[发明专利]基于迭代相关向量机的滚动轴承剩余寿命预测方法、系统

权利要求书

1.一种基于迭代相关向量机的滚动轴承剩余寿命预测方法，其特征在于，所述基于迭代相关向量机的滚动轴承剩余寿命预测方法在原始相关向量机模型的基础上，通过迭代串行生成多个相关向量机预测模型；

使用相关向量机探索特征向量F与残余寿命序列T的映射关系，建立RVM模型并通过网格搜索，σ是RVM模型的参数，其模型为RVM₀(F；σ₀)；σ₀表示RVM₀的模型参数；

通过迭代残差优化，训练RVM模型；

所述训练RVM模型的步骤如下：

假设给定训练数据集(F,T)，其中特征集T＝(t₁,t₂,L,t_n)^T，m为特征子集的维数，n是样本个数,集成模型为：

其中RVM₀(F；σ₀)是第4步得到的模型，RVM_i是基学习器,σ_i是基学习器的参数，β是固定权重，在给定误差函数为L(T,g(F))的条件下，集成模型g(F)成为经验风险极小化即误差函数极小化的问题：

每轮优化的目标函数如下：

假设经过i-1轮迭代后，已经得到g_i-1(F)：

则在第i轮，首先计算当前的残差r_i:

r_i＝T-g_i-1(F) (5)

然后将(fⁱ,r_i)输入RVM中训练RVM_i：

优化得到RVM_i的参数σ_i后，即可得到g_i(F)：

g_i(F)＝g_i-1(F)+β·RVM_i(fⁱ；σ_i) (7)

得到最终的模型后，只需将待测轴承的振动特征输入，即可得到其剩余寿命预测值及其置信区间。

2.如权利要求1所述的基于迭代相关向量机的滚动轴承剩余寿命预测方法，其特征在于，所述向量机预测模型的优化方向是使预测误差减小，最后对所有模型的结果进行加权求和得到最终的预测值。

3.如权利要求1所述的基于迭代相关向量机的滚动轴承剩余寿命预测方法，其特征在于，所述向量机模型通过传感器采集轴承从初始工作时刻至最终失效时刻的全生命周期振动数据，对振动数据进行预处理，剔除缺失，重复，异常数据。

4.如权利要求1所述的基于迭代相关向量机的滚动轴承剩余寿命预测方法，其特征在于，通过时域，频域，时频域提取，全面反映轴承状态的特征。

5.一种实现权利要求1～4任意一项所述基于迭代相关向量机的滚动轴承剩余寿命预测方法的基于迭代相关向量机的滚动轴承剩余寿命预测系统，其特征在于，所述系统包括：

数据采集模块，用于采集滚动轴承剩余寿命的相关数据；

数据预处理模块，用于将采集的数据进行预处理；

特征提取模块，用于通过时域，频域，时频域提取，全面反映轴承状态的特征；

数据归一化模块，用于将提取的特征数据归一化；

模型训练模块，用于通过迭代残差优化，训练RVM模型。

6.一种实现权利要求1～4任意一项所述基于迭代相关向量机的滚动轴承剩余寿命预测方法的信息数据处理终端。

7.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1～4任意一项所述的基于迭代相关向量机的滚动轴承剩余寿命预测方法。