[发明专利]基于分数levy稳定运动的滚动轴承剩余有效寿命预测方法

说明书

本发明涉及基于分数levy稳定运动的滚动轴承剩余有效寿命预测方法，该方法包括步骤：1)利用变分模态分解法将滚动轴承的原始振动信号分解为K个本征模态函数，并通过单调性、鲁棒性和趋势性指标选取最优模态；2)利用基于分数Levy稳定运动对轴承的退化过程进行建模，获取退化模型；3)设置一个故障阈值，对于步骤2)中的退化模型，获取分数Levy稳定运动的Hurst指数并估计模型参数，获取特征指数的估计值和漂移系数、扩散系数的估计值；4)将步骤3)中获取的参数代入步骤2)的退化模型，利用蒙特卡洛方法对轴承的剩余有效寿命预测。与现有技术相比，本发明具有预测准确、减少资源浪费等优点。

技术领域

本发明涉及滚动轴承剩余使用寿命预测领域，尤其是涉及一种基于分数levy稳定运动的滚动轴承剩余有效寿命预测方法。

背景技术

现如今，现代工业中的各种机械设备都具有一定的适用寿命，若不加以处理，超出使用寿命的机械设备便可能会发生故障，因此大型旋转设备的剩余使用寿命预测成为了日趋关注的问题。目前已有许多方法来预测旋转设备的剩余使用寿命，例如维纳过程、马尔科夫过程、γ过程，这些过程都是无记忆性的。由于滚动轴承的退化过程不仅与当前状态有关还与历史状态有关，即退化过程是一个长期缓慢变化的过程，具有长记忆性或称长相关性，因此上述过程并不能准确地预测旋转设备的剩余使用寿命。

在大型旋转设备中，内圈振动信号由安装在轴承外环上的加速度传感器采集。振动信号在传输过程中具有很大的衰减性，噪音很大。因此，加速度计如何识别内圈从弱到完全失效的退化过程是捕获过程中的关键问题。常用手段是采用FBM(Fractional-orderBrownian motion，分数布朗运动)识别内圈从弱到完全失效的退化过程，然而该方法的准确性较差。此外，原始振动信号通过局部平均分解、经验模态分解、VMD(Variational modedecomposition，变分模态分解法)等方法进行分解来提取退化过程的特征信号成分。然而，局部平均分解和经验模态分解方法都存在模态混叠和边界效应等问题。针对上述问题，现有研究提出了VMD方法，有效地缓解了上述方法的缺点，从原始的振动信号提取出了含有丰富特征信息的信号分量，因此变分模态分解在原始振动信号的处理上得到了广泛的推广。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种提高滚动轴承退化过程的剩余使用寿命的准确性的基于分数levy稳定运动的滚动轴承剩余有效寿命预测方法。

本发明的目的可以通过以下技术方案来实现：

基于分数levy稳定运动的滚动轴承剩余有效寿命预测方法，该方法包括如下步骤：

S1、利用变分模态分解法将滚动轴承的原始振动信号分解为K个本征模态函数，并通过单调性、鲁棒性和趋势性指标选取最优模态。

利用变分模态分解法将原始振动信号分解为K个本征模态函数的表达式为：

u_k(t)＝A_k(t)cos(φ_k(t))

式中，A_k(t)和ω_k＝φ_k′(t)分别为K个变分模态u_k(t)的瞬时振幅和瞬时频率。

引入三种优度指标来判断选择适合的分量，通过三个指标在K个模态中选取一个最优模态，三个优度指标分别为单调性指标Mon、鲁棒性指标Rob、趋势性指标Tre，通过综合考虑三个指标选择最优的模态，即：

Com＝a1Mon+a2Rob+a3Tre

式中，a1、a2、a3分别为单调性指标、鲁棒性指标和趋势性指标的权重，且满足a1+a2+a3＝1，Com的取值范围为0到1。三种优度指标的表达式分别为：