[发明专利]基于弗雷歇距离动态数模联动的滚动轴承寿命预测方法

说明书

基于弗雷歇距离动态数模联动的滚动轴承寿命预测方法，首先使用具有不同核参数的相关向量机对滚动轴承健康指标进行回归分析，而后利用指数模型拟合相关向量；通过计算拟合退化曲线和平滑后健康指标序列之间的弗雷歇距离对拟合退化曲线进行动态评估，得到最优退化曲线及其对应退化模型参数，而后递推健康指标直至其达到失效阈值，从而实现了基于模型和数据驱动方法动态联动下对滚动轴承剩余寿命的预测，本发明避免了对退化模型参数做出先验假设，摆脱了预测方法对大量历史数据的依赖，提高了滚动轴承寿命预测的精度，具有较好的工程应用价值。

技术领域

本发明属于滚动轴承剩余寿命预测技术领域，具体涉及基于弗雷歇距离动态数模联动的滚动轴承寿命预测方法。

背景技术

滚动轴承作为机械设备中最常用的零部件之一，其健康与否直接影响设备的可靠性和综合效益，因此需要制定有效的维护方案以保障设备安全稳定运行。由于滚动轴承的退化一般历经长期缓慢的早期退化阶段和短期剧烈的严重退化阶段，若采用传统的定期维护方案，不仅会造成人力物力浪费，还可能由于未及时更换滚动轴承而导致设备停机，甚至引发机毁人亡的惨剧。预测性维护方案则可根据滚动轴承剩余寿命预测结果制订相应的备件和检修计划，最大化设备的可靠性和综合效益。作为开展预测性维护的前提和关键依据，如何准确预测滚动轴承剩余寿命正受到国内外研究机构和生产企业的广泛关注和高度重视。

现有滚动轴承剩余寿命预测方法可大致分为两类：基于模型方法和数据驱动方法。基于模型方法通过对轴承退化过程的理论分析或经验总结，使用指数模型、Paris-Erdogan模型等描述其退化趋势，并据此进行剩余寿命预测；而数据驱动方法则利用人工智能模型(支持向量机、相关向量机、人工神经网络等)从历史数据中挖掘运行时间、健康状态和剩余寿命之间的映射关系，从而实现滚动轴承的剩余寿命预测。但以上两种方法都存在明显弊端：基于模型方法需要研究人员深入分析滚动轴承退化机理，同时还需预先假设模型参数的先验分布，容易因错误假设带来严重的预测误差；数据驱动方法的预测精度不仅取决于历史数据的数量，更依赖于其质量，但在工程实际中往往难以获取足够多的高质量轴承历史数据。因此，上述两种寿命预测方法在现阶段均不能有效满足工程实际需求。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供基于弗雷歇距离动态数模联动的滚动轴承寿命预测方法，充分利用基于模型和数据驱动两种方法的优势，并摒弃二者的不足，从而提高滚动轴承剩余寿命预测的精度。

为了达到上述目的，本发明采取的技术方案为：

基于弗雷歇距离动态数模联动的滚动轴承寿命预测方法，包括以下步骤：

1)利用加速度传感器实时采集滚动轴承振动信号，从振动信号中提取反双曲正弦指标作为滚动轴承的健康指标：

其中，s(t)为t时刻的反双曲正弦指标值，x_t为t时刻采样得到的振动信号片段，σ(·)为方差计算式；

2)在t_k时刻将已获取的健康指标输入到具有不同核参数的相关向量机中，执行回归分析并获得相应的相关向量；具体步骤如下：

2.1)获取滚动轴承从起始时刻t₀到当前时刻t_k的健康指标序列S_k，其中S_k＝{s(t₀),...,s(t_k)}；

2.2)设置相关向量机的核函数为高斯核函数，即：

K(t_k,t_i)＝exp(-γ||t_i-t_k||²) (2)