[发明专利]一种梯形噪声分布的指数模型机械设备剩余寿命预测方法有效
申请号: | 201710109876.3 | 申请日: | 2017-02-28 |
公开(公告)号: | CN106934125B | 公开(公告)日: | 2020-02-18 |
发明(设计)人: | 雷亚国;李宁波;李乃鹏;闫涛;林京 | 申请(专利权)人: | 西安交通大学 |
主分类号: | G06F30/20 | 分类号: | G06F30/20;G01M13/00;G01M13/04 |
代理公司: | 西安智大知识产权代理事务所 61215 | 代理人: | 贺建斌 |
地址: | 710049 陕*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 一种梯形噪声分布的指数模型机械设备剩余寿命预测方法先建立梯形噪声分布的指数模型,然后实时监测并采集机械设备中轴承、齿轮或转子的振动信号,并从中提取健康状态指标,确定拟合起始时刻,最后对退化模型进行参数估计,采用随机采样的方法给出滚动轴承的剩余寿命估计及概率分布,本发明解决了传统指数预测模型中噪声项假定与实际情况不相符的问题,将原有的三角形噪声分布改为梯形噪声分布,即增加了指数模型噪声项的初始值,并且以平稳运行阶段的健康状态指标噪声作为模型噪声项的初始值,通过采用轴承加速寿命实验数据验证了梯形噪声分布的指数模型相比于传统指数模型对剩余寿命预测有更高的精度和可靠性。 | ||
搜索关键词: | 一种 梯形 噪声 分布 指数 模型 机械设备 剩余 寿命 预测 方法 | ||
【主权项】:
一种梯形噪声分布的指数模型机械设备剩余寿命预测方法,其特征在于,包括以下步骤:第1步,建立梯形噪声分布的指数模型:y=aebt+ε (1)其中,y为指数模型健康状态指标,a,b为指数模型趋势项参数,ε为指数模型噪声项,服从均值为0、方差为的正态分布,t为从拟合起始时刻t0开始的工作时间,为指数模型噪声项初值,σ2为指数模型噪声项方差扩散系数;第2步,实时监测并采集机械设备中轴承、齿轮或转子的振动信号,计算健康状态指标序列,确定拟合起始时刻t0;第3步,将健康状态指标序列根据拟合起始时刻t0分为两个子序列:平稳运行阶段健康状态指标序列Y′=[y′1,y′2,y′3,…,y′k]和指数模型健康状态指标观测值序列Y=[y1,y2,y3,…,yk];平稳运行阶段健康状态指标序列Y′=[y′1,y′2,y′3,…,y′k]为拟合起始时刻t0前的健康状态指标子序列,y′i为t′i时刻的健康状态指标,t′i为工作时间,其中t′i<t0;指数模型健康状态指标观测值序列Y=[y1,y2,y3,…,yk]为拟合起始时刻t0后的健康状态指标子序列,yi为ti+t0时刻的健康状态指标,ti为从拟合起始时刻t0开始的工作时间,其中ti<tk,tk为从拟合起始时刻t0开始的最后工作时刻,k为观测时刻数;第4步,估计梯形噪声分布的指数模型中的参数,进而得出梯形噪声分布的指数模型;第5步,由梯形噪声分布的指数模型,得出在最后工作时刻tk后,各时刻预测健康状态指标yp服从均值为aebt,方差为σ2(t‑tk)的正态分布,即yp~N(aebt,σ2(t‑tk)) (12)其中t>tk;第6步,令t=tk+Δt,tk+2Δt,…,根据yp的概率密度函数进行Ns次随机采样,得到Ns个指数模型健康状态指标预测序列Yp=[yp1,yp2,yp3,…],即Ns条退化轨迹,每条退化轨迹的失效时刻EOL为指数模型健康状态指标预测序列内第一次预测指标yp超过失效阈值yh的时刻,即EOL=Inf(yp>yh) (13)剩余寿命RUL为失效时刻EOL与从拟合起始时刻t0开始的最后工作时刻tk的差,即RUL=EOL‑tk (14)对Ns条退化轨迹的剩余寿命RUL进行统计,绘制剩余寿命RUL的频率分布直方图并且拟合出对应的概率密度函数,确定95%剩余寿命置信区间,给出剩余寿命估计值。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安交通大学,未经西安交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201710109876.3/,转载请声明来源钻瓜专利网。