买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安交通大学

摘要：本发明公开基于平方根容积卡尔曼滤波的滚动轴承剩余寿命预测方法，通过从滚动轴承历史失效样本的振动信号中提取多维特征，构建敏感特征集，基于滚动轴承早期平稳运行阶段的敏感特征数据，训练带有马氏距离度量算子的自组织映射神经网络，进行降维，构建健康指标，然后基于健康指标确定滚动轴承的自适应退化阈值，采用连续触发机制划分滚动轴承的健康阶段和退化阶段，通过建立考虑不等采样间隔的指数退化模型，对滚动轴承的剩余寿命进行预测。该方法能在降维的过程中更好地保留高维空间中多维特征的拓扑结构，克服了对等间隔采样的在线监测数据的依赖，同时提升了对具有不同采样间隔的历史失效样本的全寿命数据的利用率。

主权项：1.一种基于平方根容积卡尔曼滤波的滚动轴承剩余寿命预测方法，其特征在于，包括以下步骤：从滚动轴承的振动信号中提取多维特征，并通过带有马氏距离度量算子的自组织映射神经网络进行降维，构建健康指标；基于健康指标构建滚动轴承的自适应退化阈值，采用连续触发机制划分滚动轴承的健康阶段和退化阶段；通过考虑不等采样间隔的指数退化模型，对滚动轴承的剩余寿命进行预测；具体包括以下步骤：1根据滚动轴承的失效形式，基于采集的滚动轴承振动信号，进行特征的提取和筛选，构建多维敏感特征集；2通过训练后的带有马氏距离度量算子的自组织映射神经网络，将多维敏感特征集中的多维敏感特征映射到低维空间，构建滚动轴承的健康指标；3基于滚动轴承的健康指标，构建滚动轴承的动态失效阈值，并采用连续触发机制作为判断退化的方法，实现滚动轴承健康阶段和退化阶段的划分；4建立考虑不等采样间隔的指数退化模型，基于滚动轴承退化阶段的健康指标数据，通过期望最大化算法进行退化模型参数的更新；5根据更新后的退化模型参数，通过平方根容积卡尔曼滤波进行滚动轴承健康状态的更新，并计算滚动轴承剩余寿命的点估计和概率密度估计；步骤4中具体步骤如下：1建立考虑不等采样间隔的指数退化模型： 式中，xk＝x1,k,x2,kT为隐变量，yk为健康指标的观测值，hxk＝x1,kexpx2,ktk+c为指数退化模型，为过程噪声，且相邻监测时刻间隔τk＝tk+1-tk，rk～N0,R为测量噪声，c为偏置量；2通过期望最大化算法，基于退化阶段内初始时刻t1到当前时刻tT的健康指标序列，更新退化模型的参数；步骤5的具体步骤如下：5.1将更新后的退化模型的参数代入退化模型，实现滚动轴承健康状态的递推更新；5.2外推健康指标序列，得到剩余寿命的点估计和概率分布估计；5.1的具体步骤如下：a记mk-1为时刻tk-1隐变量xk-1的期望估计，SP,k-1为时刻tk-1隐变量xk-1的协方差的平方根估计，SQ,k-1为时刻tk-1过程噪声qk-1的协方差的平方根，由退化模型得下一时刻tk隐变量预测值的期望和协方差的平方根建立增广隐变量SR,k为时刻tk测量噪声rk的方差的平方根，由平方根容积卡尔曼滤波得时刻tk增广隐变量的期望估计和协方差的平方根估计由矩阵分解得隐变量的期望估计mk和协方差的平方根估计SP,k；b每当获取新的监测值，通过进行步骤a的预测更新和量测更新步骤，得到当前时刻tT的健康指标的估计值；5.2的具体步骤如下：剩余寿命的点估计采用蒙特卡洛法，获得粒子则剩余寿命剩余寿命的概率分布估计为式中，w为设定的失效阈值，tT为当前时刻，mT＝m1,T,m2,TT为当前时刻隐变量的期望估计，PT为当前时刻隐变量的协方差估计。

全文数据：

权利要求：

百度查询： 西安交通大学 基于平方根容积卡尔曼滤波的滚动轴承剩余寿命预测方法