NTN開發了一種将多種人工智能方法結合[He]起(Qi)來，預測[Ce]軸承剩餘[Yu]壽命的技術。通[Tong]過在剝落發[Fa]生後高精度(Du)地預測剩餘(Yu)壽(Shou)命，即軸承失效的極限使(Shi)用壽命(Ming)，從[Cong]而可以制定高效的機械(Xie)設備維護計(Ji)劃，提高生産(Chan)效率(Lü)，降低成(Cheng)本。

機械(Xie)設備中使用的(De)軸[Zhou]承可能會因各種使用(Yong)條件[Jian]而導緻輕微剝[Bao]落，最壞的情況下可能導緻故障。然而，當由于設備結構和安裝位置的原因，難以實[Shi]施軸承維護時，有些情況(Kuang)下隻要不影(Ying)響操作，軸承會[Hui]繼續(Xu)使用。軸承的狀況可以通過使(Shi)用振動數據檢測異常來[Lai]确定[Ding]。然而，目前沒有辦(Ban)法(Fa)準确[Que]确定軸承在發生剝(Bao)落等異常後(Hou)，還(Hai)可以繼續[Xu]使用多長[Zhang]時[Shi]間（剩餘壽命），通常(Chang)會盡[Jin]快更換軸承或在軸承損壞(Huai)後更換(Huan)。此外(Wai)，許多情況下，現場工作人員根據多(Duo)年[Nian]的經驗(Yan)等判斷更換的時機[Ji]，随着節省人工和自動(Dong)化[Hua]生産系統[Tong]的進(Jin)展，人們越來(Lai)越(Yue)希望能高度精(Jing)确預測軸承的剩餘[Yu]使用壽命，以更[Geng]準确[Que]地确定軸承更換時(Shi)間，減少設備停機(Ji)時間和降低維護成本。

NTN的這(Zhe)項技術是(Shi)其“Next Generation Research Alliance Laboratories”聯[Lian]合研究項目的成果[Guo]，該實驗室[Shi]于2017年大阪大學成立（總部位于(Yu)大阪府佐[Zuo]田市），其将(Jiang)NTN的技術和(He)大學的人工智[Zhi]能研究相結合[He]。NTN開發(Fa)的剩餘使用壽命[Ming]預(Yu)測技[Ji]術是通過将深度學習與貝葉(Ye)斯學習相結合，并進行改進，從而提高從(Cong)軸承發生[Sheng]剝落到軸承損壞時估計剩[Sheng]餘使用壽命的準确性。在[Zai]幾種人工智能方[Fang]法中，NTN選擇了專門用于圖像處理的卷積神經[Jing]網絡的深度[Du]學習方法，它[Ta]可以将軸[Zhou]承的振動數據轉換為圖[Tu]像數據以供使用，從而能夠預(Yu)測軸[Zhou]承的[De]損壞狀況和剩(Sheng)餘使用壽命。此外，通[Tong]過結合分層貝葉斯線性回[Hui]歸[Gui]建立了一個高度可靠的預測(Ce)模型，該模型通過考慮軸承損(Sun)傷進程中(Zhong)測[Ce]量數據的個[Ge]體差[Cha]異和變[Bian]化（誤差(Cha)）來評[Ping]估預測值的[De]可靠性[Xing]。通過考慮損傷條件[Jian]，與傳統技術相比，剩[Sheng]餘使用壽(Shou)命的(De)預測精度提高了約30%。

該項[Xiang]技術的可行性還有待繼續驗證，未(Wei)來可[Ke]以将這項技術用于(Yu)維護機械設備，優化軸承設(She)計、使用等。

來[Lai]源：軸承雜志社

（版權歸(Gui)原作者或機構所[Suo]有）