[发明专利]一种梯形噪声分布的指数模型机械设备剩余寿命预测方法

说明书

一种梯形噪声分布的指数模型机械设备剩余寿命预测方法先建立梯形噪声分布的指数模型，然后实时监测并采集机械设备中轴承、齿轮或转子的振动信号，并从中提取健康状态指标，确定拟合起始时刻，最后对退化模型进行参数估计，采用随机采样的方法给出滚动轴承的剩余寿命估计及概率分布，本发明解决了传统指数预测模型中噪声项假定与实际情况不相符的问题，将原有的三角形噪声分布改为梯形噪声分布，即增加了指数模型噪声项的初始值，并且以平稳运行阶段的健康状态指标噪声作为模型噪声项的初始值，通过采用轴承加速寿命实验数据验证了梯形噪声分布的指数模型相比于传统指数模型对剩余寿命预测有更高的精度和可靠性。

技术领域

本发明涉及设备剩余寿命预测技术领域，具体涉及一种梯形噪声分布的指数模型机械设备剩余寿命预测方法。

背景技术

随着生产制造技术的快速发展和人类探索自然领域的不断扩展，许多设备变的越来越复杂。这些设备由于机械的复杂性和各种运行因素(如磨损、外部冲击、负载、运行环境)的影响，其性能及健康状态将会发生不可避免的退化，进而造成最终的失效。对于实际工程设备，一旦发生由失效引起的事故，所造成的人员财产损失甚至环境破坏往往是不可估量的。因而如何有效评估机械设备的运行状态，防止因机械设备失效造成事故是当前迫切需要解决的问题。从机械设备开始退化到完全失效，要经历一个逐步退化的过程。因而如果能在退化初期，根据监测信息，及时发现异常、预测其剩余使用寿命，并据此确定对设备实施维护的最佳时机，对于切实保障复杂设备的运行安全性、可靠性与经济性具有重要的意义。

指数模型剩余寿命预测方法由美国普渡大学Gebraeel等人提出，试图采用指数模型对衰退趋势进行描述，并根据观测数据对模型参数进行评估，以预测设备未来时刻健康衰退趋势和剩余寿命。为了提高参数评估的准确性，清华大学司小胜等人对指数模型进行改进，采用期望最大化和贝叶斯更新相结合的方法对模型参数进行评估，得到了较好的参数评估效果。在指数预测模型中，模型准确性是影响模型预测精度的关键因素，以上研究工作都假定模型噪声项服从0初值的标准布朗运动分布，即为三角形噪声分布，而根据大量的数据观测，模型的噪声项在寿命预测初始时刻都有着较大的波动，并且随着时间的增加，波动幅度越来越大。因此传统指数模型的噪声项假定与实际情况不相符，导致模型预测精度和可靠性降低。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供了一种梯形噪声分布的指数模型机械设备剩余寿命预测方法，提高指数模型的预测精度和可靠性。

为了达到上述目的，本发明采取的技术方案为：

一种梯形噪声分布的指数模型机械设备剩余寿命预测方法，包括以下步骤：

第1步，建立梯形噪声分布的指数模型:

y＝ae^bt+ε (1)

其中，y为指数模型健康状态指标，a,b为指数模型趋势项参数，ε为指数模型噪声项，服从均值为0、方差为的正态分布，t为从拟合起始时刻t₀开始的工作时间，为指数模型噪声项初值，σ²为指数模型噪声项方差扩散系数；

第2步，实时监测并采集机械设备中轴承、齿轮或转子的振动信号，计算健康状态指标序列，确定拟合起始时刻t₀；