(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 202210538087.2 (22)申请日 2022.05.18 (71)申请人 武汉科技大 学 地址 430000 湖北省武汉市青山区和平大 道947号 (72)发明人 黄千稳　余成锋　沈鑫　赵泽宇　 盛明辉　夏靖　谢志豪　 (74)专利代理 机构 武汉欣博智慧知识产权代理 事务所(普通 合伙) 42277 专利代理师 吴华丽 (51)Int.Cl. G01M 13/04(2019.01) G01D 21/02(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06N 3/00(2006.01) (54)发明名称 一种基于深度学习的船舶轴承润滑状态在 线监测系统 (57)摘要 本发明公开了一种基于深度学习的船舶轴 承润滑状态在线监测系统， 船舶推进轴系的运行 状态直接决定船舶航行是否稳定， 不良的润滑状 态会加剧支撑轴承的磨损与发热， 进而引起整个 轴系的剧烈振动， 严重影响船舶运行安全， 这会 造成很严重的后果。 本发明以深度学习为基础， 考虑到各个数据集在时间序列上的先后影响关 系， 搭建了LS TM‑ELM神经网络， 并采用WOA算法进 行参数寻优， 数据采集方面包括非直接接触式测 量方法测得的油膜压力数据， 和用传感器测得的 转速， 温度， 黏度数据， 通过上述数据集来训练网 络， 达到预测边界润滑出现概率的效果。 在发生 边界润滑时， 及时对船舶工作人员发出警示， 使 其作出相应响应， 如向轴承处添加润滑油， 抗磨 剂或进行适 当冷却。 本发明可显著的提高轴承寿 命， 并有效的提高船舶航行过程中的稳定性和安 全性。 权利要求书3页 说明书7页 附图3页 CN 114878162 A 2022.08.09 CN 114878162 A 1.一种基于深度学习的船舶轴承润滑状态在线监测系统， 其特征在于， 该监测系统监 测包括以下步骤： S1、 通过安装在轴承附近的各传感器获取轴承运行时的各项数据； 采集数据设备包括 超声波测压装置、 油膜温度传感器、 润滑油黏度传感器、 轴颈转速传感器、 模数转换器、 上位 机； S2、 搭建LSTM ‑ELM神经网络预测模型， 采用WOA优化函数寻找ELM最佳权值， 阈值， 对采 集到的信号实时处 理， 并输出边界润滑的出现概 率； S3、 将油温、 润滑油黏度、 油膜压力、 轴的转速等参数代入已训练好的神经网络模型； 搭 建了LSTM ‑ELM神经网络预测模型， 收集到的参数同时进入ELM学习机和LSTM神经网络， 在 ELM一侧， 对比传统的BP神经网络， 采用WOA优化算法， 寻找最佳权值， 阈值， 采用了L2 正则化 防止过拟合， 对于网络结构， 采用两层隐层， 第一层隐层为10个神经元的全连接层， 激活函 数采用收敛、 计算更快的Relu， 保证了运算效率， 有效提升警报的响应速率， 第二层隐层为5 个神经元的全连接层， 激活函数采用softmax， 使输出服 从概率分布， 输出层为三个神经元， 分别表示三种润滑状态的出现概率， 数据通过ELM将参数初始化， 将训练随机产生的阈值， 权值作为 WOA的初始位置向量； S4、 在LSTM一侧,采用3个sigmoid激活函数及2个tanh激活函数实现信息的输入、 遗忘、 更新以及输出， 堆叠层数为1层， 训练次数达到2000次时停止训练， 输出结果维数为3， 分别 表示三种润滑状态的出现概 率； S5、 将上述由WOA寻优算法找到的最佳权值， 阈值代入ELM极限学习机， 并将上述LSTM输 入层及所有隐层作为ELM输入， 将ELM输出与LSTM神经网络输出做平均值处理,计算得出润 滑状态的概 率分布； S6、 通过载入已训练好的神经网络模型， 代入已处理好的传感器所采集到的数据， 实时 计算出油膜润滑状态的概率分布， 润滑状态包括全膜润滑， 边界润滑与混合润滑， 当油膜润 滑状态主要为全膜润滑 时， 此时润滑效果最佳， 基本不会发生轴承磨损， 对轴承， 轴颈表面 均起到保护效果， 使状态属性灯呈绿色， 当油膜润滑状态主要为混合润滑时， 此时虽然会发 生部分边界润滑， 但属于可接受的范围内， 可使状态属性灯呈黄 色， 当油膜润滑状态主要为 边界润滑时， 轴承会产生较为剧烈的摩擦磨损， 可使状态属性灯呈 红色， 并发出警报至轮机 主控制室； S7、 当边界润滑的出现概率大于预先设定的概率阈值时， 发出警示信号送至船舶主控 制室； 当某 一时刻， 油膜边界润滑的概率大于0.9时， 此时轴承油膜发生的基本为边界润滑， 油膜温度将保持在一个较高区间， 并发生严重磨损， 此时通过出发警报， 使机组工作人员添 加润滑油， 抗磨剂或适当冷却， 均有效避免边界润滑的发生， 延长轴承的使用寿命， 同时根 据实际情况适当调节概率阈值， 以0.8 ‑0.9为佳， 既使警报不过于频繁， 同时有效的预防边 界润滑。 2.如权利要求1所述的一种基于深度学习的船舶轴承润滑状态在线监测系统， 其特征 在于， 所述步骤S1 中所述轴颈转速传感器采用非接触式光电传感器， 安装于轴承壳体一侧， 转速感应器1安装于转轴上侧， 电光感应片2安装在转轴上； 所述油膜温度传感器3、 润滑油 黏度传感器4放置于出油口5内壁； 所述超声波测压装置包含超声波发射模块6， 超声波接收 模块7和数据处理模块8， 超声波发射模块6、 超声波接收模块7对称放置于轴承上下两侧， 所权　利　要　求　书 1/3 页 2 CN 114878162 A 2述数据处 理模块包括D SP及控制电路。 3.如权利要求2所述的一种基于深度学习的船舶轴承润滑状态在线监测系统， 其特征 在于， 所述步骤S1在 进行超声波测压前， 测量在 超声波发射模块6和接收模块7安装方向上， 上下两侧轴承的厚度d1、 d3， 上下两侧轴承中间的高度d， 以及转轴的直径d2； 超声波在轴承 材料及转轴材 料中的速度可查表得到， 设为v1,v2。 液压与声速具有近似一次线性关系， 尤其在压力较高且温度波动范围不大的条件下， 线性关系比较稳定， 满足关系式： 式中， C为润滑油中超声波声速， 单位为 m/s； C0为常温、 一个大气压 下润滑油中超声波声 速， 单位为m/s； P为润滑油压力， 单位为Pa； K为比例系数， 其中C0、 K为常数， 通过实验 或者查 表求得； 由式(1)可以看出， 测量超声 波在轴承润滑油膜中的声速就能得到油膜的压力值； 由数据处理模块8、 超声波发射模块6发射超声波， 超声波接收模块7接收超声波， 测得 超声波运行总时间t0， 得C的表达式： 联合式(1)、 式(2)化简得 出润滑油压力P表达式： 由式(3)可知， 只需得到超声波在轴承间运行总时间t0,即可得出轴承间润滑油油压， 即 油膜压力， 由数据 处理模块8进行上述计算并将压力信号转为数字信号发送给上位机进行 后续处理； 将传感器所测量到的电信号通过模数转换器， 转化为数字信号， 传递给上位机进行数 据处理， 所述模数转换器下连接至上述的油膜温度传感器， 润滑油黏度传感器以及轴颈转 速传感器， 并采用RS485通讯上 连接至上位机 。 4.如权利要求1所述的一种基于深度学习的船舶轴承润滑状态在线监测系统， 其特征 在于， 步骤S2边界润滑的出现概 率使用如下 方程进行描述： P＝f(T)+g( μ )+h(n)+j(py)； 其中P表示边界润滑的出现概率， T表示轴承运行时的润滑油温度， μ表示润滑油黏度， n 表示轴的转速， py表示油膜压力； 对润滑油温度T： 油温升高会导致润滑油的黏度下降,容易引起局部油膜破坏,润滑失 效,降低轴承的承载能力,甚至发生润滑油碳化而烧瓦； 油温降低会使油的黏度增加,从而 使油膜润滑摩擦力增大,轴承消耗功率增加， 此外,还会使油膜变厚,产生因油膜振动引起 的机器振动； 对黏度 μ： 不同温度下润滑油黏度不同， 黏度太高时阻力大， 不利于均匀润滑， 散热效果 不好； 黏度太低时， 轴面 不能保持足够的油膜， 润滑效果 不佳； 对转速n： 转速越高， 轴承及润滑油温度越高， 润滑油受离心力作用黏度降低；权　利　要　求　书 2/3 页 3 CN 114878162 A 3