[发明专利]时变退化率下旋转机械的退化建模及剩余寿命预测方法

摘要

本发明公开了一种时变退化率下旋转机械的退化建模及剩余寿命预测方法，步骤一，时变退化率下的旋转机械退化建模；步骤二，上述模型首达时间概率分布的求解及剩余寿命预测；步骤三，基于检测数据的模型未知参数估计及剩余寿命预测分布自适应更新。本发明通过将旋转机械时变退化率用时变函数λ(t；θ)描述，将初始退化量和时变退化率下的叠加效果，从而能够将旋转机械退化建模，能够完全的表现整个机械的退化状况，通过实时的监测能够实时的进行检测。

主权项

1.一种时变退化率下旋转机械的退化建模及剩余寿命预测方法，其特征在于，包括以下步骤：步骤一，时变退化率下的旋转机械退化建模：将旋转机械时变退化率用时变函数λ(t；θ)描述，基于此，考虑以下时变退化率下的随机过程描述旋转机械的性能退化过程:步骤二，上述模型首达时间概率分布的求解及剩余寿命预测：基于以上建立的退化过程，通过首达时间的概念，设备的寿命T可定义为:T＝inf{t:X(t)≥w|X(0)＜w}；设首达时间T对应的概率密度函数为fT(t)，累计分布函数为FT(t)，则有：其中为时变函数；步骤三，基于检测数据的模型未知参数估计及剩余寿命预测分布自适应更新：对于模型参数Θ的估计，可通过构建自组织状态空间模型，将参数Θ当作潜在的状态，将退化过程X(t)按照Euler离散策略表示，建立如下的自组织状态空间模型：其中初始状态Θ0～N(a0,P0)，η～N(0,Q)，Y～N(0,1)；对于自组织状态空间模型，采用Bayesian滤波可以实现模型参数Θ的自适应估计，这里可以采取的Bayesian滤波主要包括扩展Kalman滤波、强跟踪滤波、粒子滤波，对于自组织状态空间模型引入的新参数a0,P0,Q，统一表示为参数向量H，对于H的估计，拟采取Bayesian平滑与期望最大化算法相结合的方法对H进行估计，主要包括下面两步:计算期望似然函数:最大化期望似然函数:其中p(·)表示概率密度函数。