NTN開發(fā)的這項(xiàng)技術(shù)，揉合了多種人工智能方法，能對(duì)軸承的剩余壽命做出精準(zhǔn)預(yù)測(cè)。通過(guò)精準(zhǔn)預(yù)測(cè)軸承失效的極限使用壽命，也就是在剝落事故發(fā)生后能精確定位其使用壽命，制訂出高效的機(jī)械設(shè)備維修計(jì)劃。此項(xiàng)技術(shù)對(duì)提高生產(chǎn)效率、降低成本有著至關(guān)重要的作用。skf

軸承在機(jī)械設(shè)備中，會(huì)因各種使用環(huán)境因素導(dǎo)致脫落，嚴(yán)重情況下會(huì)引發(fā)故障。然而，由于設(shè)備結(jié)構(gòu)和安裝位置的限制，軸承的維護(hù)并不總是能夠及時(shí)進(jìn)行。在不影響操作的情況下，軸承會(huì)持續(xù)使用。對(duì)軸承狀態(tài)的檢測(cè)可以通過(guò)振動(dòng)數(shù)據(jù)來(lái)實(shí)現(xiàn)，但是軸承在發(fā)生脫落等異常后能持續(xù)使用多長(zhǎng)時(shí)間，即剩余壽命的確定，很難做到精準(zhǔn)定位。這也是目前機(jī)械維修中遇到的一大難題。

在軸承發(fā)生故障后更換或者提前更換，可防止設(shè)備停機(jī)造成的損失和維護(hù)成本。但在實(shí)際情況下，很多現(xiàn)場(chǎng)工作人員根據(jù)經(jīng)驗(yàn)做出判斷，這種方式有很大的局限性。隨著自動(dòng)化生產(chǎn)的發(fā)展，越來(lái)越需要高度精確預(yù)測(cè)軸承的剩余使用壽命的技術(shù)，以更準(zhǔn)確地確定軸承更換時(shí)間，減少設(shè)備停機(jī)時(shí)間和降低維護(hù)成本。SKF

NTN的技術(shù)是“Next Generation Research Alliance Laboratories”聯(lián)合研究項(xiàng)目的成果。該實(shí)驗(yàn)室于2017年在大阪大學(xué)成立，位于大阪府佐田市。該實(shí)驗(yàn)室將NTN的技術(shù)和大學(xué)的人工智能研究相結(jié)合。NTN開發(fā)了一種剩余使用壽命預(yù)測(cè)技術(shù)，通過(guò)將深度學(xué)習(xí)與貝葉斯學(xué)習(xí)相結(jié)合并進(jìn)行改進(jìn)，提高了從軸承發(fā)生剝落到軸承損壞時(shí)估計(jì)剩余使用壽命的準(zhǔn)確性。在幾種人工智能方法中，NTN選擇了專門用于圖像處理的卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法，它可以將軸承的振動(dòng)數(shù)據(jù)轉(zhuǎn)換為圖像數(shù)據(jù)以供使用，從而能夠預(yù)測(cè)軸承的損壞狀況和剩余使用壽命。此外，通過(guò)結(jié)合分層貝葉斯線性回歸建立了一個(gè)高度可靠的預(yù)測(cè)模型，該模型通過(guò)考慮軸承損傷進(jìn)程中測(cè)量數(shù)據(jù)的個(gè)體差異和變化（誤差）來(lái)評(píng)估預(yù)測(cè)值的可靠性。通過(guò)考慮損傷條件，與傳統(tǒng)技術(shù)相比，剩余使用壽命的預(yù)測(cè)精度提高了約30%。  SKF