【技术实现步骤摘要】
一种基于VMD
‑
SSA
‑
LSTM的滚动轴承剩余使用寿命预测方法
[0001]本专利技术属于一种机械装备的故障预测与健康管理领域,涉及一种基于VMD
‑
SSA
‑
LSTM的滚动轴承剩余使用寿命预测方法。
技术介绍
[0002]滚动轴承是重要的机械零部件,也是最容易产生故障的零件之一。统计发现,在使用了滚动轴承的旋转设备中,大约有45%
‑
55%的机械故障是由滚动轴承引起。而对滚动轴承进行剩余寿命预测(RUL)预测能够尽早发现损坏并提前进行维护,从而避免机器故障发生。因此,滚动轴承的剩余使用寿命预测问题成为了机械健康管理与故障预测领域的热点问题,很多预测技术被开发。
[0003]RUL预测是根据当前和未来的运行环境条件预测故障的损害进展,并得到在预期范围内不再执行预期功能的时间。目前,滚动轴承的RUL预测可以分为基于模型的方法、数据驱动的方法和混合方法。
[0004]基于模型的方法需要建立一系列数学或物理模型来确定相应研究对象的退化趋势。常用于RUL预测的模型有高斯混合模型、马尔可夫过程模型、比例风险模型和维纳过程模型等。但滚动轴承工作条件复杂多样,影响滚动轴承寿命因素多,寿命预测机理模型难以准确建立。
[0005]数据驱动作为另一种RUL预测方法不需要考虑滚动轴承的内部失效机理,直接通过将RUL值与对应检测信号的特征值映射来预测。随着人工智能和机器学习相关技术的发展,数据驱动的滚动轴承RUL预测方法得到 ...
【技术保护点】
【技术特征摘要】
1.一种基于VMD
‑
SSA
‑
LSTM的滚动轴承剩余使用寿命预测方法,其特征在于包括以下步骤:步骤1、初始化VMD的分解模态数k和惩罚因子α的取值范围分别是[k
min
,k
max
]和[α
min
,α
max
],对原始振动信号进行VMD,得到k层IMF分量;步骤2、根据滚动轴承的各种故障类型的故障特征频率计算公式表,计算滚动轴承各种故障特征频率;步骤3、计算k层IMF分量故障特征频域处的Lp/Lq范数F(i)
L∞/L1
;步骤4、将整个特征频域段所包含的M个故障特征频率估计值f(i)的L
∞
/L1范数相加构造出IMF分量的L
∞
/L1范数;步骤5、比较[k
min
,k
max
]和[α
min
,α
max
]范围内不同k和α取值得到的ff大小,并记录最大ff的对应k和α的取值(k
best
,α
best
);步骤6、对原始振动信号再次进行VMD,k和α的值取为(k
best
,α
best
),得到k
best
个IMF分量;步骤7、对IMF信号进行重构,计算信号分解得到的k
best
个IMF分量的平方包络谱和Hausdorff距离,得到HD矩阵:步骤8、将计算得到的各IMF分量的L
∞
/L1范数FS
L∞
/
L1
构造成FS向量,将HD矩阵与FS向量相乘,计算向量HFS中所有元素之和,计算得到各IMF量的重构因子r,最终用IMF的分量乘以重构因子r并求和得到重构后的信号X(t);步骤9、将重构信号X(t)输入LSTM网络,得到滚动轴承剩余寿命预测结果。2.根据权利要求1所述的一种基于VMD
‑
SSA
‑
LSTM的滚动轴承剩余使用寿命预测方法,其特征在于步骤3的Lp/Lq范数F(i)
L∞/L1
,其中p=∞,q=1;其中,SES是平方包络谱,计算公式为SES[n]=|x[n]+j*Hilbert{x[n]}|2,Hilbert{.}表示Hilbert变换;N为特征频...
【专利技术属性】
技术研发人员:周籽佑,陈文华,潘骏,贺青川,
申请(专利权)人:浙江理工大学,
类型:发明
国别省市:
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。