[發明專利]基于平方根容積卡爾曼濾波的滾動軸承剩余壽命預測方法

在審

• 申請號: 202210342484.2
• 申請日: 2022-04-02
• 公開（公告）號: CN114896861A
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 王宇;劉秋發;訾艷陽
• 申請（專利權）人: 西安交通大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06Q10/04;G06Q10/06;G06F119/04
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 安彥彥

1.一種基于平方根容積卡爾曼濾波的滾動軸承剩余壽命預測方法，其特征在于，包括以下步驟：

從滾動軸承的振動信號中提取多維特征，并通過帶有馬氏距離度量算子的自組織映射神經網絡進行降維，構建健康指標；

基于健康指標構建滾動軸承的自適應退化閾值，采用連續觸發機制劃分滾動軸承的健康階段和退化階段；

通過考慮不等采樣間隔的指數退化模型，對滾動軸承的剩余壽命進行預測。

2.根據權利要求1所述的一種基于平方根容積卡爾曼濾波的滾動軸承剩余壽命預測方法，其特征在于，具體包括以下步驟：

1)根據滾動軸承的失效形式，基于采集的滾動軸承振動信號，進行特征的提取和篩選，構建多維敏感特征集；

2)通過訓練后的帶有馬氏距離度量算子的自組織映射神經網絡，將多維敏感特征集中的多維敏感特征映射到低維空間，構建滾動軸承的健康指標；

3)基于滾動軸承的健康指標，構建滾動軸承的動態失效閾值，并采用連續觸發機制作為判斷退化的方法，實現滾動軸承健康階段和退化階段的劃分；

4)建立考慮不等采樣間隔的指數退化模型，基于滾動軸承退化階段的健康指標數據，通過期望最大化算法進行退化模型參數的更新；

5)根據更新后的退化模型參數，通過平方根容積卡爾曼濾波進行滾動軸承健康狀態的更新，并計算滾動軸承剩余壽命的點估計和概率密度估計。

3.根據權利要求2所述的一種基于平方根容積卡爾曼濾波的滾動軸承剩余壽命預測方法，其特征在于，步驟1)中具體步驟如下：

根據滾動軸承的失效形式，基于采集的滾動軸承歷史失效樣本，分析采集的滾動軸承振動信號，計算時域、頻域和時頻域的多個相關特征，包括均方根、峰值和小波能量熵等，計算各相關特征與運行時間序列之間的Spearman相關系數，篩選出Spearman相關系數高于平均值的特征作為初選敏感特征，再計算初選敏感特征的協方差矩陣，依據特征之間的相關性，排除冗余特征，確定多維敏感特征集。

4.根據權利要求2所述的一種基于平方根容積卡爾曼濾波的滾動軸承剩余壽命預測方法，其特征在于，步驟2)中具體步驟如下：

選取一段滾動軸承平穩運行期的數據，作為健康階段的隨機樣本，計算多維敏感特征集中的特征，進行歸一化，并計算平穩運行期內敏感特征的均值和協方差；

通過平穩運行期內敏感特征，訓練帶有馬氏距離度量算子的自組織映射神經網絡；

通過訓練后的帶有馬氏距離度量算子的自組織映射神經網絡，將多維敏感特征映射到低維空間，構建滾動軸承的健康指標。

5.根據權利要求2所述的一種基于平方根容積卡爾曼濾波的滾動軸承剩余壽命預測方法，其特征在于，步驟3)中具體步驟如下：

根據滾動軸承的健康指標，計算滾動軸承的動態失效閾值z＝Q₃+1.5IQR，IQR＝Q₃-Q₁，式中，Q₃為初始時刻到當前時刻的健康指標的第三分位數，Q₁為初始時刻到當前時刻的健康指標的第一分位數，IQR為兩分位數之差；

根據該失效閾值z判斷滾動軸承的健康狀態，設定當健康指標連續n次超過失效閾值z且n次健康指標呈遞增趨勢時，判斷滾動軸承進入退化階段，從而實現滾動軸承健康階段和退化階段的劃分。