鬼佬大哥大
  • / 10
  • 下載費用:30 金幣  

基于多時間尺度建模的軸承壽命預測方法.pdf

摘要
申請專利號:

CN201510272126.9

申請日:

2015.05.25

公開號:

CN104915550A

公開日:

2015.09.16

當前法律狀態:

授權

有效性:

有權

法律詳情: 授權|||實質審查的生效IPC(主分類):G06F 19/00申請日:20150525|||公開
IPC分類號: G06F19/00(2011.01)I 主分類號: G06F19/00
申請人: 東南大學
發明人: 嚴如強; 錢宇寧
地址: 210018江蘇省南京市玄武區四牌樓2號
優先權:
專利代理機構: 南京蘇高專利商標事務所(普通合伙)32204 代理人: 張華蒙
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201510272126.9

授權公告號:

||||||

法律狀態公告日:

2016.06.29|||2015.10.14|||2015.09.16

法律狀態類型:

授權|||實質審查的生效|||公開

摘要

本發明公開了基于多時間尺度建模的軸承壽命預測方法,屬于軸承壽命預測技術領域,其將能夠描述系統快變時間尺度行為的數據驅動模型和能夠描述系統慢變時間尺度行為的物理模型有機地結合起來,提出了基于改進相空間彎曲算法和帕里斯裂紋擴展模型的軸承剩余壽命預測算法;利用多維AR模型來構建提升參考模型,改進了傳統相空間彎曲算法;同時,為了有效結合相空間彎曲算法和帕里斯模型,提出了基于時間分段策略的改進帕里斯裂紋擴展模型;這種基于多時間尺度建模的預測方法對軸承的剩余使用壽命取得了良好的預測效果,為機械旋轉部件的剩余使用壽命預測研究提供了一種新的研究思路。

權利要求書

權利要求書
1.  基于多時間尺度建模的軸承壽命預測方法,其特征在于,該方法具體包括以下幾個步驟:
1)在初始時間t=0時刻,通過數據采集設備采集N個軸承振動數據點{xR(1),xR(2),...,xR(N)},N為數據采集設備的采樣頻率,利用互信息法選取延遲時間參數τ,利用虛假鄰近點法選取嵌入維數參數d,采用公式(1)重構N個軸承振動數據點的相空間,并將該相空間作為參考相空間:
yR(1)={xR(1),xR(1+τ),...,xR(1+(d-1)τ)}···yR(n)={xR(n),xR(n+τ),...,xR(n+(d-1)τ)}···yR(N-(d-1)τ)={xR(N-(d-1)τ),xR(N-(d-2)τ),...,xR(N)},n=1,...,N-(d-1)τ---(1);]]>
2)t=t+1,通過數據采集設備采集t時刻N個軸承振動數據點{xt(1),xt(2),...,xt(N)},利用公式(2),采用與參考相空間相同的延遲時間τ和嵌入維數d重構t時刻N個軸承振動數據點的相空間:
yt(1)={xt(1),xt(1+τ),...,xt(1+(d-1)τ)}···yt(n)={xt(n),xt(n+τ),...,xt(n+(d-1)τ)}···yt(N-(d-1)τ)={xt(N-(d-1)τ),xt(N-(d-2)τ),...,xt(N)},n=1,...,N-(d-1)τ---(2);]]>
3)對于t時刻相空間中的某一個向量yt(n),在參考相空間中尋找p(p>2(τ×d))個與其距離最近的向量yR(k),yR(k+1),...,yR(k+p-1),其中k=1,...,N-(d-1)τ,令
Lk=yR(k+τ)···yR(k+p+τ-1),Bk=yR(k+τ-1),...,yR(k)···yR(k+p+τ-2),...,yR(k+p-1)---(3)]]>
利用公式(4)求出多維自回歸模型參數:
Φ^k=(BkBk)-1BkLk---(4)]]>
利用公式(5)對yt(n)向量構建跟蹤函數:
et(n)=yt(n+τ)-((yt(n+τ-1),···,yt(n))Φ^k)---(5)]]>
另外,計算yt(n)與向量yR(k),yR(k+1),...,yR(k+p-1)的距離,記其中最遠的距離為 rn;
4)n=n+1,若n<N-(d-1)τ,返回步驟3);否則進入步驟5);
5)利用t時刻相空間中所有向量對應的所有跟蹤函數,使用公式(6)計算t時刻相空間的跟蹤指標:
et=Σn=1Mq(n)||et(n)||2Σn=1Mq(n)---(6)]]>
其中,q(n)為權值函數,m為t時刻相空間的關聯維數;若t<400,返回步驟2);若t=400,進入步驟6);若t>400,進入步驟7);
6)計算e1、e2…e400這400個跟蹤指標的平均值μh及標準差σh,并設定μh+5σh為健康閾值th1;
7)如果et<th1,返回步驟2);如果et=th1,設定tinitial為軸承初始故障出現時間,返回步驟2);否則,進一步判斷et是否小于1.5th1,若是,則此時軸承進入初始裂紋擴展階段,利用公式(7)計算此時軸承剩余壽命Nt:
Nt=D1ln3th1et-(t-tinitial)(1-et-th1th1)---(7)]]>
其中,D1為利用軸承初始裂紋擴展階段的歷史經驗數據確定的常數;若et大于或等于1.5th1,則此時軸承進入快速裂紋擴展階段,利用公式(8)計算此時軸承剩余壽命:
Nt=D2ln3th1et---(8)]]>
其中,D2為利用軸承快速裂紋擴展階段的歷史經驗數據確定的常數;
8)若et>3th1,認為此時軸承已損壞,預測結束;否則返回步驟2)。

說明書

說明書基于多時間尺度建模的軸承壽命預測方法
技術領域
本發明屬于軸承壽命預測技術領域,具體涉及基于多時間尺度建模的軸承壽命預測方法。
背景技術
眾所周知,由軸承故障導致的旋轉機械不能正常工作的現象屢見不鮮(比如由通用電器和IEEE工業應用學會聯合主持的電機可靠性學習中發現由軸承引起的問題占了整個機器故障的40%以上)。因而軸承的故障診斷和壽命預測研究得到了工業界和學術界的普遍關注。傳統的軸承故障診斷是針對已出現故障的軸承信號進行識別與分類,而軸承的壽命預測則是在故障發生之前對機械部件進行連續跟蹤監測,并基于提取的跟蹤特征建立模型對軸承的剩余壽命提前進行預測。因此,軸承的壽命預測研究對于降低停機時間、保證產品質量、提高生產效率有著極為重要的意義。
在現有軸承壽命預測技術當中,基于數據驅動模型的預測技術和基于物理模型的預測技術是兩個重要的組成部分。其中,數據驅動模型是直接通過傳感器實測信號構建得到,描述的是快變時間尺度下獲取的信息,反映的是一個快變時間尺度系統的動態特征。物理模型可以通過動力學分析軸承物理狀態的變化以及實際損傷的演化情況,而這種故障狀態的演化通常是一個緩慢的過程,可以被描述為一個慢變時間尺度系統,物理模型反映的就是這樣一個慢變時間尺度系統的動態特征。實際上,一個現實中的機械動態系統往往可以被看做一個復合系統,由上述的快變時間尺度系統和慢變時間尺度系統相互聯系耦合而成。單獨使用數據驅動模型或者物理模型往往只能反映整個動態系統的一個方面的特征表現,無法全面地描述快變時間尺度系統和慢變時間尺度系統的動態特征。
發明內容
發明目的:本發明提供了基于多時間尺度建模的軸承壽命預測方法,能夠將數據驅動模型以及物理模型有機結合,實現兩種預測模型優勢互補的多時間尺度模型。
技術方案:本發明的基于多時間尺度建模的軸承壽命預測方法,具體包括以下幾個步驟:
1)在初始時間t=0時刻,通過數據采集設備采集N個軸承振動數據點{xR(1),xR(2),...,xR(N)},N為數據采集設備的采樣頻率,利用互信息法(選取延遲 時間參數τ,利用虛假鄰近點法(該方法由Cao在Practical method for determining the minimum embedding dimension of a scalar time series一文中提出)選取嵌入維數參數d,采用公式(1)重構N個軸承振動數據點的相空間,并將該相空間作為參考相空間:
yR(1)={xR(1),xR(1+τ),...,xR(1+(d-1)τ)}'...yR(n)={xR(n),xR(n+τ),...,xR(n+(d-1)τ)}'...yR(N-(d-1)τ)={xR(N-(d-1)τ),xR(N-(d-2)τ),...,xR(N)}',n=1,...,N-(d-1)τ---(1);]]>
2)t=t+1,通過數據采集設備采集t時刻N個軸承振動數據點{xt(1),xt(2),...,xt(N)},利用公式(2),采用與參考相空間相同的延遲時間τ和嵌入維數d重構t時刻N個軸承振動數據點的相空間:
yt(1)={xt(1),xt(1+τ),...,xt(1+(d-1)τ)}'...yt(n)={xt(n),xt(n+τ),...,xt(n+(d-1)τ)}'...yt(N-(d-1)τ)={xt(N-(d-1)τ),xt(N-(d-2)τ),...,xt(N)}',n=1,...,N-(d-1)τ---(2);]]>
3)對于t時刻相空間中的某一個向量yt(n),在參考相空間中尋找p(p>2(τ×d))個與其距離最近的向量yR(k),yR(k+1),...,yR(k+p-1),其中k=1,...,N-(d-1)τ,令
Lk=yR(k+τ)...yR(k+p+τ-1),Bk=yR'(k+τ-1),...,yR'(k)...yR'(k+p+τ-2),...,yR'(k+p-1)---(3)]]>
利用公式(4)求出多維自回歸模型參數:
Φ^k=(Bk'Bk)-1Bk'Lk---(4)]]>
利用公式(5)對yt(n)向量構建跟蹤函數:
et(n)=yt(n+τ)-((yt'(n+τ-1),...,yt'(n))Φ^k)'---(5)]]>
另外,計算yt(n)與向量yR(k),yR(k+1),...,yR(k+p-1)的距離,記其中最遠的距離為rn;
4)n=n+1,若n<N-(d-1)τ,返回步驟3);否則進入步驟5);
5)利用t時刻相空間中所有向量對應的所有跟蹤函數,使用公式(6)計算t時 刻相空間的跟蹤指標:
et=Σn=1Mq(n)||et(n)||2Σn=1Mq(n)---(6)]]>
其中,q(n)為權值函數,m為t時刻相空間的關聯維數;若t<400,返回步驟2);若t=400,進入步驟6);若t>400,進入步驟7);
6)計算e1、e2…e400這400個跟蹤指標的平均值μh及標準差σh,并設定μh+5σh為健康閾值th1;
7)如果et<th1,返回步驟2);如果et=th1,設定tinitial為軸承初始故障出現時間,返回步驟2);否則,進一步判斷et是否小于1.5th1,若是,則此時軸承進入初始裂紋擴展階段,利用公式(7)計算此時軸承剩余壽命Nt:
Nt=D1ln3th1et-(t-tinitial)(1-et-th1th1)---(7)]]>
其中,D1為利用軸承初始裂紋擴展階段的歷史經驗數據確定的常數;若et大于或等于1.5th1,則此時軸承進入快速裂紋擴展階段,利用公式(8)計算此時軸承剩余壽命:
Nt=D2ln3th1et---(8)]]>
其中,D2為利用軸承快速裂紋擴展階段的歷史經驗數據確定的常數;
8)若et>3th1,認為此時軸承已損壞,預測結束;否則返回步驟2)。
有益效果:與現有技術相比,本發明具有以下優點:
1、本發明中提出的相空間彎曲算法可以通過實測數據的相空間軌跡變化情況構建非線性跟蹤指標,并且將該跟蹤指標與實際軸承的物理損傷變量建立線性關系,因此相空間彎曲算法得到的跟蹤指標就可以進一步作為帕里斯模型的輸入進行軸承剩余壽命預測的研究;這種基于相空間彎曲和帕里斯模型的多時間尺度建模方法,可以有效地將數據驅動模型和物理模型結合起來,對軸承的剩余使用壽命取得了良好的預測效果,為軸承剩余使用壽命預測研究提供了一種新的研究思路;
2、本發明中提出的基于多維AR模型的提升參考模型構建方法使得參考模型從簡單的一元模型提升為多元模型,增強了描述相空間彎曲程度的能力,有效改進了傳統相空間彎曲算法,提高了其對于軸承退化跟蹤的準確性;
3、本發明中提出的基于時間分段的帕里斯模型改進策略根據數據驅動模型得到的跟蹤指標的特性改進了傳統帕里斯模型的壽命預測公式,使得數據驅動模型和物理模型能夠有效結合,顯著提高了帕里斯模型預測軸承剩余壽命的準確性。
附圖說明
圖1為基于多時間尺度建模的軸承壽命預測算法流程圖;
圖2為改進相空間彎曲算法流程圖;
圖3為應用多時間尺度建模方法進行軸承壽命預測結果圖。
具體實施方式
下面結合附圖及具體實例對本發明作進一步說明。
如圖1所示,基于多時間尺度建模的軸承壽命預測方法,具體包括以下幾個步驟:
1)在初始時間t=0時刻,通過數據采集設備采集N個軸承振動數據點{xR(1),xR(2),...,xR(N)},N為數據采集設備的采樣頻率,利用互信息法選取延遲時間參數τ,利用虛假鄰近點法選取嵌入維數參數d,采用公式(1)重構N個軸承振動數據點的相空間,并將該相空間作為參考相空間;
yR(1)={xR(1),xR(1+τ),...,xR(1+(d-1)τ)}'...yR(n)={xR(n),xR(n+τ),...,xR(n+(d-1)τ)}'...yR(N-(d-1)τ)={xR(N-(d-1)τ),xR(N-(d-2)τ),...,xR(N)}',n=1,...,N-(d-1)τ---(1)]]>
2)采用改進相空間彎曲算法求跟蹤指標的方法參見圖2:t=t+1,通過數據采集設備采集t時刻N個軸承振動數據點{xt(1),xt(2),...,xt(N)},利用公式(2),采用與參考相空間相同的延遲時間τ和嵌入維數d重構t時刻N個軸承振動數據點的相空間:
yt(1)={xt(1),xt(1+τ),...,xt(1+(d-1)τ)}'...yt(n)={xt(n),xt(n+τ),...,xt(n+(d-1)τ)}'...yt(N-(d-1)τ)={xt(N-(d-1)τ),xt(N-(d-2)τ),...,xt(N)}',n=1,...,N-(d-1)τ---(2)]]>
3)對于t時刻相空間中的某一個向量yt(n),在參考相空間中尋找p(p>2(τ×d))個與其距離最近的向量yR(k),yR(k+1),...,yR(k+p-1),其中k=1,...,N-(d-1)τ,令
Lk=yR(k+τ)...yR(k+p+τ-1),Bk=yR'(k+τ-1),...,yR'(k)...yR'(k+p+τ-2),...,yR'(k+p-1)---(3)]]>
利用公式(4)求出多維自回歸模型參數:
Φ^k=(Bk'Bk)-1Bk'Lk---(4)]]>
利用公式(5)對yt(n)向量構建跟蹤函數:
et(n)=yt(n+τ)-((yt'(n+τ-1),...,yt'(n))Φ^k)'---(5)]]>
另外,計算yt(n)與向量yR(k),yR(k+1),...,yR(k+p-1)的距離,記其中最遠的距離為rn;
4)n=n+1,若n<N-(d-1)τ,返回步驟3);否則進入步驟5);
5)利用t時刻相空間中所有向量對應的所有跟蹤函數,使用公式(6)計算t時刻相空間的跟蹤指標:
et=Σn=1Mq(n)||et(n)||2Σn=1Mq(n)---(6)]]>
其中,q(n)為權值函數,m為t時刻相空間的關聯維數;若t<400,返回步驟2);若t=400,進入步驟6);若t>400,進入步驟7);
6)計算e1、e2…e400這400個跟蹤指標的平均值μh及標準差σh,并設定μh+5σh為健康閾值th1;
7)如果et<th1,返回步驟2);如果et=th1,設定tinitial為軸承初始故障出現時間,返回步驟2);否則,開始采用改進帕里斯裂紋擴展模型進行軸承剩余壽命預測,進一步判斷et是否小于1.5th1,若是,則此時軸承進入初始裂紋擴展階段,利用公式(7)計算此時軸承剩余壽命Nt:
Nt=D1ln3th1et-(t-tinitial)(1-et-th1th1)---(7)]]>
其中,D1為利用軸承初始裂紋擴展階段的歷史經驗數據確定的常數;若et大于或等于1.5th1,則此時軸承進入快速裂紋擴展階段,利用公式(8)計算此時軸承剩余壽命:
Nt=D2ln3th1et---(8)]]>
其中,D2為利用軸承快速裂紋擴展階段的歷史經驗數據確定的常數;
8)若et>3th1,認為此時軸承已損壞,預測結束;否則返回步驟2)。
參見圖3,在ZA2115軸承的疲勞實驗中,從時刻586開始對軸承進行壽命預測,圖中橫軸代表每一次壽命預測的起始點,縱軸代表對應預測起始點的剩余使用壽命,單位均為10分鐘/點。真實剩余壽命是軸承在預測起始點的實際剩余壽命,預測剩余壽命為利用多時間尺度建模方法預測得到的軸承剩余壽命。其中,公式(7)中D1通過ZA2115軸承的歷史疲勞實驗得到的初始故障出現時間對應的軸承剩余壽命Nth求得:
D1=Nth/ln3
相似的,公式(8)中D2通過ZA2115軸承的歷史疲勞實驗得到的進入快速裂紋擴展階段時對應的軸承剩余壽命Nth2求得:
D2=Nth2/ln2
通過對軸承在382個時刻點進行壽命預測,得到平均預測誤差為4.61小時。
應理解上述實施例僅用于說明本發明技術方案的具體實施方式,而不用于限制本發明的范圍。在閱讀了本發明之后,本領域技術人員對本發明的各種等同形式的修改和替換均落于本申請權利要求所限定的保護范圍。

關 鍵 詞:
基于 多時 尺度 建模 軸承 壽命 預測 方法
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
關于本文
本文標題:基于多時間尺度建模的軸承壽命預測方法.pdf
鏈接地址:http://www.wwszu.club/p-6373476.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
鬼佬大哥大