[发明专利]一种基于PSO-SVR的轴承剩余使用寿命预测方法

说明书

本发明公开了一种基于PSO‑SVR的轴承剩余使用寿命预测方法。该方法为：首先获取原始振动数据，对原始振动数据进行数据预处理和归一化，去除不规则数据和填补缺失数据并做平滑处理；提取数据的时域特征和频域特征，利用PCA进行数据降维和数据融合以替代原始特征指标；然后构建SVR模型，初始化SVR的初始参数C和g；设置PSO算法的参数，对SVR参数进行寻优，求取最优解，得到最优参数C和g；最后使用最优参数C和g训练SVR，输入测试数据进行SVR预测。本发明数据集需求少、数据集获取代价小、预测精度高，满足了机械系统对轴承剩余寿命预测的需求。

技术领域

本发明涉及轴承故障预测技术领域，特别是一种基于PSO-SVR的轴承剩余使用寿命预测方法。

背景技术

旋转机械是机械设备系统中常见的重要组成部分，而滚动轴承又是旋转机械众多零部件中至关重要的一个，滚动轴承可以将零件间的滑动摩擦变为滚动摩擦，从而降低摩擦损耗，提高机械设备的使用寿命。由于滚动轴承常处于随机的载荷之下，且受转速过高引起的温度过高、机械振动以及润滑方式的影响，所以滚动轴承是旋转机械设备中大概率产生故障的零件，滚动轴承是否稳定正常工作是影响整个旋转机械设备的运行可靠性的最主要的原因。

导致滚动轴承出现故障的原因有多种：润滑不足、装配不良、载荷不同或者过载使用、轴承出厂有缺陷。即使是同批次、同型号的两个轴承在相同的使用环境下，它们的使用寿命也存在着极大的差距。一旦作为核心零件的滚动轴承出现了故障，整个机械设备就无法正常工作，引发一连串的连锁反应，产生难以预料的安全生产事故或造成不必要的经济损失，更有甚者还可能出现人员伤亡等灾难性的事故，造成极其恶劣的社会不良影响，所以建立一套以历史数据为基础的剩余使用寿命预测的系统来预测轴承的剩余寿命已成为当下众多研究领域中重要且必不可少的研究内容。

发明内容

本发明的目的在于提供一种数据集需求少、数据集获取代价小、精准度的基于PSO-SVR的轴承剩余使用寿命预测方法。

实现本发明目的的技术解决方案为：一种基于PSO-SVR的轴承剩余使用寿命预测方法，包括以下步骤：

步骤1、获取原始振动数据，对原始振动数据进行数据预处理和归一化，去除不规则数据和填补缺失数据并做平滑处理；

步骤2、提取数据的时域特征和频域特征，利用PCA进行数据降维和数据融合以替代原始特征指标；

步骤3、构建SVR模型，初始化SVR的初始参数，包括惩罚系数C和核函数宽度g；

步骤4、设置PSO算法的初始参数，对SVR参数进行寻优，求取最优解，得到最优参数C和g；

步骤5、使用最优参数C和g训练SVR，输入测试数据进行SVR预测。

进一步地，步骤1所述的获取原始振动数据，对原始振动数据进行数据预处理和归一化，去除不规则数据和填补缺失数据并做平滑处理，具体如下：

步骤1.1、去除奇异值：设置阈值，剔除振动信号中加速度值超过阈值的点；

步骤1.2、去除趋势项：为防止传感器自身缺陷和外界干扰引起的信号基线偏离零点的现象，对振动信号进行去除趋势项处理；

步骤1.3、平滑处理：采用五点三次平滑法，取振动信号中相邻的5个数据点，并用这5个点拟合出一条3次的曲线，然后用这条3次曲线上相应位置的数据值作为新的值，对振动信号进行平滑处理。

进一步地，步骤2所述的提取数据的时域特征和频域特征，利用PCA进行数据降维和数据融合以替代原始特征指标，具体如下：

步骤2.1、提取数据的如表1中的7个时域特征和表2中的16个频域特征；

表1