[发明专利]一种多工况动态基准化的机械设备剩余寿命预测方法

说明书

一种多工况动态基准化的机械设备剩余寿命预测方法，首先建立包括状态转移方程和观测方程的机械设备退化状态空间模型，其次对模型的未知参数和信号变换参数进行估计，基于训练样本失效时间数据，利用极大似然估计法估计状态转移方程的参数，通过线性插值估计将不同运行工况下的监测信号变换至基准工况监测信号的变换参数，并使用变换后的信号估计观测方程的参数，然后对不同工况下测试样本的监测信号进行动态基准化，利用粒子滤波算法估计测试样本的状态值，最后计算测试样本剩余使用寿命概率密度函数的解析解；本发明能够在剩余寿命预测的过程中实时动态地将多工况下的监测信号基准化，有利于提高机械设备剩余寿命预测的精度。

技术领域

本发明属于机械装备健康管理与剩余寿命预测技术领域，具体涉及一种多工况动态基准化的机械设备剩余寿命预测方法。

背景技术

随着科技进步，机械装备不断迈向大型化、复杂化、精密化，其使用功能的多元化使运行工况趋于复杂，容易导致故障频发，不仅影响设备运行安全，给经济效益带来巨大损失，甚至严重威胁着人们的生命安全。因此，针对机械设备开展健康管理和剩余寿命预测，实现预防性维修尤为重要。

在生产实际中，多工况对机械设备的剩余寿命预测主要产生两方面的影响，一是改变了机械设备的退化速率，二是引起了监测信号的幅值突变。现有技术往往仅考虑不同工况对机械设备退化速率的影响，而忽视了其对信号幅值的影响。信号幅值的突变容易导致对机械设备退化状态过程的误判，进而导致剩余寿命预测的准确度降低。因此，考虑多工况对退化速率和信号幅值的影响，从外界干扰中有效辨识机械设备的真实退化信息对提高剩余寿命预测的精度至关重要。

发明内容

为了克服现有技术的以上缺点，本发明提供了一种多工况动态基准化的机械设备剩余寿命预测方法，将不同工况下的监测信号动态变换到基准工况下，使用训练样本数据通过极大似然估计等方法求取状态空间模型参数和信号变换参数，利用粒子滤波算法评估测试样本的状态值，最后考虑设备未来的运行工况，预测测试样本的剩余寿命的概率分布，由此提高机械设备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：

一种多工况动态基准化的机械设备剩余寿命预测方法，包括以下步骤：

1)构建机械设备退化的状态空间模型：

考虑变工况对退化速率和信号幅值的影响，建立如下状态空间模型，

其中，式(1)为状态转移方程，式(2)为观测方程，x_k为t_k时刻的状态值，即机械设备的衰退比例，在健康状态时其值为0，在完全失效状态时其值为1；y_k为t_k时刻的观测值，具体为能够反映机械设备状态的监测指标；p_k代表了t_k时刻设备所处的运行工况；是为描述不同工况对机械设备退化速率影响而引入的工况p_k下的工况系数；η为退化速率，运行工况不变时其值保持恒定；Δt_k＝t_k-t_k-1为监测信号采集的时间间隔；ω_k为服从均值为0、方差为的正态分布的状态转移噪声；是为描述不同工况对监测信号幅值影响而引入的工况p_k下的系数，选定某工况为基准工况，则其系数分别改写为a_B和b_B；c为观测方程的阶次，表征退化趋势的非线性特性；υ_k为服从均值为0、方差为σ²的正态分布的测量噪声；

2)估计状态空间模型参数η、σ²、a_B、b_B、c和信号变换参数a′_p、b′_p：