[發(fā)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?zhí)枺?/td>: 202010968660.4
• 申請日: 2020-09-15
• 公開（公告）號: CN112100919A
• 公開（公告）日: 2020-12-18
• 發(fā)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

本發(fā)明提供了一種基于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(shù)據集進行篩選，選擇同一工況的多個軸承作為實驗數(shù)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(shù)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(shù)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(tài)空間模型，由訓練集的特征曲線段得到模型初始參數(shù)，再結合EKF算法預測軸承剩余壽命。

技術領域

本發(fā)明屬于滾動軸承技術領域,涉及一種基于RE-CF-EKF算法的滾動軸承剩余壽命預測方法.

背景技術

在經濟發(fā)展步伐飛快的今天，科學技術的發(fā)展水平已被作為一個國家綜合實力的重要標志，其中制造業(yè)的發(fā)展對國家的科學技術發(fā)展有著很大的影響。軸承作為旋轉機械的關鍵部件之一，它的平穩(wěn)可靠運行對維持生產至關重要。但不幸的是，軸承故障是機器故障中最常見的故障模式之一。如果能在滾動軸承工作過程中評價估計出其健康狀況，就可以在確保安全的前下，最大限度利用軸承壽命，降低維護保障成本。近幾年,國內外在預后健康管理(PHM)領域進行了大量研究，第一種方法是基于物理模型的方法，依賴于固有系統(tǒng)故障機制的先驗知識來構建退化模型，從而描述故障的物理性質。第二種方法是基于數(shù)據驅動的方法，通常不需要知道設備故障及退化的物理性質，只需使用大量的數(shù)據來找到設備的退化規(guī)律。Chang提出了一種誤差修正思想的混合方法來預測剩余使用壽命，融合了無跡卡爾曼濾波算法(UKF)，完整集合經驗模態(tài)分解(CEEMD)以及相關向量機(RVR)的方法實現(xiàn)了RUL預測，但并沒考慮預測開始點與更有趨勢性的特征。

發(fā)明內容

本發(fā)明旨在克服上述缺陷，提供一種能準確預測滾動軸承剩余使用壽命的方法。本發(fā)明采用RE-CF-EKF算法，可以實現(xiàn)準確檢測退化開始點，降低潛在健康因素對故障因素預測的影響，同時運用累積函數(shù)處理后趨勢性更強的累積特征(CF)，能有效地提高EKF預測精度，實現(xiàn)準確的剩余壽命預測結果。

本發(fā)明提供了一種基于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(shù)據集進行篩選，選擇同一工況的多個軸承作為實驗數(shù)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(shù)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(shù)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(tài)空間模型，由訓練集的特征曲線段得到模型初始參數(shù)，再結合EKF算法預測軸承剩余壽命。

進一步地，本發(fā)明提供的一種基于RE-CF-EKF算法的滾動軸承剩余壽命預測方法，其特征還在于：

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(shù)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(xù)預測。

一般來說，退化開始點由得到的RE曲線與選取的閾值界線來判斷，當RE曲線某個值大于等于閾值界線，則判定為退化點，例如：預測開始點TSP為RE曲線與相對誤差閾值界線的交叉點。