【技术实现步骤摘要】
本专利技术属于轴承故障诊断及预测领域，尤其涉及一种基于无迹卡尔曼滤波算法的轴承剩余寿命预测方法。
技术介绍
轴承作为一个关键零部件，在电力、石化、冶金、机械、航空航天等旋转机械中被广泛的应用，但不幸的是，它也是旋转机械中故障的多发部件。据统计，航空发动机主轴承服役寿命仅为数百小时，数控机床高速轴承精度寿命为数千小时，一旦运行时间超出服役寿命，轴承的运行精度会急剧下降，进而导致航空发动机、数控机床等无法正常工作。因此轴承状态监测、故障诊断以及故障预测一直是近年来的研究重点。考虑到轴承从早期故障发生，发展直至失效是一个非线性的过程，由此利用贝叶斯理论的非线性滤波算法，如扩展卡尔曼滤波、粒子滤波等在轴承的故障预测方面得到了快速发展。然而当非线性系统中的非线性函数Taylor展开式的高阶项无法忽略时，利用扩展卡尔曼滤波进行线性化会使系统产生较大误差；利用粒子滤波要得到较高精度的预测，需要较多数目的粒子，由此而产生了很大的计算量，并且粒子经过迭代后会产生粒子退化的问题。
技术实现思路
为了克服现有的非线性贝叶斯滤波算法在解决轴承故障预测时剩余寿命预测精度较低的不足，本专利技术提供了一种预测精度较高的基于无迹卡尔曼滤波算法的轴承剩余寿命预测方法。为了解决上述技术问题提供的技术方案为：一种基于无迹卡尔曼滤波算法的轴承剩余寿命预测方法，所述方法包括以下步骤：S1.采集轴承的全寿命周期振动信号；S2.利用振动信号计算有效值，基于有效值构建出反映轴承健康状态的指数；S3.计算各时刻轴承健康指数的变化量，并利用矩形窗函数进行截断，运用K-S检验检验矩形窗内健康指数的变化量是否符合...
【技术保护点】
一种基于无迹卡尔曼滤波算法的轴承剩余寿命预测方法，其特征在于：所述方法包括以下步骤：S1.采集轴承的全寿命周期振动信号；S2.利用振动信号计算有效值，基于有效值构建出反映轴承健康状态的指数；S3.计算各时刻轴承健康指数的变化量，并利用矩形窗函数进行截断，运用K‑S检验矩形窗内健康指数的变化量是否符合正态分布，随时间推移不断推进矩形窗，K‑S检验结果将轴承寿命周期分为磨合期、有效寿命期和耗损期三个时期，截取出轴承耗损期的健康指数数据；S4.拟合分析轴承耗损期的健康指数数据，构建表征其退化过程的非线性状态空间模型，利用当前观测到的健康指数数据和无迹卡尔曼滤波算法更新模型参数，并预测剩余寿命，过程如下：对耗损期内的健康指数数据，通过拟合分析构建如下的退化模型：HI(k)＝a·exp(b·k)+c·exp(d·k) (1)上式中，HI(k)为轴承在k时刻的健康指数，k为时间参数，a，b，c，d为退化模型参数初始值，基于该退化模型构建状态方程：ak=ak-1+N(0,σa2)bk=bk-1+N(0,σb2)ck=ck-1+N(0,σc2)dk=dk-1+N...
【技术特征摘要】
1.一种基于无迹卡尔曼滤波算法的轴承剩余寿命预测方法，其特征在于：所述方法包括以下步骤：S1.采集轴承的全寿命周期振动信号；S2.利用振动信号计算有效值，基于有效值构建出反映轴承健康状态的指数；S3.计算各时刻轴承健康指数的变化量，并利用矩形窗函数进行截断，运用K-S检验矩形窗内健康指数的变化量是否符合正态分布，随时间推移不断推进矩形窗，K-S检验结果将轴承寿命周期分为磨合期、有效寿命期和耗损期三个时期，截取出轴承耗损期的健康指数数据；S4.拟合分析轴承耗损期的健康指数数据，构建表征其退化过程的非线性状态空间模型，利用当前观测到的健康指数数据和无迹卡尔曼滤波算法更新模型参数，并预测剩余寿命，过程如下：对耗损期内的健康指数数据，通过拟合分析构建如下的退化模型：HI(k)＝a·exp(b·k)+c·exp(d·k) (1)上式中，HI(k)为轴承在k时刻的健康指数，k为时间参数，a，b，c，d为退化模型参数初始值，基于该退化模型构建状态方程： a k = a k - 1 + N ( 0 , σ a 2 ) b k = b k - 1 + N ( 0 , σ b 2 ) c k = c k - 1 + N ( 0 , σ c 2 ) ...
【专利技术属性】
技术研发人员：金晓航，阙子俊，孙毅，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33
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。