【儀表網(wǎng) 研發(fā)快訊】工業(yè)設備因長期在高負荷環(huán)境下運行，容易發(fā)生各類故障，從而嚴重影響生產(chǎn)效率。設備健康管理對提升工業(yè)安全、減少經(jīng)濟損失和維護成本具有重要意義。然而，現(xiàn)有的健康管理方法多局限于有限的工況條件，并且通常只能執(zhí)行單一的健康管理任務，難以滿足復雜工業(yè)場景的需求。
現(xiàn)有軸承健康管理任務遇到的挑戰(zhàn)
該研究提出的軸承健康管理框架
為解決這一難題，中國科學院沈陽自動化研究所智能檢測與裝備研究室的科研團隊構(gòu)建了首個多模態(tài)軸承健康管理數(shù)據(jù)集(MBHM)。該數(shù)據(jù)集結(jié)合了機械振動信號和健康管理語料庫，覆蓋數(shù)百種工況條件，極大提升了數(shù)據(jù)的復雜性和現(xiàn)實代表性，為相關算法的開發(fā)和驗證提供了強有力的支撐。
在此基礎上，研究團隊設計了基于工業(yè)大模型的軸承健康管理框架BearLLM。該框架采用統(tǒng)一的振動信號表示形式，將待測信號轉(zhuǎn)換到頻域，通過識別其與無故障條件下信號的頻譜差異，提升故障診斷的精度。此外，BearLLM通過將振動信號與語義嵌入對齊，充分利用了工業(yè)大模型的強大語言理解和生成能力，實現(xiàn)了多種健康管理任務的統(tǒng)一自然語言響應。實驗結(jié)果表明，這一框架在數(shù)百種復雜工況條件下表現(xiàn)出了領先的性能。
相關研究成果以BearLLM: A Prior Knowledge-Enhanced Bearing Health Management Framework with Unified Vibration Signal Representation為題在人工智能領域國際會議AAAI 2025(CCF A類)中被正式錄用。
該研究成果將助力解決普通用戶在使用軸承健康管理系統(tǒng)時的專業(yè)性障礙，還可廣泛適用于多種工作條件，為智能檢測與裝備技術在工業(yè)場景的推廣應用提供了新思路。
本研究得到了國家自然科學基金、遼寧省應用基礎研究計劃及遼寧省自然科學基金的支持。(智能檢測與裝備研究室)
所有評論僅代表網(wǎng)友意見，與本站立場無關。