【儀表網 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，從而嚴重影響生產效率。設備健康管理對提升工業(yè)安全、減少經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)