[发明专利]一种无量纲参数滚动轴承长相关故障趋势预测方法

权利要求书

1.一种无量纲参数滚动轴承长相关故障趋势预测方法，其特征在于，该方法包括如下步骤：

(1)采集滚动轴承原始振动信号；

(2)将短相关时间序列模型ARIMA和长相关时间序列模型FARIMA相结合构成MIX-ARMA模型；

(3)采用MIX-ARMA模型对原始振动信号进行平滑处理得到平滑振动信号；

(4)获取平滑振动信号的Hurst参数；

(5)根据Hurst参数确定滚动轴承是否发生故障；

所述的MIX-ARMA模型为：

Φ(z^-1)(1-z^-1)^dx_t＝Θ(z^-1)ε_t，

其中，ε_t为原始振动信号，x_t为平滑振动信号，d为差分阶数，p为自回归阶数，q为移动平均阶数，Φ(z^-1)为p阶AR多项式，Θ(z^-1)为q阶AR多项式，φ、θ为多项式系数，z为常数，0＜|z|＜1；

所述的差分阶数d取值为：d∈(-0.5,0.5)∪{0,1,2,...,n}，n为整数；

MIX-ARMA模型建立的方式为：将时间序列的历史数据根据预测需求分成两部分，前一部分用于建立模型，后一部分用于检测模型的预测误差，后一部分数据被分为多段，用每一段数据检测模型的预测误差，最终取每一段预测误差的平均值APEZ作为模型的预测误差，取使得总平均预测误差APEZ最小时参数p、q、d对应的取值为最优模型参数，总平均预测误差APEZ则是使用的改进交叉核实准则：

其中，Q＝5,m＝0.1N；

步骤(4)中Hurst参数通过如下方式获得：H＝d+0.5，其中，H为Hurst参数，d为差分阶数；

步骤(5)具体为：若Hurst参数H＞0.5，则此时滚动轴承发生故障，否则滚动轴承无故障；

该方法还包括对步骤(5)采用Hurst参数确定滚动轴承是否发生故障的验证，具体为：求取平滑振动信号的跳跃性因子，若跳跃性因子大于设定值则滚动轴承发生故障；

对于平滑振动信号：{x₁₁,x₁₂,…,x_1m；…；x_n1,x_n2,…,x_nm}，分别取n段数据中的极小值x_1p、x_2p、……x_np，1＜p＜m，求取：

则，跳跃性因子J_f＝D_x。