[发明专利]一种数据与模型自适应匹配的滚动轴承剩余寿命预测方法

说明书

一种数据与模型自适应匹配的滚动轴承剩余寿命预测方法，先建立建立与滚动轴承累计旋转圈数有关的状态空间模型，再确定三个阈值，并基于阈值确定起始退化时间和起始预测时间；然后基于起始退化时间之后的观测值序列，由极大似然法更新模型参数，利用贝叶斯信息准则自动选择最优状态空间模型；最后根据选择的模型及其更新后的参数，计算失效时间的概率密度函数，得到剩余寿命预测结果；本发明能够由滚动轴承自身状态监测数据驱动而无需参考任何其他滚动轴承监测数据，并将监测数据实时匹配最优状态空间模型，有效表征工业实际中滚动轴承运行过程中的退化情况，提高了滚动轴承的剩余寿命预测精度。

技术领域

本发明属于滚动轴承剩余寿命预测技术领域，具体涉及一种数据与模型自适应匹配的滚动轴承剩余寿命预测方法。

背景技术

近年来，随着军事技术的迅速发展和现代工业水平的整体提升，对机械设备安全运行的要求也越来越高。设备中的核心零部件极易发生不同程度的故障，导致设备失效，造成经济损失和人员伤亡。因此，保证机械设备关键零部件安全服役，对保障国防安全和促进现代工业生产意义重大。滚动轴承在绝大多数滚动轴承系统中扮演着重要角色，被称作“工业的关节”，其健康状态的好坏直接影响到机械设备的运转效率。实现对滚动轴承剩余寿命的准确预测，提前更换剩余寿命不足的轴承，从而保证机械设备的安全具有重要意义。

现如今大部分的数据驱动剩余寿命预测方法依赖退化过程的经验知识和历史失效数据来训练预测模型，这些方法有两个前提假设：1、能够提前获取大量失效数据；2、不同滚动轴承的退化行为是相似的。然而，对于实际工程设备，往往只有少量失效数据或没有失效数据；即使积累了足够的失效数据，由于制造差异、环境、工况等因素，不同滚动轴承之间的退化过程也往往有所差异，很难保证训练好的模型在不同设备上的适应性。因此，上述两个假设在在一些实际情况中是不合理的，导致基于此假设的数据驱动剩余寿命预测方法效果不好。

发明内容

为了克服现有技术的以上缺点，本发明的目的在于提供了一种数据与模型自适应匹配的滚动轴承剩余寿命预测方法，滚动轴承剩余寿命根据其自身的状态监测数据而被预测，而没有来自其他任何滚动轴承的监测数据，减少了模型对训练数据相似性和数量的要求，并能够使监测数据实时匹配最优状态空间模型，提高了滚动轴承剩余寿命的预测精度。

为了达到上述目的，本发明采取的技术方案为：

一种数据与模型自适应匹配的滚动轴承剩余寿命预测方法，包括以下步骤：

第1步，建立与滚动轴承累计旋转圈数有关的状态空间模型：

y(t)＝x(t，0)+ωx(t，θ) (2)

其中，公式(1)为状态方程，公式(2)为观测方程，x(t，θ)为t时刻的健康状态，x₀为滚动轴承初始健康状态，是t时刻的累计退化量，退化函数根据实际情况设为线性函数、幂函数、指数函数或对数函数，θ是退化函数的参数向量，r(t)代表t时刻滚动轴承的累计旋转圈数，其计算公式为其中s(τ)代表轴承转速；

y(t)是t时刻的观测值，能够反应状态退化的特征指标；ωx(t，θ)代表观测噪声，ω服从正态分布N(0，σ²)，因此，y(t)服从正态分布N(x(t，θ)，σ²(x(t，θ))²)；

第2步，确定三个阈值：预警阈值D₁，报警阈值D₂和失效阈值D₃，这三个阈值将观测值划分为4个不同的级别；