(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210789980.2 (22)申请日 2022.07.06 (71)申请人 南京理工大 学 地址 210094 江苏省南京市孝陵卫20 0号 (72)发明人 周长光　王立东　朱子睿　冯虎田　 (74)专利代理 机构 南京理工大 学专利中心 32203 专利代理师 徐新艳 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/40(2022.01) G06V 10/77(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 10/34(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 5/00(2006.01) G01B 21/20(2006.01) G01M 13/025(2019.01) (54)发明名称 基于滚道表面轮廓 的滚珠丝杠副剩余使用 寿命预测方法 (57)摘要 本申请提供了基于滚道表面轮廓 的滚珠丝 杠副剩余使用寿命预测方法， 主要包括以下步 骤： 根据Taylor Hobson轮廓仪采集三个位置滚珠 丝杠副丝杠滚道表面轮廓曲线， 并对 该轮廓进行 去除形状以及高斯滤波处理； 对滚道表面轮廓曲 线的主要特征提取， 包括粗糙度、 最大峰谷高度、 均方根、 递归律、 分形 维数以及多重分形谱宽， 构 建混合特征集合； 接着进行降维处理， 通过随机 森林法评估 特征集合中每个特征的重要性， 选取 出包含95％信息的特征构建新的特征集合； 建立 双向长短时记忆神经网络模型； 将预设位置的混 合特征集导入建立的双向长短时记忆神经网络 模型进行训练。 本申请提供的方法便捷、 精确度 高、 误差小。 权利要求书4页 说明书12页 附图5页 CN 115272694 A 2022.11.01 CN 115272694 A 1.基于滚道表面轮廓的滚珠丝杠副剩余使用寿命预测方法， 其特征在于， 所述方法包 括： 采集预设区域内， 多个预设位置的滚珠丝杠副丝杠滚道表面的轮廓曲线， 并对轮廓曲 线进行去除形状以及高斯滤波处 理； 利用综合统计分析、 递归分析以及分形分析方法对滚道表面的轮廓曲线进行特征提 取， 构建混合特征集合； 进行降维处理， 通过随机森林法评估混合特征集合中每个特征的重要性， 对根据重要 性的数值对混合特征集中的每个特征进 行从高到低排序， 选取出累加超过95％信息的特征 构建新的特 征集合； 将预设位置的新混合特征集输入目标精度下的双向长短时记忆神经网络模型得到滚 珠丝杠副剩余使用寿命预测结果； 其中， 目标精度下的双向长短时记 忆神经网络模型通过以下 方法确定： 步骤1， 通过Taylor  Hobson轮廓仪采集预设区域内， 多个预设位置的滚珠丝杠副丝杠 滚道表面的轮廓曲线， 并对轮廓曲线 进行去除形状以及高斯滤波处 理； 步骤2， 利用综合统计分析、 递归分析以及分形分析方法对滚道表面的轮廓曲线进行特 征提取， 构建混合特征集合； 所述特征包括粗糙度、 最大峰谷高度、 均方根、 递归律、 分形维 数以及多重分形谱宽； 步骤3， 进行降维处理， 通过随机森林法评估混合特征集合中每个特征的重要性， 对根 据重要性的数值对混合特征集中的每个特征进行从高到低排序， 选取出累加超过95％信息 的特征构建新特 征集合； 步骤4， 建立双向长短时记忆神经网络模型， 根据 试验设置好网络层数以及隐含层神经 元数量； 步骤5， 将预设位置的新混合特征集导入建立的双 向长短时记忆神经网络模型进行训 练， 直至获取目标精度下的双向长短时记 忆神经网络模型。 2.根据权利要求1所述的方法， 其特征在于， 通过Taylor  Hobson轮廓仪采集预设区域 内， 多个预设位置的滚珠丝杠副丝杠滚道表面的轮廓曲线， 并对轮廓曲线进行去除形状以 及高斯滤波处 理， 包括： 选取匀速运行区域丝杠的三个滚道位置， 对其进行刻痕标记处理， 将滚珠丝杠副置于 磨损试验台， 滚珠丝杠副运转前30万转时， 每隔3万转停止试验台并拆下丝杠， 通过Taylor   Hobson轮廓仪对其三个滚道位置进行表面轮廓曲线的采集； 其中， 预设区域为滚珠丝杠副 运行过程中丝杠均速运行的区域； 滚珠丝杠副运 转30万转后， 每隔6万 转停止试验台并拆下丝杠进行一次轮廓采集试验； 通过高斯滤波对其进行平滑 处理， 采取五次多项式方法对平滑 处理后的曲线进行去除 形状操作， 最终导出 所需的滚道 表面轮廓曲线。 3.根据权利要求1所述的方法， 其特 征在于， 所述混合特 征集合通过以下 方法确定： 步骤201、 通过统计分析方法求解提取的滚到轮廓曲线的粗糙度、 最大峰谷高度以及均 方根特征， 所用公式为：权　利　要　求　书 1/4 页 2 CN 115272694 A 2Rz＝zmax‑zmin 其中， Ra是粗糙度， Rz是最大峰谷高度， Rms是均方根， zi是轮廓高度， zmin和zmax分别是最 小轮廓高度以及最大轮廓高度， 是轮廓的均值高度， n是采样率； 步骤202、 利用递归分析 方法求解提取的滚到轮廓曲线的递归律， 公式为： rij＝|zi‑zj| ε＝0.5σ Rij( ε )＝θ( ε ‑rij) 其中， RR是递归律， zi是轮廓高度之一， zj是轮廓高度之二， i,j＝1,2,...,n， rij表示任 意两点之间的距离， Rij是矩阵的一个元 素， σ 为标准偏差， ε为阈值， θ(x)是Heaviside函数； 步骤203、 W‑M函数用来表征非线性的滚道 表面轮廓， 公式为： 其中， 1＜D＜2， γ＞1， D是分形维数， G是高度尺度系数， γn是粗糙表面的频谱， n为采样 率， n1是最小采样率， L是采样长度， γ＝1.5， z(x)是随机轮廓的高度， x为轮廓的 位置坐标； 上式的功率谱函数表示 为公式： 定义z(x)的增量方差为结构函数， 如下式所示： 其中， τ ＝ nΔL， ΔL是采样间隔； 联立式和式可 得式： 其中C＝Γ(2D ‑3)sin((D ‑1 .5)π)/(4 ‑2D)lnγ， Γ(*)是gamma函数，权　利　要　求　书 2/4 页 3 CN 115272694 A 3