一种滚动轴承剩余寿命预测方法及装置制造方法及图纸

本发明专利技术涉及一种滚动轴承剩余寿命预测方法及装置。其中方法包括：获取待预测滚动轴承的实时振动数据；以及同类滚动轴承的历史使用数据；将历史使用数据输入预先建立的加速退化时刻预测模型中得到每个时刻属于平稳退化阶段的第一概率以及每个时刻属于加速退化阶段的第二概率；若连续若干个时刻的第二概率大于第一概率，则确定加速退化时刻；进而得到平稳退化寿命预测模型和加速退化寿命预测模型；通过实时振动数据判断待预测滚动轴承所处的阶段，按照所处阶段的模型进行剩余寿命预测。本发明专利技术通过得到的加速退化时刻，找出非线性的临界点，在得到待预测滚动轴承的实时数据后，采用对应的模型进行寿命的预测，提高了寿命预测的准确性。

【技术实现步骤摘要】
一种滚动轴承剩余寿命预测方法及装置
本专利技术涉及一种滚动轴承剩余寿命预测方法及装置，属于故障预测与健康管理

技术介绍
滚动轴承作为一种广泛应用于机械设备的基础零部件，是决定机械设备安全可靠运行的关键部件之一。根据相关的调查研究发现旋转机械中大概30％的机械故障是轴承失效的结果。机械故障不仅会造成经济损失，还可能导致灾难性的人员伤亡和环境污染，因此准确预测滚动轴承的剩余寿命对于保证机械设备安全可靠运行有重要的影响。现有的滚动轴承剩余寿命预测方法有两种：1.用单一的退化模型对滚动轴承全寿命周期的振动信号进行建模分析，进而预测滚动轴承寿命；2.基于卡尔曼滤波进行剩余寿命的在线预测。然而由于滚动轴承的退化是非线性的，建立准确有效单一的的退化模型需要大量的训练数据，且对数据的要求较高，很难准确预测滚动轴承的剩余寿命；同时众所周知，卡尔曼滤波是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法，对于非线性的退化过程其状态方程难以建立，导致预测精度非常低，剩余寿命的预测不准确。r>
技术实现思路
...

【技术保护点】
1.一种滚动轴承剩余寿命预测方法，其特征在于，包括以下步骤：/n获取待预测滚动轴承的实时振动数据；以及与待预测滚动轴承同类的滚动轴承整个生命周期的历史使用数据，所述历史使用数据包括已使用寿命、已使用寿命对应的振动数据；/n将历史使用数据输入预先建立的加速退化时刻预测模型中，所述加速退化时刻预测模型中包括与平稳退化阶段对应的第一卡尔曼滤波器和与加速退化阶段对应的第二卡尔曼滤波器；/n根据历史使用数据以及第一卡尔曼滤波器得到每个时刻属于平稳退化阶段的第一概率；根据历史使用数据以及第二卡尔曼滤波器得到每个时刻属于加速退化阶段的第二概率；/n若连续若干个时刻的第二概率大于第一概率，则根据这若干个时刻确...

【技术特征摘要】
1.一种滚动轴承剩余寿命预测方法，其特征在于，包括以下步骤：
获取待预测滚动轴承的实时振动数据；以及与待预测滚动轴承同类的滚动轴承整个生命周期的历史使用数据，所述历史使用数据包括已使用寿命、已使用寿命对应的振动数据；
将历史使用数据输入预先建立的加速退化时刻预测模型中，所述加速退化时刻预测模型中包括与平稳退化阶段对应的第一卡尔曼滤波器和与加速退化阶段对应的第二卡尔曼滤波器；
根据历史使用数据以及第一卡尔曼滤波器得到每个时刻属于平稳退化阶段的第一概率；根据历史使用数据以及第二卡尔曼滤波器得到每个时刻属于加速退化阶段的第二概率；
若连续若干个时刻的第二概率大于第一概率，则根据这若干个时刻确定加速退化时刻；
根据加速退化时刻以前的历史使用数据得到平稳退化寿命预测模型，根据加速退化时刻以后的历史使用数据得到加速退化寿命预测模型；
通过实时振动数据判断待预测滚动轴承所处的阶段，若处于平稳退化阶段，则按照平稳退化寿命预测模型进行寿命预测；若处于加速退化阶段，则按照加速退化寿命预测模型进行寿命预测。


2.根据权利要求1所述的滚动轴承剩余寿命预测方法，其特征在于，所述加速退化寿命预测模型为随机效应指数模型，根据加速退化时刻以后的历史使用数据得到随机效应指数模型中的参数，对所述参数进行更新得到剩余寿命概率密度函数，进而对加速退化阶段的剩余寿命进行预测。


3.根据权利要求2所述的滚动轴承剩余寿命预测方法，其特征在于，通过实时振动数据以及历史使用数据，利用贝叶斯算法更新所述随机效应指数模型中的参数。


4.根据权利要求2所述的滚动轴...

【专利技术属性】
技术研发人员：邱明，许艳雷，李军星，刘璐，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：河南;41