[发明专利]一种基于增强型粒子滤波的轴承寿命预测方法

说明书

技术领域

本发明涉及一种轴承寿命预测方法，尤其是一种基于增强型粒子滤波的轴承寿命预测方法。

背景技术

众所周知，由轴承故障导致的旋转机械不能正常工作的现象屡见不鲜(比如由通用电器和IEEE工业应用学会联合主持的电机可靠性学习中发现由轴承引起的问题占了整个机器故障的40％以上)。因而轴承的故障诊断和寿命预测研究得到了工业界和学术界的普遍关注。

传统的轴承故障诊断是针对已出现故障的轴承信号进行识别与分类，而轴承的寿命预测则是在故障发生之前对机械部件进行连续跟踪监测，并基于提取的跟踪特征建立模型对轴承的剩余寿命提前进行预测。因此，轴承的寿命预测研究对于降低停机时间、保证产品质量、提高生产效率有着极为重要的意义。

在现有轴承寿命预测技术当中，粒子滤波算法由于可以解决具有严重非线性信号的预测问题，因此在轴承寿命预测领域得到了较好的应用。然而，传统粒子滤波算法存在着粒子退化、粒子多样性丧失等问题，严重影响着轴承寿命预测的准确性和可靠性。对于这个问题，当前没有公开的解决办法。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种基于增强型粒子滤波的轴承寿命预测方法，利用增强型粒子滤波算法融合了自适应重要性密度函数选择方法以及基于神经网络的粒子平滑算法，提高了预测的准确性。

技术方案：为实现上述目的，本发明采用的技术方案为：一种基于增强型粒子滤波的轴承寿命预测方法：其特征在于，包括数据采集设备；

该方法具体包括以下步骤：

1)在时间t＝1时刻，通过数据采集设备采集f_s个轴承振动数据点，f_s为数据采集设备的采样频率，利用递归定量分析方法对采集到的轴承振动数据点提取递归熵特征RP₁；

2)在时间t＝t+1时刻，通过数据采集设备采集f_s个轴承振动数据点，利用递归定量分析方法对采集到的轴承振动数据点提取递归熵特征RP_t，并记录；反复迭代t＝t+1并记录所有递归熵特征RP_t，直到t>400时进入步骤3)；

3)计算RP₁～RP₄₀₀这400个递归熵特征的平均值μ_h及标准差σ_h，设定健康阈值th₁＝μ_h+5σ_h；

4)令t＝t+1，通过数据采集设备采集f_s个轴承振动数据点，利用递归定量分析方法对采集到的轴承振动数据点提取当前时刻下的递归熵特征RP_t；若此时RP_t>th₁，则进入步骤5)；否则返回重复步骤4)；

5)计算RP_t、RP_t-1…RP_t-58、RP_t-59这60个递归熵特征的平均值μ_f及标准差σ_f，并设定故障阈值th₂＝μ_f+12σ_f；

6)利用RP_t、RP_t-1…RP_t-58、RP_t-59这60个递归熵特征构建自回归模型；所述自回归模型的构建方法是对RP_t、RP_t-1…RP_t-58、RP_t-59这60个递归熵特征采用赤池信息量准则确定模型阶数p，采用伯格算法确定模型系数a₁、a₂…a_p以及模型噪声ε_t；