[发明专利]一种集成KELM的滚动轴承剩余使用寿命预测方法

权利要求书

1.一种集成KELM的滚动轴承剩余使用寿命预测方法，其特征在于，所述方法的实现过程为：

训练阶段：

(1)首先对已知滚动轴承原始振动数据去除直流分量，再进行多项式趋势项消除，然后使用五点平滑法对其进行平滑，去除频率成分较高的干扰信号，最后选用VMD算法对预处理的信号进行模态分解；

VMD算法预先设定分解模态个数K′，根据观察各模态中心频率的方法确定实际K值，若K′个分解模态中第k′_i个首次出现中心频率相近的模态分量时，产生过分解现象，此时(k′_i-1)为实际要分解的BIMF个数K；利用VMD算法分解的BIMF的个数根据不同轴承信号具有不同的数值；

(2)按照如下特征集分别提取各个模态的时、频域特征，并根据公式(10)对时、频域特征中每个特征进行归一化，构造特征矩阵；

所述特征集包括7个时域特征和17个频域特征，时域特征包括：均方根值，峰峰值，波形指标，峰值指标，脉冲指标，裕度指标，峭度指标；频域特征包括重心频率，均方频率，均方根频率，频率方差，频域指标F1-F13；

Y＝(Y_max-Y_min)(X-X_min)/(X_max-X_min)+Y_min (10)

式中，Y为归一化结果，Y_max＝1，Y_min＝0，X为特征的值，X_max为特征中的最大值，X_min为特征中的最小值；

(3)利用公式(11)进行相关相似性特征降维，将特征集的24个特征降到一维，最后为了得到具有单调性、相似性和稳定性的特征，使用公式(12)进一步对其提取循环增强特征CEF；

RS_t表示降到一维后的特征，RS_t是指基于以上提取的时、频域特征，求当前和初始时刻间的特征序列的相关相似性特征；

式中，时刻t的数据序列表示为u_t，将初始动作时间的数据序列表示为u₀，k是特征序列的长度，取值为24，和分别是初始时刻和t时刻的k维特征均值；

CEF提取分两步：第一步：将第t时段和第t时段之前的特征进行相加作为t时段的增强特征，所有特征从起始点依次循环增强处理；第二步：将每个循环增强后的特征除以对应已知振动数据特征样本的个数M，得到CEF，具体如式(12)所示：

式中，T是从起始点到当前第t时段对应的数据序列的长度大小；CEF_t表示当前第t时段的循环增强特征；

(4)选取一个轴承全寿命数据，提取各个模态的CEF并且分别作为KELM输入，p作为输出，p表示寿命百分比；

并利用CSO对步骤(1)确定的各模态构建的KELM预测模型中核参数惩罚因子C和内核参数g进行寻优，通过计算训练每个KELM预测模型的平均绝对误差、平均绝对百分误差、归一化均方误差与均方根误差，将四者之和的最小值作为CSO的适应度函数，构建最优KELM预测模型，同理构建其它J-1个轴承的KELM预测模型；

(5)将J个轴承的第k个模态分量对应的KELM预测结果取均值，K个均值输入到RF算法中，p值作为输出，构建集成KELM预测模型，至此训练结束；k＝1,2,3...,K；

测试阶段：

(6)对第J+1个滚动轴承采用与训练阶段相同的数据预处理、特征提取方法；将CEF输入到训练好的集成KELM预测模型中，预测J+1个滚动轴承的当前寿命百分比，利用当前寿命除以当前寿命百分比得到全寿命，进而得到剩余使用寿命。

2.根据权利要求1所述的一种集成KELM的滚动轴承剩余使用寿命预测方法，其特征在于，所述方法还包括：

(7)利用二阶指数平滑法对预测出的寿命百分比进行拟合，对未来各个点的p值进行预测，当达到灾难值p＝1时，认定达到全寿命，全寿命减去当前寿命可以准确的求得RUL。

3.根据权利要求1或2所述的一种集成KELM的滚动轴承剩余使用寿命预测方法，其特征在于，在步骤(2)中，对特征集中的时、频域特征进行归一化处理后，再次对特征进行五点三次平滑处理，且特征值均处于0到1之间。