技术摘要：
本公开的实施例涉及用于数据驱动机器诊断的方法与系统。一种用于机器的数据驱动诊断的系统，包括在计算机中被实例化的机器学习模型，机器学习模型被配置为：接收机器的操作数据；以及处理操作数据以确定机器诊断信息。使用从模拟环境接收的模拟的缺陷信息来训练机器学  全部
背景技术：
齿轮减速器(即，齿轮箱)是一种机械设备，其降低旋转速度并且增加由输入电源 生成的转矩。齿轮减速器通常被用于降低输入速度以匹配下游设备的期望速度和/或提供 更高的转矩以从输入电源获得更多可用功。以其最简单的形式，齿轮减速器通过使输入齿 轮驱动输出齿轮来实现其预期的效果，该输出齿轮比输入齿轮具有更多的齿，从而使输出 齿轮旋转的更慢。齿数较少的齿轮(即，两个齿轮中较小的齿轮)被称为小齿轮(pinion)。 存在各种类型的齿轮减速器，包括单速、工业齿轮减速器、偏心减速器、在线减速 器、蜗轮减速器和行星齿轮减速器，等等。针对齿轮减速器的常见应用包括用于输送机、给 料机、轧机、混合机、辊道，但许多其他应用也是可能的。在多数应用中，齿轮减速器将位于 原动机(例如，电动机)与从动设备(例如，输送机、给料机、轧机等)之间。齿轮减速器被用于 各种行业，包括食品加工、采矿和农业行业。 不管是何种应用或行业，由于灾难性的齿轮减速器故障而导致的计划外停机时间 可能非常昂贵，例如由于生产损失。灾难性的齿轮减速器故障可能会例如由于机械缺陷(诸 如齿轮齿、键或轴的断裂)而发生。虽然可以定期进行预防性维护和检查以减少齿轮减速器 计划外停机的可能性，但这会导致不希望的人工成本、需要维护备件、并且需要经常安排计 划的停机时间。
技术实现要素：
本发明的实施例提供了一种用于机器的数据驱动诊断的系统，该系统包括在计算 机中被实例化的机器学习模型，该机器学习模型被配置为：接收机器的操作数据；以及处理 操作数据以确定机器诊断信息。使用模拟的操作数据来训练机器学习模型，该模拟的操作 数据来自从机器的模拟环境接收的缺陷模拟。 在实施例中，机器诊断信息包括以下预测：机器中存在齿轮缺陷、滚动元件缺陷、 或者轴缺陷中的至少一个。机器诊断信息可以包括机器中存在以下类别中的至少一种类别 的缺陷的预测：磨损、划伤、塑性变形、赫兹疲劳(即，表面疲劳)、或者破裂。 在实施例中，操作数据从与机器相关联的单个传感器被接收。单个传感器可以是 加速度计或麦克风。 在实施例中，机器学习模型是神经网络。神经网络可以使用反向传播被训练。 在实施例中，模拟的操作数据包括从模拟环境获得的缺陷-传感器数据对。缺陷- 传感器数据对中的每个缺陷-传感器数据对可以通过模拟缺陷以产生与缺陷相对应的模拟 的传感器数据而被获得。 在实施例中，模拟环境包括机器的结构动态有限元模型。 实施例的模拟环境可以被配置为基于所接收的关于被监控的机器的信息而被更 4 CN 111595577 A 说　明　书 2/11 页 新，以将模拟环境校准到机器。 机器学习模型可以使用以下中的至少一个被训练：来自与该机器相似的机器的历 史数据、原型测试数据、或者该机器的历史数据。 在实施例中，系统还包括数据记录器，该数据记录器被配置为存储机器的历史数 据。 在实施例中，系统还包括用户界面，该用户界面被配置为向用户显示机器诊断信 息。 在实施例中，机器是齿轮箱。齿轮箱可以是齿轮减速器。 本发明的另一实施例提供了一种用于机器的数据驱动诊断的方法。方法包括：实 例化机器学习模型；利用模拟的操作数据来训练机器学习模型，该模拟的操作数据来自机 器的模拟环境的缺陷模拟；通过机器学习模型来接收机器的操作数据；以及通过机器学习 模型来处理操作数据，以确定机器诊断信息。 在实施例中，方法还包括：通过模拟环境模拟多个缺陷来产生多个模拟的传感器 数据，以获得多个缺陷-传感器数据对；将缺陷-传感器数据对作为模拟的操作数据发送到 机器学习模型。 在实施例中，方法还包括：基于所接收的关于被监控的机器的信息来更新模拟环 境，以将模拟环境校准到机器。 在实施例中，机器诊断信息包括以下预测：机器中存在齿轮缺陷、滚动元件轴承缺 陷、或者轴缺陷中的至少一个。 附图说明 下面将基于示例性附图更详细地描述本发明。本发明不限于示例性实施例。在本 发明的实施例中，本文描述和/或示出的所有特征可以在不同的组合中被单独或结合使用。 通过参考附图的下面的详细描述，本发明的各个实施例的特征和优点将变得显而易见，附 图图示以下内容： 图1图示出齿轮减速器的示例实施例； 图2是本发明实施例的系统和方法的半示意图 (s e m i - d i a g r a m m a t i c  illustration)； 图3A-图3C进一步图示出图2的系统和方法的操作； 图4图示出根据本发明的实施例的对齿轮减速器进行建模和模拟的示例；以及 图5图示出根据实施例的处理系统的框图。