基于健康指数与粒子滤波的旋转机械故障预测方法及系统技术方案

本发明专利技术公开了一种基于健康指数与粒子滤波的旋转机械故障预测方法及系统，首先在多特征评估的基础上提取合适的健康指数；继而基于健康指数幅值异常变化，挖掘异常样本；进而基于旋转机械故障呈周期性特征，利用快速谱峭度

【技术实现步骤摘要】
基于健康指数与粒子滤波的旋转机械故障预测方法及系统


[0001]本专利技术涉及旋转机械故障预测领域，具体的涉及一种基于健康指数与粒子滤波的旋转机械故障预测方法及系统。

技术介绍

[0002]科学的剩余使用寿命(Remaining Useful Life，RUL)预测能够有效提升机械设备使用安全性能以及最大程度发挥设备能力。旋转机械在机械设备中得以广泛应用。旋转机械RUL预测是一个内含于预测与健康管理(Prognostics and Health Management，PHM)领域的系统性工程，需要依托一系列前期技术工作(诸如数据感知、健康指数提取、故障预测等)，最终服务于装备智能运维。围绕如何实现旋转机械RUL预测，研究学者开展了较多的工作，提出了一系列RUL预测方法。具体而言，预测工作立足于提取合适的健康指数(Health Indicator，HI)、确定科学的预测起始点以及构建合适的预测退化模型，现有RUL预测工作少有对前述过程进行系统性考虑。
[0003]针对特征提取问题，研究学者开展了一系列研究工作。传统的特征指标类型包括典型的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于健康指数与粒子滤波的旋转机械故障预测方法，其特征在于，包括以下步骤：S100、基于预测对象感知获取退化振动时间序列数据x
signal
，然后提取多个退化特征指标F
i
；S200、基于多评估指标Eva融合决策策略，筛选获取最优退化特征指标F
optimal
，构建健康指数HI；S300、基于健康指数HI幅值异常检测，挖掘原始异常样本x
abnormal
，然后通过故障增强方法实现早期故障诊断，确定故障预测起始点；S400、基于早期故障诊断的结果，将故障样本信息转化为故障预测退化模型先验信息，结合粒子滤波概率统计，获取旋转机械剩余使用寿命预测结果。2.根据权利要求1所述的基于健康指数与粒子滤波的旋转机械故障预测方法，其特征在于：所述步骤S100中退化特征指标F
i
包括均方值、均方根值、波形指标、峰值指标、裕度指标、脉冲指标、峭度指标、香农熵和振动烈度。3.根据权利要求2所述的基于健康指数与粒子滤波的旋转机械故障预测方法，其特征在于：所述均方值的表达式为所述均方根值的表达式为所述波形指标的表达式为所述峰值指标的表达式为所述香农熵的表达式为所述振动烈度的表达式为其中，x
i
表示原始时间序列，T为所测信号长度，v(t)表示物体振动速度，N表示单个样本采样点数。4.根据权利要求1所述的基于健康指数与粒子滤波的旋转机械故障预测方法，其特征在于：所述步骤S200中多评估指标包括单调性、鲁棒性和趋势性。5.根据权利要求4所述的基于健康指数与粒子滤波的旋转机械故障预测方法，其特征在于：所述单调性的计算公式为
其中，X＝{x
k
}
k＝1:K
代表健康指标序列在时间t
k
所对应的健康指标x
k
；K代表健康指标个数；d/dx＝x
k+1
‑
x
k
表征健康指标序列的差异；No.ofd/dx>0和No.ofd/dx<0分别代表差异的正和负；Mon1(X)表示所有健康指标X的导数之和。6.根据权利要求4所述的基于健康指数与粒子滤波的旋转机械故障预测方法，其特征在于：所述鲁棒性的计算公...

【专利技术属性】
技术研发人员：胡茑庆，罗鹏，程哲，张伦，杨翼，陈凌，胡蛟，李月昊，周洋，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：