ntn開發了一(yī)種将(jiāng)多種人(rén)工(gōng)智能(néng)方法結合起來，預測軸承剩餘(yú)壽命的技(jì)術。通(tōng)過在剝落(luò)發(fā)生(shēng)後高(gāo)精度(dù)地預(yù)測剩餘壽命，即軸承失效的極(jí)限使(shǐ)用壽(shòu)命，從(cóng)而可以制定高(gāo)效的(de)機械設備(bèi)維護計劃(huà)，提高生産(chǎn)效率，降低(dī)成本(běn)。

機械設備(bèi)中使(shǐ)用的軸(zhóu)承(chéng)可能會因(yīn)各種使用條件而導(dǎo)緻輕(qīng)微剝落，最壞(huài)的情況下可(kě)能導(dǎo)緻故障。然(rán)而，當由(yóu)于設備(bèi)結構和(hé)安裝位(wèi)置的(de)原(yuán)因，難以實施(shī)軸承維護(hù)時，有(yǒu)些情(qíng)況下(xià)隻要不影響操(cāo)作，軸承會繼續(xù)使用。軸承(chéng)的狀(zhuàng)況可以通過使(shǐ)用振動數(shù)據檢(jiǎn)測異(yì)常來确定(dìng)。然而(ér)，目(mù)前(qián)沒有(yǒu)辦法(fǎ)準(zhǔn)确确定(dìng)軸(zhóu)承在發生剝(bāo)落等(děng)異常後，還(hái)可以繼續使用多長時間（剩餘壽命），通常(cháng)會盡(jìn)快更(gèng)換軸承或(huò)在軸(zhóu)承損壞後(hòu)更換。此外，許多(duō)情況下，現(xiàn)場工(gōng)作人(rén)員(yuán)根據多年的經驗(yàn)等判(pàn)斷更(gèng)換的時(shí)機(jī)，随着節省人工(gōng)和自(zì)動(dòng)化(huà)生産(chǎn)系統(tǒng)的進展，人(rén)們越來越希望(wàng)能高度精(jīng)确(què)預(yù)測軸承的(de)剩餘(yú)使用(yòng)壽命(mìng)，以更(gèng)準确(què)地确定軸(zhóu)承(chéng)更換時(shí)間，減(jiǎn)少設備停機時(shí)間和降低(dī)維護(hù)成本(běn)。

ntn的(de)這項技(jì)術是(shì)其“next generation research alliance laboratories”聯(lián)合研(yán)究(jiū)項(xiàng)目(mù)的成果(guǒ)，該實驗室于2017年(nián)大阪大(dà)學(xué)成立(lì)（總部位(wèi)于(yú)大阪(bǎn)府佐田市），其将(jiāng)ntn的(de)技術和大學(xué)的人工智能(néng)研(yán)究相結合(hé)。ntn開發的剩餘使用壽(shòu)命預(yù)測技術是通(tōng)過将深度學(xué)習與貝葉(yè)斯學習相結合，并進(jìn)行改進(jìn)，從(cóng)而提高從軸承發生(shēng)剝落到軸承損(sǔn)壞時估計(jì)剩餘使用壽命的準(zhǔn)确性。在幾種人(rén)工智(zhì)能方法中，ntn選擇了專(zhuān)門用(yòng)于圖像(xiàng)處理的(de)卷積神經網絡(luò)的深度(dù)學習方(fāng)法，它可以将軸(zhóu)承的振動數據(jù)轉換為圖(tú)像(xiàng)數(shù)據以供使(shǐ)用，從(cóng)而能(néng)夠(gòu)預測軸(zhóu)承的(de)損(sǔn)壞(huài)狀況(kuàng)和剩餘使用壽(shòu)命。此外(wài)，通過結(jié)合分(fèn)層(céng)貝(bèi)葉斯(sī)線性(xìng)回歸建立了一(yī)個高度可(kě)靠的(de)預(yù)測模型(xíng)，該模型通過(guò)考(kǎo)慮軸承損(sǔn)傷進(jìn)程中(zhōng)測量數據的個(gè)體差(chà)異和(hé)變化(huà)（誤差）來評(píng)估預測值(zhí)的可靠性。通過考慮(lǜ)損傷(shāng)條件(jiàn)，與傳(chuán)統技(jì)術相比，剩(shèng)餘使用壽(shòu)命的(de)預測(cè)精度提高(gāo)了約(yuē)30%。

該項(xiàng)技術(shù)的可(kě)行性還有(yǒu)待繼續(xù)驗(yàn)證，未(wèi)來可以将(jiāng)這項(xiàng)技術(shù)用于(yú)維(wéi)護(hù)機械設備，優化(huà)軸承設計、使用等。

來(lái)源(yuán)：軸承雜(zá)志社(shè)

（版權歸原(yuán)作者或機(jī)構所(suǒ)有）