[发明专利]融合历史轨迹的船用动力轴承剩余寿命预测方法及系统

权利要求书

1.一种融合历史轨迹的船用动力轴承剩余寿命预测方法，其特征在于，包括定期采集轴承的健康因子，判断轴承是否发生退化，当轴承发生退化时，定期向前滑动时间窗口以根据历史轴承退化轨迹和当前时间窗口内的健康因子轨迹持续预测轴承的退化趋势；

其中，根据历史轴承退化轨迹和当前时间窗口内的健康因子轨迹预测轴承的退化趋势，包括：

根据当前时间窗口内的健康因子轨迹训练退化轨迹在线预测模型；

选取历史轴承退化轨迹，从每条历史轴承退化轨迹中截取与当前时间窗内的健康因子轨迹最接近的轨迹进行拟合以使拟合轨迹最接近当前时间窗内的健康因子轨迹，得到退化轨迹历史预测模型；

对退化轨迹在线预测模型和退化轨迹历史预测模型进行拟合以使拟合轨迹最接近当前时间窗内的健康因子轨迹，得到退化轨迹融合预测模型；

根据所述退化轨迹融合预测模型预测轴承的退化趋势。

2.如权利要求1所述的融合历史轨迹的船用动力轴承剩余寿命预测方法，其特征在于，判断轴承是否发生退化，包括：

判断轴承的退化模式，以轴承健康因子的预设变化率γ′作为快速退化的故障预警点，以轴承健康因子的预设值HI′作为缓变退化的故障预警点，

当γ≥γ′时，判定当前退化模式为快速退化模式，其中，γ为轴承健康因子的变化率；

当γγ′且HI≥HI′时，判定当前退化模式为缓变退化模式，其中，HI为轴承健康因子的值。

3.如权利要求1所述的融合历史轨迹的船用动力轴承剩余寿命预测方法，其特征在于，轴承健康因子的预设值HI′＝0.5，轴承健康因子的预设变化率γ′＝1.2。

4.如权利要求1所述的融合历史轨迹的船用动力轴承剩余寿命预测方法，其特征在于，基于相关向量机训练退化轨迹在线预测模型，在训练前，剔除nRVs0.3的核函数以及预测退化趋势为递减的核函数，其中，nRVs是相关向量个数占总样本数的比例。

5.如权利要求2所述的融合历史轨迹的船用动力轴承剩余寿命预测方法，其特征在于，

根据当前时间窗口内的健康因子轨迹训练退化轨迹在线预测模型，包括，且根据不同的退化模式选择不同的核函数库，当当前退化模式为缓变退化模式时，选择核宽范围为3.4～4.5的多项式核作为缓变退化核函数，以0.1为步长采用穷举法选择最优的核宽，当当前退化模式为快速退化模式时，选择核宽范围为3～8的多项式核和核宽范围在4～22变化的指数核作为快速退化核函数，以1为步长采用穷举法选择最优的核宽。

6.如权利要求2所述的融合历史轨迹的船用动力轴承剩余寿命预测方法，其特征在于，所述选取历史轴承退化轨迹，包括，选取与当前轴承退化模式相同的历史轴承退化轨迹。

7.如权利要求1所述的融合历史轨迹的船用动力轴承剩余寿命预测方法，其特征在于，

设定时间窗口的最小宽度t_h，将出轴承发生退化的时间点记为故障预警点t_d，将第k次滑动时间窗口的时间点记为t_k，当t_k-t_d≤t_h时，以t_h作为时间窗口的宽度；当t_k-t_d＞t_h时，以t_k-t_d作为时间窗口的宽度。

8.如权利要求1所述的融合历史轨迹的船用动力轴承剩余寿命预测方法，其特征在于，还包括：对当前时间窗口内的健康因子轨迹和历史轴承退化轨迹进行平滑处理。

9.如权利要求1所述的融合历史轨迹的船用动力轴承剩余寿命预测方法，其特征在于，进行拟合为进行最小二乘拟合。

10.一种融合历史轨迹的船用动力轴承剩余寿命预测系统，其特征在于，包括：

退化监督单元，用于获取定期采集的健康因子并判断轴承是否发生退化；

窗口移动单元，用于当轴承发生退化时触发时间窗口定期向前滑动，通过每次滑动截取不同的健康因子轨迹；

退化趋势预测单元，用于根据窗口移动单元每次更新的健康因子轨迹重新对轴承的退化趋势进行预测，其中，退化趋势预测单元包括：

在线预测子单元，用于根据当前时间窗口内的健康因子轨迹训练退化轨迹在线预测模型；

历史预测子单元，用于选取历史轴承退化轨迹，从每条历史轴承退化轨迹中截取与当前时间窗内的健康因子轨迹最接近的轨迹进行拟合以使拟合轨迹最接近当前时间窗内的健康因子轨迹，得到退化轨迹历史预测模型；

融合预测子单元，用于对退化轨迹在线预测模型和退化轨迹历史预测模型进行拟合以使拟合轨迹最接近当前时间窗内的健康因子轨迹，得到退化轨迹融合预测模型；

预测结果输出子单元，用于根据所述退化轨迹融合预测模型输出轴承的退化趋势。