[发明专利]一种故障演化趋势的设备剩余使用寿命预测方法

权利要求书

1.一种故障演化趋势的设备剩余使用寿命预测方法，其特征在于，包括步骤：

通过选择对故障演化过程单调趋势表征能力最大的测点数据作为剩余使用寿命预测的数据源；

通过选择对故障演化过程综合能力最大的统计特征作为剩余使用寿命预测模型的预测特征输入预测模型；

通过预测模型预测设备的剩余使用寿命；

其中，剩余使用寿命预测数据源获取方法包括步骤：

使用部署在设备上的各个测点以相同时间间隔采集从正常状态到完全失效状态全寿命故障演化过程的原始数据；

计算各个时刻的原始数据的均方根值，建立所有测点描述的故障演化趋势曲线；

计算各个趋势曲线的趋势能力，去除没有趋势的测点数据，选择具有最大单调趋势能力的测点数据作为剩余使用寿命预测的数据源。

剩余使用寿命预测特征提取方法包括步骤：

使用时频域统计特征计算方法计算所述数据源中各个时刻的特征值，建立时频域统计特征描述的故障演化趋势曲线；

分析不同统计特征描述的故障演化特征，综合计算时频统计特征对故障演化过程的单调能力、趋势能力、辨识能力和鲁棒能力，选择综合能力最大的特征作为剩余使用寿命的预测特征；

所述剩余使用寿命预测，使用选择的预测特征建立的故障演化趋势序列作为预测模型的输入，预测设备的剩余使用寿命。

2.根据权利要求1所述的一种故障演化趋势的设备剩余使用寿命预测方法，其特征在于，所述剩余使用寿命预测数据源获取包括步骤：

S101.通过部署在不同设备监测点上的传感器采集故障演化过程的原始数据：根据系统功能结构、故障传播特点和状态监控要求，初步部署测点N_T为测点总数；采集系统从正常状态到出现故障状态下的全寿命故障演化过程的原始数据其中，O_i为第i个测点t_i采集的故障演化数据，O_i＝{X_i(1),X_i(2),X_i(3),...,X_i(n),...,X_i(N_L)}，X_i(n)为测点t_i采集的第n时刻的数据，N_L为故障演化数据对应的样本数；

S102：对所述原始数据O进行预处理：

式中，X_i(n)为全寿命数据O_i第n时刻的数据，μ_i和σ_i分别为X_i(n)的均值和标准差；

S103：计算原始数据O各个时刻数据的均方根值：

式中，e_i(n)为数据源O_i在n时刻的均方根值，N为n时刻采集数据点总数，x_i(n)为数据O_i对应的n时刻的数据向量；

S104:进行归一化处理：

式中，E_i＝{e_i(1),e_i(2),e_i(3),...,e_i(n),,...,e_i(N_L)}，E_i为测点t_i采集的全寿命原始数据O_i的特征向量，N_L为O_i中采集的故障演化数据样本数，E_max为E_i中的最大值，E_min为E_i中的最小值，为特征向量E_i归一化后的向量；

S105:计算故障演化数据的M-K统计量：

式中，Z_i为O_i的M-K统计量，N_L为O_i中采集的故障演化数据样本数，S_i为故障演化数据O_i检验统计量；

其中，

式中，sign为符号函数，当X_i(n₁)-X_i(n₂)小于、等于或大于零时，

sign(X_i(n₁)-X_i(n₂))分别为-1、0或1，N_L为O_i中采集的故障演化数据样本总数；

S106:选择剩余使用寿命预测的数据源O*：

式中，Z_i为故障演化数据O_i的M-K统计量，N_T为监测点总数，O*为O中N_T个M-K统计量最大的数据源。