[发明专利]核估计和随机滤波集成的齿轮剩余寿命预测方法

说明书

一种基于核估计和随机滤波理论的齿轮剩余寿命预测方法，属于机械可靠性技术领域，具体实施步骤如下：1、利用加速度传感器对主试齿轮箱内齿轮退化状态实时监测；2、对齿轮退化状态进行特征提取；3、利用核函数对数据的分布不做任何假定,从数据样本本身出发的特点对齿轮连续退化状态的概率密度函数进行非参数估计，得到齿轮基于实时状态监测数据的退化状态概率密度函数；4、利用实时状态监测数据来更新随机滤波递推模型参数，建立基于核估计和随机滤波相结合的预测模型；5、通过核估计和随机滤波相结合的预测模型预测齿轮剩余寿命。优点是可以有效地预测齿轮退化状态及实时剩余寿命，为齿轮预防性维修提供依据。

技术领域

本发明属于机械可靠性设计领域，具体涉及一种齿轮剩余寿命预测方法，

背景技术

齿轮是机械工业中应用广泛的机械设备传动系统中的关键部件。当齿轮发生断齿、齿面疲劳、胶合等故障时，常常会引起整个机械设备灾难性的破坏。以风力发电机组为例，齿轮故障率是整个风电机组中最高的，约占60％，而且其维护费用也较高，约占40％，因此，对齿轮提出合理有效的维修方案已成为风电行业急需解决的问题，而在整个维修方案制定过程中，齿轮的剩余寿命预测是重点和难点，随着信息传感设备的发展，对齿轮的运行状态进行实时监测，利用接收到的大量实时监测信息准确预测系统的退化状态及其剩余寿命，提供齿轮健康状态的关键信息，进而识别和管理故障的发生、规划维修活动，为更合理地制定基于状态的维护维修策略提供依据，

目前，齿轮剩余寿命的预测方法分为四类：基于物理模型的预测方法、基于统计经验的预测方法、基于知识的预测方法和基于数据驱动的预测方法。现有预测方法存在下列问题：首先，现有预测方法需要进行状态退化模型结构假设，需要假设其作为判断依据的样本符合某种特定的模型结构，这些模型结构的假设与实际的物理模型之间常常存在较大的差距；其次，预测模型中所涉及到的参数估计问题，大多不能保证全局收敛；最后，由于齿轮处于变化的环境中，它的状态退化模型会发生改变，单一的预测模型不能适应环境的变化，需要多种预测模型相结合，

发明内容

本发明目的是提供一种核估计和随机滤波集成的齿轮剩余寿命预测方法，利用实时状态监测数据来更新随机滤波递推模型，可准确地预测齿轮的实时剩余寿命，

本发明是这样实现的，其特征是包括以下实施步骤：

步骤1、通过试验台架获取表征主试齿轮箱内齿轮状态的实时监测数据：

采用如图2所示的试验台架，试验台架的中心距为a＝150mm。试验采用机械杠杆4加载，扭矩采用转矩传感器13#进行测量。试验过程中对齿轮的振动、加速度、温度和噪声通过接收传感器信号进行监测。如图3所示，主试齿轮箱1中为正反面交错搭接啮合的一对齿轮，齿轮的断齿状态等效为齿轮的失效。试验对主试齿轮箱1进行数据监测，试验过程中对齿轮的振动加速度、温度和噪声通过接收传感器信号进行监测，

试验共布置八个加速度传感器1#～8#,两个声音传感器9#和10#，一个温度传感器11#,一个转速传感器12#，一个转矩传感器13#。有四个加速度传感器1#～4#分别布置在主试齿轮箱轴承座的径向位置，有两个加速度传感器7#和8#分别布置在主试齿轮箱的轴向位置，有两个加速度传感器5#和6#分别布置在陪试齿轮箱轴承座的径向位置；有两个声音传感器9#和10#分别悬挂在主试齿轮箱和陪试齿轮箱正上方40cm处；一个温度传感器11#布置在主试齿轮箱内部；一个转速传感器12#布置在驱动电机3与陪试齿轮箱2联接轴的中部；一个转矩传感器13#布置在主试齿轮箱1与陪试齿轮箱2联接轴的中部。试验中依次加载八级载荷，八级载荷的大小在330～850N·m之间，每级载荷的加载时间为9～12个小时，在第八级载荷发生断齿。通过用4#一个加速度传感器记录齿轮的加速度数据，剩余寿命预测选取从第八级加载开始到断齿的4#一个加速度传感器分析整个时域信号。采样信息如下：采样频率为20～30kHz，每次采样持续50～70秒，每隔8～10分钟记录一次采样文本；