥落，最坏情况下可能会导致故障。然而，当由于设备结构和安装位置的原因难以实施轴承维护时，有些情况下轴承会继续使用，只要不影响操作即可。通过检测振动数据来判断轴承的状态。然而，在出现异常（如剥落）后，轴承可以使用多长时间（剩余使用寿命）的准确方法尚无法确定，通常要么尽快更换轴承，要么在轴承损坏后更换。此外，许多情况下，现场工作人员根据多年的经验等来判断更换的时机。随着人员节约和自动生产系统的不断发展，越来越需要高精度的剩余使用寿命预测技术，以便更准确地确定轴承更换的时机，从而减少机械设备的停机时间和维护成本。NTN开发的剩余使用寿命预测技术通过将深度学习与贝叶斯学习相结合，从轴承剥落到损坏的时间来提高估计剩余使用寿命的准确性。
来源：NTN
在多种人工智能方法中，NTN选择了深度学习，这是一种专门用于图像处理的卷积神经网络。它可以将轴承的振动数据转化为图像数据，从而预测轴承的损坏情况和剩余使用寿命。此外，我们通过结合层次贝叶斯线性回归建立了一个高可靠性的预测模型，该模型考虑了轴承损坏进展的个体差异和测量数据的变异性（误差）来评估预测值的可靠性。通过考虑损坏情况，与传统技术相比，剩余使用寿命的预测准确度提高了约30％。
该技术是NTN Next Generation Research Alliance Laboratory*在日本大阪府吹田市总部的大阪大学工程学研究生院于2017年成立的联合研究项目的成果。它是通过将NTN在100多年中积累的技术和知识与大学尖端人工智能研究的知识相结合而实现的，其中包括大阪大学科学与工业研究所（SANKEN）副教授Ken-ichi Fukui的知识。NTN在结合传感器技术和物联网领域正在进行服务和解决方案方面的努力，并提供多种产品和服务，以帮助改善轴承的可维护性，包括“NTN便携式振动测试仪”用于检测轴承异常以及不断监测轴承状态的轴承诊断应用程序。
往期推荐
