[发明专利]一种基于组合预测模型预测齿轮箱健康状态退化趋势的方法

说明书

本发明公开了一种基于组合预测模型预测齿轮箱健康状态退化趋势的方法，包括如下步骤：S1、将齿轮箱的健康状态退化数据作为预测输入序列；S2、提取具有明显退化特征的趋势序列；S3、将提取的趋势序列分解为确定项序列和随机项序列；S4、建立混合迭代差分预测模型；S5、利用分数阶Lévy稳定迭代差分预测模型对随机项序列建模；S6、利用灰色迭代差分预测模型对确定项序列建模；S7、利用步骤S4的混合迭代差分预测模型修正步骤S5和步骤S6的预测结果；S8、将新陈代谢法与混合迭代差分预测模型相结合并建模，预测出齿轮箱健康状态的长期退化趋势。本发明所述方法能够精确预测齿轮箱健康状态的退化趋势。

技术领域

本发明涉及一种基于组合预测模型预测齿轮箱健康状态退化趋势的方法，属于齿轮箱健康状态退化趋势预测技术领域。

背景技术

齿轮箱健康状态趋势预测是以齿轮箱退化数据为对象进行的一系列预测工作。齿轮箱健康状态的发展趋势是一个随时间逐渐退化的过程，该过程在一定程度上反映了齿轮箱的状态变化规律，蕴含着丰富的故障特征，有助于进行故障趋势预测。由于齿轮箱的内部结构复杂，一旦发生故障，容易导致整个机械系统停机时间和维修成本过高，甚至会造成安全事故和社会经济损失。因此，有效的齿轮箱健康状态趋势预测可以揭示设备退化过程中健康状态的变化，有利于实现齿轮箱早期故障预警，进而避免齿轮箱和整个机械设备系统严重事故的发生。

长期以来，科研人员对齿轮箱健康状态趋势的提取和预测进行了大量的研究，提出了许多有效的方法。比如时间序列法、粒子滤波法、支持向量机法、深度学习法、马尔科夫模型法和分数布朗运动模型法等。但是齿轮箱的工作环境十分复杂，容易受到诸如噪声等很多不确定的干扰因素，使得齿轮箱健康状态的原始信号的退化特征不明显，也使得齿轮箱健康状态退化序列具有非高斯性、长相关性、单调性等复杂的特性，导致目前的预测方法均无法较好的拟合齿轮箱健康状态退化序列的复杂特性，预测精度与预测范围受到限制而不能推广使用。

发明内容

针对现有技术存在的上述问题，本发明的目的是提供一种基于组合预测模型预测齿轮箱健康状态退化趋势的方法。

为实现上述发明目的，本发明采用的技术方案如下：

一种基于组合预测模型预测齿轮箱健康状态退化趋势的方法，包括如下步骤：

S1、将齿轮箱的健康状态退化数据作为预测输入序列x_i,i＝1,2,…,n；

S2、利用相似性因子提取法提取具有明显退化特征的趋势序列

S3、利用最小二乘法将提取的趋势序列分解为确定项序列和随机项序列

S4、利用分数阶Lévy稳定迭代差分预测模型和灰色迭代差分预测模型建立混合迭代差分预测模型；

S5、利用分数阶Lévy稳定迭代差分预测模型对随机项序列建模；

S6、利用灰色迭代差分预测模型对确定项序列建模；

S7、利用步骤S4的混合迭代差分预测模型修正步骤S5和步骤S6的预测结果；

S8、将新陈代谢法与混合迭代差分预测模型相结合并建模，预测出齿轮箱健康状态的长期退化趋势。

一种实施方案，步骤S2的具体操作为：

S21、将预测输入序列标准化，标准化公式如下：

其中：K是比例放大因子，K＞1；x’_i是标准化后的预测输入序列；x_max是预测输入序列中的最大值；

S22、对标准化的预测输入序列x’_i计算分形维数：