[发明专利]一种机械系统退化趋势预测方法及系统

权利要求书

1.一种机械系统退化趋势预测方法，其特征在于，所述方法包括：

在相等时间间隔点采集机械系统的多组振动加速度时间序列信号；

利用每一组所述振动加速度时间序列信号构造去噪后的输出时间序列信号和去噪后的输入时间序列信号；

根据所述去噪后的输出时间序列信号和所述去噪后的输入时间序列信号建立非线性时间序列模型和线性自回归时间序列模型；

根据所述非线性时间序列模型和所述线性自回归时间序列模型确定每个采样时刻的未归一化最小二乘积分误差；

对所述未归一化最小二乘积分误差进行归一化处理，获得机械系统退化指标序列；

采用指数模型对所述机械系统退化指标序列进行拟合，获得归一化机械系统状态退化指标指数模型；

根据所述归一化机械系统状态退化指标指数模型预测所述机械系统的退化程度。

2.根据权利要求1所述的机械系统退化趋势预测方法，其特征在于，所述利用每一组所述振动加速度时间序列信号构造去噪后的输出时间序列信号和去噪后的输入时间序列信号，具体包括：

将某一时刻采集的所述振动加速度时间序列信号进行去噪处理，获得去噪后的振动加速度时间序列信号v₁,v₂,…,v_T；其中T为时间序列长度；

利用所述去噪后的振动加速度时间序列信号v₁,v₂,…,v_T构造去噪后的输出时间序列信号y(t)＝v₂,v₃,…,v_T和去噪后的输入时间序列信号u(t)＝v₁,v₂,…,v_T-1。

3.根据权利要求2所述的机械系统退化趋势预测方法，其特征在于，所述根据所述去噪后的输出时间序列信号和所述去噪后的输入时间序列信号建立非线性时间序列模型，具体包括：

获取输出时间序列回归量的个数na和输入时间序列回归量的个数nb；

通过小波网络、神经网络或者树分解算法确定非线性函数f的结构；

根据所述去噪后的输出时间序列信号y(t)、所述去噪后的输入时间序列信号u(t)、所述输出时间序列回归量的个数na、所述输入时间序列回归量的个数nb以及所述非线性函数f辨识获得非线性时间序列模型y_n(t)＝f(y(t-1),y(t-2),…,y(t-na),u(t),u(t-1),…,u(t-nb+1))；其中y_n(t)表示非线性时间序列模型的输出信号。

4.根据权利要求3所述的机械系统退化趋势预测方法，其特征在于，所述根据所述去噪后的输出时间序列信号和所述去噪后的输入时间序列信号建立线性自回归时间序列模型，具体包括：

根据所述去噪后的输出时间序列信号y(t)和所述去噪后的输入时间序列信号u(t)建立线性自回归时间序列模型y_l(t)＝[-a₁,-a₂,…,-a_na,b₁,b₂,…b_nb]*[y(t-1),y(t-2),…,y(t-na),u(t),u(t-1),…,u(t-nb+1)]^T+e(t)；其中y_l(t)表示线性自回归时间序列模型的输出信号；a₁,a₂,…,a_na,b₁,b₂,…,b_nb表示时间常数系数；e(t)表示误差函数。