The invention provides a residual life prediction method for rolling bearings of complex rotating machinery based on sparse coding. The first step of this method is to collect the vibration signals of mechanical equipment, and the second step is to extract the time domain features and establish an overcomplete dictionary. In order to ensure the validity of the prediction information, the time domain characteristics are used as the original signal, and the overcomplete dictionary is established as the base vector according to the signal sparsity theory. Third step regularization is used to process training data and test data by regularization. The fourth step is to find the optimal sparse weight. The fifth step is to predict the fault trend, omit the traditional training time, greatly reduce the time burden, and because of less parameter tuning, it improves the accuracy and robustness of the system. Sixth step residual life prediction, high precision prediction value ensures the accuracy of bearing remaining life prediction.
【技术实现步骤摘要】
一种基于稀疏编码的滚动轴承剩余寿命预测方法
本专利技术属于装备系统故障预测与健康管理领域,尤其涉及一种基于稀疏编码的滚动轴承剩余寿命预测方法。
技术介绍
随着科技的发展和社会的进步,各类型的旋转机械装备在工程中得到了广泛应用。滚动轴承是旋转机械装备中的关键零部件,一旦发生故障,有可能造成财产的损失,严重的甚至会造成人员的伤亡。传统有监督的滚动轴承预测方式,不仅预测精度低而且需要大量的历史信息,不适于跨工况预测,往往不能做出可靠地预防维护决策。因此,需要发展以无监督学习为核心的剩余寿命预测方法及系统,辅助一般的操作人员,使其在不需要理解系统原理的情况下进行可靠的决策。传统的故障预测技术往往针对大量的历史信息才能做出有效地预测评价,当历史信息不足时,预测模型就会失去原有的准确性;这种预测模型还需要大量的参数调优,当预测对象变更后预测效果会变差甚至无法做出维护策略,造成经济损失。因此,本专利技术利用信号处理技术对原始振动信号的三种时域特征(有效值、峰值、峭度)提取。对时域特征进行时间序列预测,采用自回归模型结合稀疏编码的优势,做到对非平稳以及非线性时域特征,由于有极少的参数调优,解决了鲁棒性差,少量历史信息预测不准的缺点。本专利技术提出一种新颖的加权约束稀疏编码方法,相比比传统方法能够更快速准确地得出最佳权重,从而提高了模型预测速度和精度。
技术实现思路
本专利技术目的在于提供一种应用于大型复杂旋转机械滚动轴承剩余寿命预测方法,该方法通过下位机采集系统的振动信号,传输并存储于监测上位机中。在上位机中对轴承全生命周期原始振动信号进行时域特征提取,得到原始特征信号;接着 ...
【技术保护点】
1.一种基于稀疏编码的复杂旋转机械滚动轴承剩余寿命预测方法,其特征在于,该方法包括如下步骤:(1)采集所述滚动轴承的振动信号x(t);(2)对振动信号x(t)进行特征提取并对提取后特征建立过完备字典,生成训练向量和测试向量;(3)将训练向量的数据与测试向量的数据进行正则化处理,得到样本数据;(4)根据样本数据,寻找最优稀疏权重;(5)进行故障趋势预测,得到轴承故障趋势预测值;(6)根据轴承故障趋势预测值与实际值做出故障剩余寿命预测图。
【技术特征摘要】
1.一种基于稀疏编码的复杂旋转机械滚动轴承剩余寿命预测方法,其特征在于,该方法包括如下步骤:(1)采集所述滚动轴承的振动信号x(t);(2)对振动信号x(t)进行特征提取并对提取后特征建立过完备字典,生成训练向量和测试向量;(3)将训练向量的数据与测试向量的数据进行正则化处理,得到样本数据;(4)根据样本数据,寻找最优稀疏权重;(5)进行故障趋势预测,得到轴承故障趋势预测值;(6)根据轴承故障趋势预测值与实际值做出故障剩余寿命预测图。2.根据权利要求2所述的方法,其特征在于,步骤(2)中生成训练向量和测试向量的具体方式为:对振动信号提取时域指标,得到原始特征y(t);建立过完备字典,过完备字典包括两个字典,其中一个字典用于表示训练向量ψ:ψ=[Y1L,Y2L,Y3L,…,YnL]其中,L为步长,YnL为预测窗口;另一个字典用于表示目标向量YN和测试向量YmL:YN=[y...
【专利技术属性】
技术研发人员:王衍学,李华新,杨建伟,李杰,
申请(专利权)人:北京建筑大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。