[发明专利]一种滚珠丝杠副的寿命预测方法

说明书

一种滚珠丝杠副的寿命预测方法属于机械技术领域；包括对振动传感器采集的原始信号进行小波降噪处理；通过傅里叶变换，将时域信号变换到频域空间，通过特征提取提取时域特征和频域特征；通过Fisher准则对提取的时域特征和频域特征进行降维处理，以筛选出对于丝杠退化贡献大的特征；采用逻辑回归算法对所述特征进行映射，映射区间为【0，1】；通过自适应阈值检测算法进行临界点检测；通过高斯过程回归对丝杠的剩余寿命进行预测，从而获得剩余寿命；本发明提高了预测的稳定性与准确性。

技术领域

本发明属于机械技术领域，尤其涉及一种滚珠丝杠副的寿命预测方法。

背景技术

随着人工智能技术的不断进步以及装备智能化水平的不断发展，设备的健康管理以及故障预测技术将成为一个新的研究热点，设备的预测性维护技术将会为设备运行提供可靠的健康指数以及剩余寿命等参数，保障设备的健康运行，增加设备的使用寿命。目前，有关于丝杠副寿命预测技术中缺乏较为系统的方法。在一种基于性能退化的数控机床丝杠副寿命预测方法中，训练数据所采用的期望剩余寿命是通过理论计算获得的，因此通过训练好的网络得到的预测值缺乏可信度。

发明内容

本发明克服了上述现有技术的不足，提供一种滚珠丝杠副的寿命预测方法，通过提取丝杠副振动传感器上的振动信号，进而进行特征提取特征选择选出重要的特征，将提取到的特征通过逻辑回归算法映射成健康值，通过高斯过程回归对健康曲线进行趋势预测，在此基础上增加了自适应阈值的检测算法，在检测到临界点之后启用寿命预测算法，提高了预测的稳定性与准确性。

本发明的技术方案：

一种滚珠丝杠副的寿命预测方法，包括下列步骤：

步骤a、对振动传感器采集的原始信号进行小波降噪处理；

步骤b、通过傅里叶变换，将时域信号变换到频域空间，通过特征提取提取时域特征和频域特征；

步骤c、通过Fisher准则对提取的时域特征和频域特征进行降维处理，以筛选出对于丝杠退化贡献大的特征；

步骤d、采用逻辑回归算法对所述特征进行映射，映射区间为【0，1】；

步骤e、通过自适应阈值检测算法进行临界点检测；

步骤f、通过高斯过程回归对丝杠的剩余寿命进行预测，从而获得剩余寿命。

进一步地，所述提取时域特征和频域特征包括均方根值、方差、标准差、最大值、最小值、平均幅值、峭度因子、波形系数、峰值、峰值因子、脉冲指标、方根幅值、裕度系数和偏度。

进一步地，所述对于丝杠退化贡献大的特征包括均方根值、标准差、最大值和方差。

进一步地，所述自适应阈值检测算法包括下列步骤：

步骤e1、设定逻辑回归得到的丝杠的健康值序列为{HV}；在正常状态下的健康值序列为{HV_Normal}，新引入的健康值为HV_New；

步骤e2、在设备的运行过程中，健康值不断生成，记当前点前面的点的均值为μ，当前点前面点的方差为σ；

步骤e3、记当前点与前面点的均值μ之间的差值为d，判断差值d与方差σ之间的大小，如果连续5个点满足d＞3σ，将该点定义为临界点；

步骤e4、将第一个临界点确定为初始临界点，并将此点确定为寿命预测的初始点。