[發明專利]基于AR模型和字典學習的齒輪性能退化評估方法

有效

• 申請號: 202010593534.5
• 申請日: 2020-06-27
• 公開（公告）號: CN111709191B
• 公開（公告）日: 2022-05-20
• 發明（設計）人: 張龍;黃婧;吳榮真;王良;宋成洋
• 申請（專利權）人: 華東交通大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06F119/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于AR模型和字典學習的齒輪性能退化評估方法，其特征為，其具體步驟：

(1)提取特征：用無故障樣本和待測樣本建立AR模型，得到AR模型的自回歸系數和殘差，由BIC準則確定最佳模型階數，把AR模型系數作為輸入特征向量；

(2)建立模型：將無故障樣本作為訓練樣本，將其AR模型系數進行KSVD和OMP計算建立基準字典D_normal：

①模型超參數優化選擇

(a)原子維數n、訓練樣本原子數N分別由訓練樣本的AR模型階數和訓練樣本個數決定；

(b)字典原子個數K、稀疏度數L、迭代次數I采用單因素分析法來確定，即在分析某一參數時，將其他參數固定，來檢驗此參數對模型的影響，引入均方根誤差RMSE作為評價標準；

②模型建立

用無故障樣本的自回歸系數進行KSVD和OMP計算建立基準字典D_normal；

(3)實時評估：把待測樣本AR模型系數作為特征向量輸入到基準字典D_normal中，并通過OMP計算待測樣本AR模型系數的稀疏系數并重構AR模型系數，將重構AR系數代入待測樣本的AR模型得到重構殘差，計算待測樣本殘差與重構殘差的均方誤差(MSE)，得到性能退化指標DI，描繪出齒輪性能退化曲線。

2.如權利要求1所述的基于AR模型和字典學習的齒輪性能退化評估方法，其特征為，所述提取特征的具體內容：

(a)將前35個無故障樣本使用循環移位的方式對樣本數據進行擴充，將每個基準樣本段進行10次循環移位后擴充為10個樣本段，擴充后得到350個無故障樣本；用350個無故障樣本和齒輪全壽命周期120個待測樣本建立AR模型；

(b)提取AR模型的自回歸系數和殘差，采用BIC準則確定AR模型的階數為80。

3.如權利要求1所述的基于AR模型和字典學習的齒輪性能退化評估方法，其特征為，所述實時評估的具體內容：基準字典D_normal建立后，將全壽命周期120個待測樣本的自回歸系數輸入基準字典D_normal中，通過OMP計算待測樣本AR模型系數的稀疏系數并重構AR模型系數，將重構AR系數代入待測樣本的AR模型得到重構殘差，計算待測樣本殘差與重構殘差的均方誤差(MSE)，得到性能退化指標DI，描繪出齒輪性能退化曲線。

4.如權利要求1至3中任一項所述的基于AR模型和字典學習的齒輪性能退化評估方法的結果驗證，其特征為，包括以下步驟：

(a)用統計學中的3σ準則來確定齒輪性能退化開始時刻，當連續3個待測樣本的DI值超過預警閾值，就可以認為齒輪的性能發生了改變；

(b)用齒輪箱疲勞試驗每日停機觀測結果進行驗證其可靠性；

(c)用時域指標反應齒輪全壽命疲勞試驗中齒輪故障趨勢，進行對比分析，驗證其優越性；

(d)用前40個樣本作為訓練數據建立基準字典，得到性能退化曲線，驗證評估結果的正確性；

(e)用前50個樣本作為訓練數據建立基準字典，得到性能退化曲線，驗證評估結果的正確性。