一种旋转类机械产品剩余寿命预测系统技术方案

本发明专利技术提供一种旋转类机械产品剩余寿命预测系统，其包括数据载入模块、模拟信号生成模块、数据预处理模块、频域分析模块、时频域分析模块、特征提取模块以及寿命预测模块，数据载入模块用于载入TDMS文件和mat文件；模拟信号生成模块用于生成正弦波、三角波、方波、锯齿波和白噪声；数据预处理模块包括去趋势单元、加窗单元、滤波单元以及奇异值分解单元，去趋势单元可以对模拟信号进行去趋势处理，消除信号中的直流分量。本发明专利技术的系统覆盖了信号预处理、频域分析、时频域分析、特征提取以及寿命预测的整个数据处理流程，方法具有通用性，可以在旋转类机械产品信号分析中使用。

A residual life prediction system for rotating mechanical products

【技术实现步骤摘要】
一种旋转类机械产品剩余寿命预测系统
本专利技术涉及机械装备可靠性与寿命预测领域，具体地涉及一种旋转类机械产品剩余寿命预测系统。
技术介绍
随着机械产品的可靠性要求越来越高，针对旋转类机械产品的状态监测与健康管理也变得越来越重要。在传统的机械产品信号分析、故障诊断与预测手段中，往往采用底层编程语言逐项进行分析，不仅工作量大，准确性也无法保证。针对旋转类机械产品来说，对采集的数据的分析处理、故障特征的特征提取、退化模型建立与预测等具体应用存在诸多通用方法。现有技术中，尚没有类似的旋转类机械产品剩余寿命预测系统，在进行寿命预测时容易出现预测不准确的问题。
技术实现思路
针对现有方案的不足，本专利技术提供一种旋转类机械产品剩余寿命预测系统，实现了旋转类机械产品的数据载入、模拟信号生成、数据预处理、频域分析、时频域分析、特征提取、寿命预测等功能。具体地，本专利技术提供一种旋转类机械产品剩余寿命预测系统，其包括数据载入模块、模拟信号生成模块、数据预处理模块、频域分析模块、时频域分析模块、特征提取模块以及寿命预测模块，数据载入模块、模拟信号生成模块、数据预处理模块、频域分析模块、时频域分析模块、特征提取模块以及寿命预测模块相互之间通讯连接；所述数据载入模块用于载入TDMS文件和mat文件格式的产品数据信息；所述模拟信号生成模块用于根据产品数据信息生成正弦波、三角波、方波、锯齿波或白噪声的模拟信号；数据预处理模块对模拟信号进行处理，所述数据预处理模块包括去趋势单元、加窗单元、滤波单元以及奇异值分解单元，所述去趋势单元对模拟信号进行去趋势处理，消除信号中的直流分量；所述加窗单元用于给模拟信号增加窗口，所述窗口的类型包括矩形窗、离散汉宁窗、离散哈明窗和布莱克曼窗，所述加窗单元能够显示原始波形、加窗后波形、加窗后波形时域图和加窗后波形频域图，模拟信号由加窗单元导出之后形成加窗后波形，其中长度为N的离散化矩形窗时域表达式为：长度为N的离散汉宁窗时域表达式为：长度为N的离散哈明窗时域表达式为：长度为N的布莱克曼窗时域表达式为：所述滤波单元用于对模拟信号进行滤波，所述滤波单元能够显示模拟信号的原始时域信号、原始信号幅频谱、原始信号相频谱、滤波后时域信号、滤波后信号幅频谱和滤波后信号相频谱，所述滤波模块中能够设置滤波器类型、纹波、衰减、阶次、下限截止频率和上限截止频率，所述奇异值分解单元用于对模拟信号进行奇异值分解和重构；所述奇异值分解单元能够对模拟信号进行奇异值分解和重构，对于长度小于或等于10000的数据进行奇异值分解，分解成功后绘制奇异值差分结果，输入重构阶次后，对分解后的信号进行重构，从而达到主成分提取和滤波的目的，奇异值分解具体为：假设M为m*n阶矩阵，其中的矩阵元素均属于实数域或复数域，则存在一个分解使得M＝U∑V*其中，U是m*m阶酉矩阵，∑是m*n阶非负实数对角矩阵；而V*即V的共轭转置，是n*n阶酉矩阵；此分解称作M的奇异值分解；所述频域分析模块能够自动绘制模拟信号的频谱图、周期图法功率谱和间接法功率谱，在细化谱设置模块中输入频率上限、频率下限和快速傅里叶变换点数，绘制模拟信号的细化谱，从而进行频域分析；所述时频域分析模块包括经验模态分解单元和希尔伯特-黄变换单元，所述时频域分析模块能够对模拟信号进行重构，得到模拟信号各阶次的瞬时频率图，进行时频域分析，在经验模态分解单元中，使用经验模态分解方法将自动对模拟信号进行分解，绘制采集的数据及其内涵模态分量的时域图，以及采集的数据及其内涵模态分量的频谱图，设置重构信号的起始内涵模态分量和终止内涵模态分量，并对起始内涵模态分量和终止内涵模态分量中间的所有分量进行重构；经验模态分解的具体流程如下：步骤一：假设原始模拟信号为s(t)，找出原始模拟信号s(t)中的所有局部极大值以及局部极小值，接着利用三次样条，分别将局部极大值串连成上包络线，将局部极小值串连成下包络线；步骤二：求出上包络线和下包络线的平均值，得到均值包络线m1(t)；步骤三：将原始模拟信号s(t)与均值包络线m1(t)相减，得到第一个分量h1(t)；h1(t)＝s(t)-m1(t)步骤四：检查h1(t)是否符合IMF的条件，如果不符合，则回到步骤1并且将h1(t)当作原始模拟信号，进行第二次的筛选，亦即h2(t)＝h1(t)-m2(t)重复筛选k次，hk(t)＝hk-1(t)-mk(t)直到hk(t)符合IMF的条件，得到第一个IMF分量c1(t)，亦即c1(t)＝hk(t)步骤五：原始讯号s(t)减去c1(t)得到剩余量r1(t)，表示如下式：r1(t)＝s(t)-c1(t)步骤六：将r1(t)当做新的原始模拟信号，重复执行步骤一直步骤五，得到新的剩余量r2(t)，如此重复n次r2(t)＝r1(t)-c2(t)r3(t)＝r2(t)-c3(t)…rn(t)＝rn-1(t)-cn(t)当第n个剩余量rn(t)已成为单调函数，将无法再分解IMF时，整个EMD的分解过程完成，原始讯号s(t)可以表示成n个IMF分量与一个平均趋势分量rn(t)的组合，亦即所述希尔伯特-黄变换单元使用希尔伯特-黄变换方法，得到模拟信号各阶次的瞬时频率图，希尔伯特-黄变换是在EMD分解的基础上，将IMF进行希尔伯特变换得到的，函数u(t)的希尔伯特变换公式是：其中，x(t)为连续的时间信号，y(t)为经过希尔伯特变换后的信号；所述特征提取模块包括线性判别分析单元和盲源分离单元，所述特征提取模块用于对模拟信号进行特征提取，获取模拟信号的故障征向量，并得到故障诊断结果，给出置信度，同时获得模拟信号的源信号；线性判别分析单元利用线性判别分析提取模拟信号数据中的主成分，通过对监督数据的训练，形成故障特征向量，实现对未知试验数据的故障模式识别，线性判别分析单元通过载入不同故障模式的数据，计算特征评价指标值，选择指标值最大的特征值，在VMD分解后训练数据，导入待分类数据，得到故障诊断结果，并给出置信度；盲源分离单元利用盲源分离在没有任何先验知识的前提下，将源信号从混叠信号中提取和分离出来；所述寿命预测模块使用自回归滑动平均模型进行退化模型的建立和预测，寿命预测模块通过载入时间序列数据、模型参数辨识、参数估计和模型检验步骤实现建模过程，并在模型建立完成后对退化特征的趋势进行预测，得到给定失效阈值下的机械产品寿命评估值。优选地，线性判别分析的具体方法为：假设C个类中每一个类都有均值μi和相同的协方差∑，那么，类间的变化通过类均值的协方差来定义：这里μ是各类均值的均值，在的方向区分类由下式给出：如果是∑-1∑b的特征向量，等同于用对应的特征值进行分类；如本文档来自技高网...

【技术保护点】
1.一种旋转类机械产品剩余寿命预测系统，其特征在于：其包括数据载入模块、模拟信号生成模块、数据预处理模块、频域分析模块、时频域分析模块、特征提取模块以及寿命预测模块，数据载入模块、模拟信号生成模块、数据预处理模块、频域分析模块、时频域分析模块、特征提取模块以及寿命预测模块相互之间通讯连接；/n所述数据载入模块用于载入TDMS文件和mat文件格式的产品数据信息；/n所述模拟信号生成模块用于根据产品数据信息生成正弦波、三角波、方波、锯齿波或白噪声的模拟信号；/n数据预处理模块对模拟信号进行处理，所述数据预处理模块包括去趋势单元、加窗单元、滤波单元以及奇异值分解单元，所述去趋势单元对模拟信号进行去趋势处理，消除信号中的直流分量；/n所述加窗单元用于给模拟信号增加窗口，所述窗口的类型包括矩形窗、离散汉宁窗、离散哈明窗和布莱克曼窗，所述加窗单元能够显示原始波形、加窗后波形、加窗后波形时域图和加窗后波形频域图，模拟信号由加窗单元导出之后形成加窗后波形，/n其中长度为N的离散化矩形窗时域表达式为：/n

【技术特征摘要】
1.一种旋转类机械产品剩余寿命预测系统，其特征在于：其包括数据载入模块、模拟信号生成模块、数据预处理模块、频域分析模块、时频域分析模块、特征提取模块以及寿命预测模块，数据载入模块、模拟信号生成模块、数据预处理模块、频域分析模块、时频域分析模块、特征提取模块以及寿命预测模块相互之间通讯连接；
所述数据载入模块用于载入TDMS文件和mat文件格式的产品数据信息；
所述模拟信号生成模块用于根据产品数据信息生成正弦波、三角波、方波、锯齿波或白噪声的模拟信号；
数据预处理模块对模拟信号进行处理，所述数据预处理模块包括去趋势单元、加窗单元、滤波单元以及奇异值分解单元，所述去趋势单元对模拟信号进行去趋势处理，消除信号中的直流分量；
所述加窗单元用于给模拟信号增加窗口，所述窗口的类型包括矩形窗、离散汉宁窗、离散哈明窗和布莱克曼窗，所述加窗单元能够显示原始波形、加窗后波形、加窗后波形时域图和加窗后波形频域图，模拟信号由加窗单元导出之后形成加窗后波形，
其中长度为N的离散化矩形窗时域表达式为：



长度为N的离散汉宁窗时域表达式为：



长度为N的离散哈明窗时域表达式为：



长度为N的布莱克曼窗时域表达式为：



所述滤波单元用于对模拟信号进行滤波，所述滤波单元能够显示模拟信号的原始时域信号、原始信号幅频谱、原始信号相频谱、滤波后时域信号、滤波后信号幅频谱和滤波后信号相频谱，所述滤波模块中能够设置滤波器类型、纹波、衰减、阶次、下限截止频率和上限截止频率，所述奇异值分解单元用于对模拟信号进行奇异值分解和重构；
所述奇异值分解单元能够对模拟信号进行奇异值分解和重构，对于长度小于或等于10000的数据进行奇异值分解，分解成功后绘制奇异值差分结果，输入重构阶次后，对分解后的信号进行重构，从而达到主成分提取和滤波的目的，奇异值分解具体为：
假设M为m*n阶矩阵，其中的矩阵元素均属于实数域或复数域，则存在一个分解使得
M＝U∑V*
其中，U是m*m阶酉矩阵，∑是m*n阶非负实数对角矩阵；而V*即V的共轭转置，是n*n阶酉矩阵；此分解称作M的奇异值分解；
所述频域分析模块能够自动绘制模拟信号的频谱图、周期图法功率谱和间接法功率谱，在细化谱设置模块中输入频率上限、频率下限和快速傅里叶变换点数，绘制模拟信号的细化谱，从而进行频域分析；
所述时频域分析模块包括经验模态分解单元和希尔伯特-黄变换单元，所述时频域分析模块能够对模拟信号进行重构，得到模拟信号各阶次的瞬时频率图，进行时频域分析，在经验模态分解单元中，使用经验模态分解方法将自动对模拟信号进行分解，绘制采集的数据及其内涵模态分量的时域图，以及采集的数据及其内涵模态分量的频谱图，设置重构信号的起始内涵模态分量和终止内涵模态分量，并对起始内涵模态分量和终止内涵模态分量中间的所有分量进行重构；
经验模态分解的具体流程如下：
步骤一：假设原始模拟信号为s(t)，找出原始模拟信号s(t)中的所有局部极大值以及局部极小值，接着利用三次样条，分别将局部极大值串连成上包络线，将局部极小值串连成下包络线；
步骤二：求出上包络线和下包络线的平均值，得到均值包络线m1(t)；
步骤三：将原始模拟信号s(t)与均值包络线ml(t)相减，得到第一个分量h1(t)；
h1(t)＝s(t)-m1(t)
步骤四：检查h1(t)是否符合IMF的条件，如果不符合，则回到步骤1并且将h1(t)当作原始模拟信号，进行第二次的筛选，亦即
h2(t)＝h1(t)-m2(t)
重复筛选k次，
hk(t)＝hk-1(t)-mk(t)
直到hk(t)符合IMF的条件，得到第一个IMF分量c1(t)，亦即
c1(t)＝hk(t)
步骤五：原始讯号s(t)减去c1(t)得到剩余量r1(t)，表示如下式：
r1(t)＝s(t)-c1(t)
步骤六：将r1(t)当做新的原始模拟信号，重复执行步骤一直步骤五，得到新的剩余量r2(t)，如此重复n次
r2(t)＝r1(t)-c2(t)
r3(t)＝r2(t)-c3(t)
…
rn(t)＝rn-1(t)-cn(t)
当第n个剩余量rn(t)已成为单调函数，将无法再分解IMF时，整个EMD的分解过程完成，原始讯号s(t)可以表示成n个IMF分量与一个平均趋势分量rn(t)的组合，亦即



所述希尔伯特-黄变换单元使用希尔伯特-黄变换方法，得到模拟信号各阶次的瞬时频率图，
希尔伯特-黄变换是在EMD分解的基础上，将IMF进行希尔伯特变换得到的，函数u(t)的希尔伯特变换公式是：



其中，x(t)为连续的时间信号，y(t)为经过希尔伯特变换后的信号；
所述特征提取模块包括线性判别分析单元和盲源分离单元，所述...

【专利技术属性】
技术研发人员：刘浩阔，边智，孟理华，杨俊斌，刘漪纹，
申请(专利权)人：中国航空综合技术研究所，
类型：发明
国别省市：北京;11