[發明專利]一種基于RE-CF-EKF算法的滾動軸承剩余壽命預測方法

在審

• 申請號: 202010968660.4
• 申請日: 2020-09-15
• 公開（公告）號: CN112100919A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 張永;張敬;劉振興;趙敏;蘇茜
• 申請（專利權）人: 武漢科技大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G01M13/04;G01M13/045;G06F119/04
• 代理公司: 上海精晟知識產權代理有限公司 31253
• 代理人: 杜蔚瓊

1.一種基于RE-CF-EKF算法的滾動軸承剩余壽命預測方法，其特征在于：

步驟一：對獲得的軸承振動數據集進行篩選，選擇同一工況的多個軸承作為實驗數據集，并將其進行訓練集和測試集的分組；

步驟二：取原始信號的時域特征后，進行線性濾波，計算濾波后數據與濾波誤差之間的相對誤差值RE，基于RE曲線確定預測開始點TSP；

步驟三：對選取的時域特征，進行降噪處理，再由累積函數得到趨勢更平滑的累積特征CF；

步驟四：結合步驟二、步驟三得到適合建模預測的特征曲線段，并建立狀態空間模型，由訓練集的特征曲線段得到模型初始參數，再結合EKF算法預測軸承剩余壽命。

2.如權利要求1所述的一種基于RE-CF-EKF算法的滾動軸承剩余壽命預測方法，其特征在于：

在步驟二中選用能表征軸承整體壽命趨勢的時域特征表征，對時域特征表征進行線性濾波，得到濾波后特征曲線與濾波誤差曲線；

設定滑窗大小為m；

計算每個窗口內F(k)與E(k)的相對誤差RE(k)，其具體表達式為：

獲得RE曲線，

在當前數據集所得RE曲線中選取閾值分界線；

依據閾值分界線，尋找退化開始點，并作為預測開始點TSP用于后續預測。

3.如權利要求2所述的一種基于RE-CF-EKF算法的滾動軸承剩余壽命預測方法，其特征在于：

所述滑窗大小為已知數據長度T的X％；

所述閾值分界線為訓練集相對誤差的前A1％-A2％數據的均值；

其中，X為自然數；

A1、A2選自自然數，A1小于A2。

4.如權利要求1所述的一種基于RE-CF-EKF算法的滾動軸承剩余壽命預測方法，其特征在于：

在步驟三中，使用經驗模態分解的改進算法CEEMDAN對方差特征重構后進行降噪處理；

對降噪后的方差特征V，依據累積函數進行處理，得到累積特征CF；

其中，累積函數公式如下：

5.如權利要求1所述的一種基于RE-CF-EKF算法的滾動軸承剩余壽命預測方法，其特征在于：

所述訓練集為全壽命周期數據；

所述測試集取前一部分作為已知數據，剩余部分用于驗證預測結果的優劣。

6.如權利要求5所述的一種基于RE-CF-EKF算法的滾動軸承剩余壽命預測方法，其特征在于：

所述步驟四包括如下步驟：

所述EKF算法預測測試集已知數據最后時刻T之后的狀態估計值形成新的模型參數；

根據預測結果，得到對應T+i(i＝1，2，…，n)時刻的軸承特征數據；

當軸承振動數據的特征曲線到達定義閾值時，則剩余使用壽命RUL為T時刻到軸承失效閾值點之間的時間間隔。

7.如權利要求5所述的一種基于RE-CF-EKF算法的滾動軸承剩余壽命預測方法，其特征在于：

在步驟四中，由步驟二所得預測開始點與步驟三所得累積特征，得到當前數據集更適合建模預測的特征曲線段CF′(k)，_{k＝TSP，…，T}；

計算訓練集每個特征曲線段最后一點的斜率th_i，取均值作為測試集預測時的閾值：

所建立的狀態空間方程為：

其中，x_k＝[a_k，b_k，c_k，d_k]；

k表示循環次數；

x_k表示狀態模型參數；

Y_k表示累積特征曲線段的觀測值；

w_k表示狀態噪聲；

v_k表示觀測噪聲；

根據訓練集的特征曲線段擬合得到預測模型的初始參數；

將初始模型參數與測試集當前數據的特征曲線段輸入到EFK算法中，預測得到T時刻的狀態值X(T)。