本发明涉及轴承性能检测领域，具体涉及一种应用于冶金制造业的双尺度动态趋势预测方法及系统。
背景技术：
1、滚动轴承具有摩擦阻尼小、易于维护等特点，作为旋转机械关键部件被广泛应用于冶金制造行业。轴承的健康状态直接影响到生产设备的运转，其一旦发生疲劳损伤得不到及时修复，将会产生故障连锁反应，进而导致生产设备停机、生产效率降低、甚至可能造成巨大经济损失。因此通过对轴承运行状态进行实时监测，及时准确地预测性能退化趋势，合理规划设备维护时间，有利于延长设备使用寿命，提高生产效率，及时避免巨大经济损失。
2、目前趋势预测技术针对的实验轴承，工况稳定、退化单调性好、噪声干扰小。而轴承实际服役中，尤其是冶金制造业，由于设备制造工艺周期影响，轴承运行状态随制造工艺周期变化而变化，运行工况不稳定、退化趋势单调性弱，噪声干扰大，且具有一定周期性，如图1所示,进而导致健康指标及预测模型可靠性及精度下降，无法准确预测性能退化趋势。
技术实现思路
1、为了克服上述现有技术中存在的缺陷，本发明的目的是提供一种应用于冶金制造业的双尺度动态趋势预测方法及系统。
2、为了实现本发明的上述目的，本发明提供了一种应用于冶金制造业的双尺度动态趋势预测方法，包括以下步骤：
3、采集轴承正常工作期间的振动信号，并提取所述振动信号的时域特征；
4、利用多个工作周期的振动信号时域特征构建局部退化趋势，构建局部趋势预测模型，利用所述局部退化趋势对局部趋势预测模型进行训练，利用局部趋势预测模型对当前工作周期的振动信号的时域特征进行推理，预测轴承的实时运行状态；
5、提取所有振动信号的时域特征的峰值，对所述峰值进行平滑处理构建全局退化趋势，构建全局趋势预测模型，利用所述全局退化趋势对全局趋势预测模型进行训练，利用全局趋势预测模型对所有振动信号的时域特征进行推理，预测轴承的全局性能退化状态。
6、本方法结合局部、全局退化趋势的构建，针对退化趋势特点分别使用局部预测和全局预测实现动态趋势预测，能够同时预测轴承的实时运行状态和全局性能退化状态，实现双尺度动态趋势预测。
7、在该应用于冶金制造业的双尺度动态趋势预测方法的一种可选方案中，构建局部退化趋势的步骤为：
8、删除振动信号中属于轴承停机状态时的振动信号，得到各工作周期的振动信号；
9、利用预测时间前的若干个工作周期的振动信号的时域特征构建局部退化趋势。
10、该可选方案通过删除轴承停机状态时采集的数据，减小停机数据对局部趋势预测模型的影响。
11、在该应用于冶金制造业的双尺度动态趋势预测方法的一种可选方案中，提取所有振动信号的时域特征的峰值的步骤为：
12、对所有振动信号的时域特征构成的特征向量f进行差分处理，得到fdiff，提取fdiff中差分值为0的点的坐标，得到fzeros；
13、对fzeros进行差分处理，得到fd-zeros，根据fzeros中相邻两点的坐标差分是否为1判断fzeros所在波形是否水平；
14、根据fd-zeros对fdiff进行修正得到fd′iff，修正使每个水平波形峰值只有一个；
15、判断fd′iff中的每个时刻对应的特征值是否为峰值；
16、使用周期峰值距离检测，去除冗余峰值，使每个峰值周期内仅有一个峰值，得到包含所有振动信号的时域特征的峰值的峰值序列。
17、该可选方案中峰值提取就是每个工作周期(工艺制造周期)提取了一个峰值，代表一个工作周期退化状态，所有周期的峰值提取出来就形成了峰值序列，即全局健康指标，峰值表达了就是全局退化趋势，为预测的准确性提供了准确的数据基础。
18、在该应用于冶金制造业的双尺度动态趋势预测方法的一种可选方案中，基于以下公式对所有振动信号的时域特征的峰值进行平滑处理，得到全局退化趋势；
19、si＝αfpi+(1-α)(si-1+δsi-1)
20、δsi＝β(si-si-1)+(1-β)δsi-1
21、其中α和β为记忆衰减因子，si为时刻ti的振动信号的时域特征的峰值fpi平滑后的值，δsi为趋势项。
22、由于经过差分峰值提取法提取的峰值还具有明显的局部波动，因为性能退化主要关注峰值序列的单调性，该可选方案使用平滑处理后可减小峰值序列的局部波动，增强单调性。
23、在该应用于冶金制造业的双尺度动态趋势预测方法的一种可选方案中，构建gru模型，对局部退化趋势进行滑窗获取数据集，基于该数据集对gru模型进行训练，得到局部趋势预测模型。
24、由于局部趋势呈现明显周期性，模型仅需要m个周期的数据即可学习到局部趋势的特点，因此本实施例使用滑窗处理，截取m个周期的数据输入模型，减小了模型参数计算量。
25、在该应用于冶金制造业的双尺度动态趋势预测方法的一种可选方案中，构建全局趋势预测模型的步骤为：
26、对全局退化趋势的时间序列进行平稳性检验，若不平稳，则对该全局退化趋势进行差分变换，再重新进行平稳性检验；
27、检验全局退化趋势的时间序列是否为白噪声，若不是，则构建ari ma模型，根据全局退化趋势对ari ma模型定阶；
28、使用全局退化趋势以ari ma模型进行训练，得到全局趋势预测模型。
29、该可选方案中ari ma模型可以分析出时间序列中的趋势性、周期性、季节性特点，用其来进行全局趋势预测，准确度高。
30、在该应用于冶金制造业的双尺度动态趋势预测方法的一种可选方案中，根据平稳性检验时差分阶数确定ari ma模型的参数d，根据以下公式确定ari ma模型的自回归阶数p和移动平均阶数q；
31、
32、bic(p0′,q0′)＝minbic(p,q),0≤p,q≤l
33、式中，为输入给ari ma模型的时间序列方差，n为输入给ari ma模型的时间序列内时间点的个数，l为设定的arima模型中移动平均项q的最大阶数；
34、当p0′和q0′满足上式时，p0′、q0′分别为最佳自回归阶数和最佳移动平均阶数。
35、该可选方案可快速准确的对arima模型定阶，构建全局趋势预测模型。
36、本技术还提出了一种轴承性能预测系统，包括处理模块、存储模块，以及用于采集轴承振动信号的振动加速度传感器；
37、所述振动加速度传感器与处理模块连接，向所述处理模块发送其采集的振动信号，所述处理模块与存储模块相互通信连接，所述存储模块用于存放至少一个可执行指令，所述可执行指令使所述处理模块根据所述振动信号执行如上述的应用于冶金制造业的双尺度动态趋势预测方法对应的操作，对轴承性能进行预测。
38、该轴承性能预测系统具备上述应用于冶金制造业的双尺度动态趋势预测方法的所有优点。
39、在该轴承性能预测系统的一种可选方案中，还包括与控制模块控制连接的报警模块，当轴承性能超出安全阈值时，控制模块控制报警模块发出警报。
40、本发明的有益效果是：本发明构建能够反映轴承性能退化的健康指标，使用停机处理、差分峰值提取法构建局部、全局退化趋势；根据退化趋势特点，使用局部趋势预测模型和全局趋势预测模型组成的双尺度趋势预测模型对局部、全局退化趋势进行训练学习，提取时间序列周期性和单调性特征，用峰值表达了这种单调性特征，同时预测轴承实时运行状态历程和全局性能退化历程，实现双尺度动态趋势预测。基于此，本发明能准确预测轴承性能退化趋势，能够及时发现生产设备可能存在的安全隐患并进行预警、报警，协助指导合理安排维护周期，提高生产效率，延长设备使用寿命。
41、本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
1.一种应用于冶金制造业的双尺度动态趋势预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的应用于冶金制造业的双尺度动态趋势预测方法，其特征在于，构建局部退化趋势的步骤为：
3.根据权利要求1所述的应用于冶金制造业的双尺度动态趋势预测方法，其特征在于，提取所有振动信号的时域特征的峰值的步骤为：
4.根据权利要求1所述的应用于冶金制造业的双尺度动态趋势预测方法，其特征在于，基于以下公式对所有振动信号的时域特征的峰值进行平滑处理，得到全局退化趋势；
5.根据权利要求1所述的应用于冶金制造业的双尺度动态趋势预测方法，其特征在于，构建gru模型，对局部退化趋势进行滑窗获取数据集，基于该数据集对gru模型进行训练，得到局部趋势预测模型。
6.根据权利要求1所述的应用于冶金制造业的双尺度动态趋势预测方法，其特征在于，构建全局趋势预测模型的步骤为：
7.根据权利要求6所述的应用于冶金制造业的双尺度动态趋势预测方法，其特征在于，根据平稳性检验时差分阶数确定arima模型的参数d，根据以下公式确定arima模型的自回归阶数p和移动平均阶数q；
8.一种轴承性能预测系统，其特征在于，包括处理模块、存储模块，以及用于采集轴承振动信号的振动加速度传感器；
9.根据权利要求8所述的轴承性能预测系统，其特征在于，还包括与控制模块控制连接的报警模块，当轴承性能超出安全阈值时，控制模块控制报警模块发出警报。
