[发明专利]一种伺服驱动系统生命周期预测方法及装置

说明书

本发明公开了一种伺服驱动系统生命周期预测方法及装置，该方法包括：获取伺服驱动系统正常运行时的运行特征参数，并将伺服驱动系统的生命周期划分为磨合期、健壮期以及衰退期三个阶段；以运行特征参数为观测数据，以系统所处的生命周期阶段为隐含状态，构建隐马尔可夫模型；构建带有双隐层的BP神经网络并将其第二隐层替换为隐马尔可夫模型，得到预测模型；获取待预测的伺服驱动系统的运行特征参数，利用预测模型得到系统生命周期预测结果。本发明将通用的隐马尔可夫模型与BP神经网络相结合，对伺服驱动系统的运行特征参数进行分析计算，可有效分析出伺服驱动系统故障情况与生命周期。

技术领域

本发明涉及伺服驱动技术领域，特别涉及一种伺服驱动系统生命周期预测方法及装置。

背景技术

在当代数控系统中，交流伺服取代直流伺服、软件控制取代硬件控制成为了伺服技术的发展趋势。由此产生了应用在数控机床的伺服进给和主轴装置上的交流数字驱动系统。一体化磁编码器伺服驱动系统将驱动器、编码器、电机以及电缆整合在一起，功能完备，使用方便并且安装简单。

产品故障的事后发现机制，容易造成设备和生产线的停滞，不仅错过了产品的最佳维护和更换契机，而且增加了设备的运行不确定性，因此，对产品的故障进行预测，研究系统生命周期非常重要。通过建立隐马尔可夫模型，依据历史监测数据估计模型参数可以大致估计出伺服驱动系统所在的生命周期状态，但是模型参数难以估计耗时较长且泛用性较差。

发明内容

本发明提供了一种伺服驱动系统生命周期预测方法及装置，以解决现有技术无法准确有效地预测伺服驱动系统生命周期的技术问题。

为解决上述技术问题，本发明提供了如下技术方案：

一方面，本发明提供了一种伺服驱动系统生命周期预测方法，包括：

获取伺服驱动系统正常运行时的运行特征参数，并将伺服驱动系统的生命周期划分为磨合期、健壮期以及衰退期三个阶段；

以获取的伺服驱动系统的运行特征参数为观测数据，以相应的伺服驱动系统所处的生命周期阶段为隐含状态，构建出隐马尔可夫模型；

构建带有双隐层的BP神经网络，并将所述BP神经网络的第二隐层替换为所述隐马尔可夫模型，得到用于预测伺服驱动系统生命周期的预测模型；

获取待预测的伺服驱动系统的运行特征参数，根据获取的运行特征参数，利用所述预测模型，得到所述待预测的伺服驱动系统的生命周期的预测结果。

进一步地，所述运行特征参数的获取过程，包括：

获取待采集所述运行特征参数的伺服驱动系统的时域特征参数；其中，所述时域特征参数包括伺服驱动系统的温度、转速、频率以及反应速度；

对获取的所述时域特征参数进行频谱分析，得到伺服驱动系统的频域特征参数，并采用预设的小波分析法对时域特征参数进行处理，求得小波能量谱作为伺服驱动系统的时频域特征参数；

使用主元分析法对所述时域特征参数、频域特征参数以及时频域特征参数进行降维，得到所述运行特征参数。

进一步地，所述预设的小波分析法为db3或db5。

进一步地，使用主元分析法对所述时域特征参数、频域特征参数以及时频域特征参数进行降维，得到所述运行特征参数，包括：

使用主元分析法对所述时域特征参数、频域特征参数以及时频域特征参数进行降维提取，分别选出所述时域特征参数、频域特征参数以及时频域特征参数中贡献率在85%以上的参数，作为所述运行特征参数。

进一步地，所述隐马尔可夫模型使用鲍姆-韦尔奇算法实现初步参数预估。

进一步地，所述隐马尔可夫模型使用Viterbi算法计算对应的隐含状态。