[发明专利]基于分阶段物理模型及粒子滤波的滚动轴承剩余寿命预测方法

摘要

本发明公开了一种基于分阶段物理模型及粒子滤波的滚动轴承剩余寿命预测方法，其特征包括如下步骤：1)采集滚动轴承运行状态振动信号，从中提取特征数值；2)设置报警阈值、分阶段点阈值、停车阈值分别作为预测初始点、第二阶段和第三阶段分界点、预测截止点。3)设置粒子滤波算法初始值；4)建立不同劣化阶段滚动轴承初始模型；5)设置模型初始参数数值；6)应用最小二乘法更新模型参数；7)应用上述不同劣化阶段物理模型及粒子滤波算法进行滚动轴承剩余寿命预测；8)滚动轴承剩余寿命预测输出。该方法具有实时性、有效性、准确率较高等优点，适合于多种设备的滚动轴承剩余寿命预测。

主权项

1.基于分阶段物理模型及粒子滤波的滚动轴承剩余寿命预测方法，具体分为以下几个步骤：(1)采集滚动轴承运行状态振动信号，从中提取特征数值：应用信号采集系统采集滚动轴承运行状态信息，将其输入特征数值公式，求取特征数值作为滚动轴承剩余寿命预测的输入值；(2)设置报警阈值、分阶段点阈值、停车阈值分别作为预测初始点、第二阶段和第三阶段分界点、预测截止点：将运行状态振动区域按照标准分为A、B、C、D4个区域，设置报警阈值为B区域上限的1.25倍，设置分阶段点阈值为C区域上限数值，设置停车阈值为C区域上限的1.25倍；(3)设置粒子滤波算法初始值；1)取预测时刻点前100～200个数据点进行预测；2)特征数值初始值为采集到的振动波形数据计算出的第一个特征数值；3)按照公式zt+1＝zt+randn获取服从高斯分布的单个时间点的N个粒子，randn为服从高斯分布的0～1之内的随机数；zt即为t时刻的粒子,zt+1即为t+1时刻粒子；4)设置粒子的初始权重均为5)设置过程噪声w(t)及观测噪声v(t)的初始数值分别为0‑1之间的数值；(4)建立不同劣化阶段滚动轴承初始模型；本次预测针对滚动轴承中晚期运行状态进行预测；通过对Paris理论公式及Foreman理论公式进行改进，获取物理模型和状态空间模型相结合的分阶段滚动轴承剩余寿命预测模型，预测模型如下：第二阶段：状态方程：观测方程：第三阶段：状态方程：观测方程：其中，Vdq表示当前振动数值；Vnr表示正常运转振动数值；Sor指代开始劣化时应力循环次数；S指代应力循环次数；V(t+1)为轴承t+1时刻的特征数值大小；w(t)在 t时刻状态转移的扰动，为轴承运转过程中产生的过程噪声向量数值；v(t)为t时刻轴承运转过程中产生的观测噪向量值；y(t+1)即为最终状态预测数值；k1是第一材料系数，n是第二材料系数，二者依据材料特性和实验环境发生变化，是变量；q指代载荷；Ved为振动停车阈值，x(t)为目前采集到的振动数值的最大值；(5)设置模型初始参数数值；设置预测步长为10，设置动态状态空间模型材料常数k1为2.0，n初始值为1×10‑3；(6)当特征数值大于等于报警阈值，将预测时刻点前100～200个特征数值代入滚动轴承寿命预测算法；应用最小二乘法更新模型参数当特征数值大于等于分阶段点阈值，更新第三阶段模型参数，否则，更新第二阶段模型参数；(7)应用上述分阶段物理模型及粒子滤波算法进行滚动轴承剩余寿命预测；预测过程中，当特征数值大于等于报警阈值小于分阶段点阈值时，应用参数更新后的第二阶段模型及粒子滤波算法进行滚动轴承运行状态评估；当特征数值大于等于分阶段点阈值小于停车阈值时，应用参数更新后的第三阶段模型及粒子滤波算法进行滚动轴承运行状态评估；预测时每隔100分钟应用最小二乘法更新模型参数，修正模型轨迹，从而使模型符合滚动轴承实际运行状态；(8)当特征数值小于停车阈值时，预测循环进行，否则，预测循环停止，输出滚动轴承运行状态特征数值，并依据下述公式求取滚动轴承剩余寿命：L指代剩余寿命D指代预测的特征数值点数与输入的特征数值的点数的总和d指代数据提供的输入的特征数值的点数fn指代采样点数fs指代采样频率tmin指代输入的两个特征数值之间的时间间隔。