1.一种基于油样视觉 的高速列车轴承故障预测方法，包括如下步骤：S1.建立高速列车轴承故障数据库；具体为采用如下步骤建立数据库：A.对处于不同状态的高速列车轴承的润滑油进行采集；

B.将步骤A采集到的润滑油进行油样分析，以及分析数据预处理；具体为对步骤A采集到的润滑油油样，采用油样光谱分析仪获得样本中Fe、Cr、Zn、Al、Cu、Si、Ba、Na、Pb九种元素的原子浓度的数据，并剔除数据异常的样本；同时，获取所有样本中每种元素的浓度最大值和浓度最小值，同时对每种元素的浓度序列进行归一化处理，并记录归一化时的比例系数；

C.将步骤B得到的预处理后的油样分析数据转换为灰度图像数据，并进行存储；具体为采用如下步骤转换为灰度图像数据：C1.建立数据矩阵：

对于步骤B得到的样本数据，将后一采样时刻的样本数据中各元素的原子浓度，与前一采样时刻的样本数据中各元素的原子浓度做差，从而得到9×9的数据矩阵矩阵中元素Aij表示后一时刻中第j个元素原子浓度与前一

时刻中第i个元素原子浓度之差；

C2.灰度图像转换：

将步骤C1得到的数据矩阵中的每一个元素的值域转换到[0,255]，从而得到转换后的图像矩阵Y，并将图像矩阵Y中的每个元素的数值视为灰度图像的灰度值，从而完成灰度图像转换；

S2.构建列车轴承故障初步预测模型；具体为采用CNN‑GRU深度神经网络构建列车轴承故障初步预测模型；

S3.采用步骤S1构建的高速列车轴承故障数据库，对步骤S2得到的列车轴承故障初步预测模型进行训练，从而得到最终的列车轴承故障预测模型；

S4.采集待预测高速列车的轴承数据，并采用步骤S3得到的列车轴承故障预测模型，对待预测高速列车的轴承故障进行预测。

2.根据权利要求1所述的一种基于油样视觉的高速列车轴承故障预测方法，其特征在于步骤A所述的对处于不同状态的高速列车轴承的润滑油进行采集，具体为以高速列车轴承的一个换油周期为采样总时段，对处于不同状态的高速列车轴承的润滑油进行采集，每个轴承的润滑油采样五次，每次采样的时间间隔相等；同时每次采样的油液为N毫升，每一个状态的高速列车轴承的采样数为M组；N和M均为正整数。

3.根据权利要求2所述的一种基于油样视觉的高速列车轴承故障预测方法，其特征在于所述的将步骤C1得到的数据矩阵中的每一个元素的值域转换到[0,255]，具体为将步骤C1得到的数据矩阵中的每一个元素的值乘以127，然后再加上127，从而将值域转换到[0,

255]。

4.根据权利要求3所述的一种基于油样视觉的高速列车轴承故障预测方法，其特征在于所述的采用CNN‑GRU深度神经网络构建列车轴承故障初步预测模型，具体为采用如下步骤构建模型：a.构建网络输入层：

输入层神经元结构为9×9×1；

b.构建卷积层：

卷积层包括第一卷积层、第二卷积层和第三卷积层：第一卷积层的规格为7×7，卷积核规格为3×3，深度为16，卷积步长为1；第二卷积层的规格为5×5，卷积核规格为3×3，深度为16，卷积步长为1；第三卷积层的规格为4×4，卷积核规格为2×2，深度为32，卷积步长为

1；同时在第三卷积层后增加一层Relu层，防止梯度爆炸现象；

c.构建GRU层：

采用一层1×512的全连接层接收步骤b构建的卷积层输出数据，然后采用连续的两层GRU网络进行特征挖掘；GRU网络的结构分别为1×256和1×128；

d.构建网络输出层：

网络输出层的激活函数为softmax函数，输出神经元的数目为1，对应于该类轴承的故障发生的预测概率。

5.根据权利要求4所述的一种基于油样视觉的高速列车轴承故障预测方法，其特征在于步骤S3所述的对步骤S2得到的列车轴承故障初步预测模型进行训练，从而得到最终的列车轴承故障预测模型，具体为采用如下步骤进行训练：采用如下步骤，对列车轴承故障初步预测模型中的单个网络进行训练：(1)数据集处理：

采用平均法，将ImagNet数据集中的RGB彩色图片转换为灰度图像，从而作为CNN‑GRU网络的输入数据；

(2)预训练：

从步骤(1)得到的数据集中，随机选择故障图像N2张和非故障图像M2张，对网络进行预训练，同时重复预训练步骤若干次，从而使得模型获得对图像特征的提取与分辨能力；训练时，模型的学习率设置为0.1，同时采用随机动量梯度下降法更新模型参数；N2和M2均为正整数；

(3)二次训练：

采用步骤S1得到的高速列车轴承故障数据库中的图片，再次对步骤(2)中预训练后的网络进行二次训练，从而得到最终的列车轴承故障预测模型；训练时，正常轴承的样本数据图片、待预测故障样本的数据图片和其他故障样本的数据图片的比例为1:2:1，模型的学习率设置为0.1，采用随机动量梯度下降法更新模型参数。

6.根据权利要求5所述的一种基于油样视觉的高速列车轴承故障预测方法，其特征在于步骤S4所述的采集待预测高速列车的轴承数据，并采用步骤S3得到的列车轴承故障预测模型，对待预测高速列车的轴承故障进行预测，具体为采用如下步骤进行预测：

1)采用与步骤S1相同的技术方案获取待预测轴承的数据；

2)将步骤1)得到的待预测轴承的数据输入到步骤S3得到的列车轴承故障预测模型中，得到待预测轴承发生各种故障的可能性概率预测值，从而完成待预测高速列车的轴承故障预测。