一种基于EMD去噪和渐消记忆的设备剩余寿命预测方法技术

本发明专利技术涉及一种基于EMD去噪和渐消记忆的设备剩余寿命预测的方法。包括测试数据的预处理、建立退化模型、基于渐消记忆思想估计模型参数、预测剩余寿命四大步骤。同现有技术相比，在基于EMD去噪方法思想的基础上继承了其可将复杂的时间序列直接分解成从高频到低频的若干阶固有模态函数优越性，克服了现有EMD去噪方法中存在的监测数据作用小，老监测数据作用大导致的建模精度不高，剩余寿命预测准确度降低的问题，不仅可以对设备的个体寿命和总体可靠性寿命特征量进行预测分析，还可以作为预测设备剩余寿命的一种有效分析工具，为设备的维修保障提供有力的理论依据和技术支撑，从而节约经费开支，避免不必要的经济损失，有很好的工程应用价值。

【技术实现步骤摘要】
-种基于EMD去噪和渐消记忆的设备剩余寿命预测方法
本专利技术属于可靠性工程
，涉及一种在监测数据存在噪声条件下对高可靠 性设备的性能缓慢退化特性进行剩余寿命预测的方法。
技术介绍
在工程实践中，可以获得一些机理知识和大致反映系统性能状态的监测数据，这 些信息为使用基于统计模型的方法预测设备的剩余寿命提供了条件。但是由于测试时外界 环境以及测试仪器测试精度的影响，测试所得到的监测数据往往受到了噪声干扰，如果直 接用含有噪声的监测数据进行建模，势必导致模型建立的不准确，以至于剩余寿命预测精 度不高。因此有必要对监测数据进行去噪，得到较为纯净的退化数据后再进行退化建模、预 测剩余寿命。 在本专利技术以前传统的去噪方法中，有傅里叶变换方法、小波变换方法、基于 EMD (Empirical Mode Decomposition)的去噪方法。傅里叶变换只适合用于线性平稳信 号的分析处理，难以处理非线性非平稳信号；小波变换作为一种有效的信号处理方法，已被 广泛应用于信号去噪处理方面，但是小波基的选取对去噪的效果有较大的影响，这也影响 了其自适应性；基于EMD的去噪方法作为一种时频的分析方法的基本思想是：任何复杂的 时间序列都是由一些相互不同的、简单的、并非正弦函数的固有模态函数组成，基于此，可 将复杂的时间序列直接分解成从高频到低频的若干阶固有模态函数，即基本时间序列。传 统的EMD去噪方法是将信号分解为频率从高到低的若干阶本征模态imfi，imf 2, . . .，imfn， 然后直接去除信号中的高频imf。但是在信噪比较低的情况下，如果直接去除高频imf，会 导致将较多的有用信息也一并去除。这种传统的维纳过程建模方法，对于线性变化的数据 能够比较好建模，但是当时间累积较多时，会导致新监测数据作用太小，老监测数据作用较 大，会导致建模精度不高，剩余寿命预测的准确度降低的问题。
技术实现思路
针对上述现有技术中传统的EMD去噪方法存在的问题，本专利技术的目的是：提供一 种基于EMD去噪的设备剩余寿命预测方法，该方法充分利用产品在运行时所测得的监测数 据，对监测数据进行数据预处理后，充分利用去噪后的监测数据，利用渐消记忆的思想建立 产品性能退化轨迹模型，科学预测高可靠性产品个体寿命和总体寿命特征量。 本专利技术一种基于EMD去噪和渐消记忆的设备剩余寿命预测方法，其特征在于：包 括以下步骤： 步骤1动态性能退化数据库的构建 在设备长期运行过程中，由于本身元器件内在应力的释放，并在动载荷、腐蚀、磨 损、疲劳载荷等的长期作用下，某些器件将会发生老化，出现缺陷。另外，在长期储存过程 中，由于受到温度、湿度和通断电循环等影响，设备的某些性能状态将产生漂移。当设备的 性能退化量在某一时刻超过阈值时，设备不能很好地完成既定任务，从而导致故障的发生。 因此，应该根据设备的运行情况，合理选择性能退化监测数据，所述的退化监测数据即指在 设备运行过程中通过测试手段得到的，能够直接或者间接反映设备性能变化的关键数据， 例如：金属疲劳裂纹增长数据、器械变形的尺度数据、火车车轮直径退化数据变化等直接反 映设备的性能变化的为直接监测数据，而陀螺仪漂移系数、测温电阻的电压值等为间接反 映设备性能变化的间接监测数据。再将这些退化监测数据实时存储建立设备的性能退化数 据库，并通过有效的维护方法，以减小设备发生故障的概率。在所构建的性能退化数据库 中，主要包括测试时间和测试数据。当新的测试数据到来后，将数据直接存入到测试数据库 中，主要包括两列，其中第一列为测试时间，第二列为测试数据。因而数据库是动态的，当对 退化模型建模时，实时地对模型参数进行更新； 步骤2利用EMD方法对测试数据进行数据预处理 由于传统的EMD去噪方法是将信号分解为频率从高到低的若干阶本征模态imfp imf 2, . . .，imfn，然后直接去除信号中的高频imf，因此在信噪比较低的情况下，直接去除高 频imf，会将较多的有用信息也一并去除；鉴于此，有必要对高频imf再进行筛选，这里选用 软阈值方法对选出的高频imf进行处理得到新的imf'，保证滤除的成分是较为纯净的噪 声，本专利技术去噪方法的主要步骤如下： 步骤2. 1 :用EMD方法将原信号x(t)分解为频率从高到低的若干阶本征模态imfi， imf2, ·…，imfn ; 步骤2. 1. 1 :列出原数据x(t)中所有的局部最大值和局部最小值，并利用三次样 条函数插值，得到原数据的上下包络线xmax(t)和x min(t); 步骤2. 1. 2 :对xmax (t)和xmin(t)取平均值，得到： 本文档来自技高网...

【技术保护点】
一种基于EMD去噪和渐消记忆的设备剩余寿命预测方法，其特征在于：包括以下步骤：步骤1：动态性能退化数据库的构建：合理选择性能退化监测数据，再将这些退化监测数据实时存储以建立设备的性能退化数据库；当对退化模型建模时，实时对模型参数进行更新；步骤2：利用EMD方法对测试数据进行数据预处理；在信噪比较低的情况下，对高频imf再进行筛选，用软阈值方法对选出的高频imf进行处理得到新的imf′，保证滤除的成分是较为纯净的噪声；步骤3：基于渐消记忆的退化轨迹建模及参数估计：用维纳过程进行参数估计，通过引入遗忘因子k，达到渐消记忆的目的；步骤4：预测剩余寿命。

【技术特征摘要】
1. 一种基于EMD去噪和渐消记忆的设备剩余寿命预测方法，其特征在于：包括以下步 骤： 步骤1 :动态性能退化数据库的构建：合理选择性能退化监测数据，再将这些退化监测 数据实时存储以建立设备的性能退化数据库；当对退化模型建模时，实时对模型参数进行 更新； 步骤2 :利用EMD方法对测试数据进行数据预处理；在信噪比较低的情况下，对高频 imf再进行筛选，用软阈值方法对选出的高频imf进行处理得到新的imf'，保证滤除的成 分是较为纯净的噪声； 步骤3 :基于渐消记忆的退化轨迹建模及参数估计：用维纳过程进行参数估计，通过引 入遗忘因子k，达到渐消记忆的目的； 步骤4:预测剩余寿命。2. 根据权利要求1所述的一种基于EMD去噪和渐消记忆的设备剩余寿命预测方法，其 特征在于：步骤2中所述的利用EMD方法对测试数据进行数据预处理的具体步骤如下： 步骤2. 1 :用EMD方法将原信号x(t)分解为频率从高到低的若干阶本征模态imfp imf2, ..., imfn ； 步骤2. 2 :利用Boudraa提出的基于连续均方误差准则的EMD去噪算法，选出一般被认 为是噪声或者信号中尖锐的成分的高频的imf，保留一般被认为是信号的主要组成部分的 低频imf ; 步骤2. 3 :对选出噪声占主导成分的高频imf进行类似小波软阈值去噪得到imfV，建 立如下的软阈值函数：(5) 式中，S为阈值；这里采用Stein的无偏风险估计原理选取阈值，以保证阈值选取的自 适应性； 步骤2. 4 :重构去噪后的信号：.，y(t)为去噪后的信号。3. 根据权利要求2所述的一种基于EMD去噪和渐消记忆的设备剩余寿命预测方法，其 特征在于：步骤2. 1中所述的用EMD方法将原信号x(t)分解为频率从高到低的若干阶本 征模态imfp imf2, . . .，imfn ; 的具体步骤如下： 步骤2. 1. 1 :列出原数据x(t)中所有的局部最大值和局部最小值，并利用三次样条函 数插值，得到原数据的上下包络线x_(t)和xmin(t); 步骤2. 1. 2 :对xmax (t)和xmin (t)取平均值，得到：0) 步骤2. 1. 3 :用原数据X⑴减去m⑴，得到新的数据h⑴(2) 判断h(t)是否满足以下两个条件：①数据中所有的极大值数目与极小值数目相等或 者只相差一个；②极大值和极小值的均值在任意点为〇 ;如果满足上述两个条件，则h(t)为 本征模态，记作imf，否则，令x(t) = h(t)，重复步骤2. 1. 1到步骤2. 1. 3,直至满足条件为 止； 步骤2. 1. 4 :令!^!:) = ，重复步骤2. 1. 1到步骤2. 1. 3,直到1^(1:)为单调函 数或者常量停...

【专利技术属性】
技术研发人员：胡昌华，周志杰，张建勋，何华锋，张正新，
申请(专利权)人：中国人民解放军第二炮兵工程大学，
类型：发明
国别省市：陕西;61