基于多性能参数退化的电机可靠性建模与寿命预测方法技术

本发明专利技术公开了一种基于多性能参数退化的电机可靠性建模与寿命预测方法，该方法包括：首先对电机的失效机理与性能退化关系进行分析，并设计实验方案和收集实验数据，然后对选取的相关性能参数分别建立基于带有测量误差的时间尺度变换—混合效应的Wiener过程的性能退化模型，并利用试验数据进行模型参数估计，最后建立一种基于Copula函数的多性能参数的退化模型，进行电机的寿命预测。本发明专利技术针对电机失效模式较为复杂，整体性建模难的问题，同时考虑到电机个体的异质性问题和测量误差干扰问题，从电机的运行性能角度出发，提出一种基于多性能参数退化的电机可靠性建模与寿命预测方法，可以有效的对电机的寿命进行预测。测。测。

【技术实现步骤摘要】
基于多性能参数退化的电机可靠性建模与寿命预测方法


[0001]本专利技术涉及可靠性分析及多性能参数退化建模与寿命预测
，尤其是基于多性能参数退化的电机可靠性建模与寿命预测方法。

技术介绍

[0002]电机作为各种生产领域内重要的动力设备，具有价格低廉、整体结构相对简单，较为可靠等优点，承担了现代工、农业生产过程中80％以上的动能输出。尤其是在冶金、采矿、机械加工、轨道交通等工业生产领域，装机量巨大，应用广泛。电机及其相关的动力设备是企业的重要资产，其在运行过程中的可靠性和稳定性是保障机械设备长时间安全、稳定运行的关键。电机是一个由定子、转子、轴承、端盖等几部分组成的复杂系统，在其工作过程中会受到机械应力、热应力、电应力和化学应力的共同作用，因此其失效模式较为复杂，单独对其中一种故障或性能参数退化分析，不能很好的表征电机的整体可靠度。如何通过有效的方法来检测电机的可靠性水平，并对其做出精确的寿命预测是机械设备安全稳定运行的关键问题。
[0003]然而，在现有的技术中存在一些问题。首先，是基于电机特定零件部位的性能退化建模，如电机轴承失效建模和电机定子绕组绝缘老化建模等，这类模型都是对单一特定零件部位的性能退化建模，无法完全表征电机整体的可靠性水平。其次，是现有的模型很少有考虑到电机个体的异质性问题和测量误差干扰问题，导致在对批次电机寿命预测效果不一，很难在工程实际中发挥理想的效果。

技术实现思路

[0004]为了解决上述已有技术中的不足，本专利技术从电机运行性能角度出发，监测电机整体的运行性能参数变化，针对电机个体的异质性问题和测量误差干扰问题，基于带有测量误差的时间尺度变换—混合效应的Wiener过程和Copula函数多性能参数退化的相关理论，建立一种同时考虑高斯误差、随机漂移效应和随机扩散效应的多性能参数退化模型。
[0005]为了实现上述目的，本专利技术采用了以下技术方案：一种基于多性能参数退化的电机可靠性建模与寿命预测方法，其特征在于：该方法包括以下步骤：
[0006]步骤1：电机的失效机理与性能退化分析
[0007]通过对电机的失效机理分析，得到电机的主要失效原因，再结合电机的相应性能退化情况，找到能够易于测量和表征电机寿命特征的性能退化量。
[0008]步骤2：试验方案设计与数据收集
[0009]经过步骤1的相关分析，可以找到合适的相应性能退化量参数指标，然后可以确定需要监测的相关参数及其退化量的失效阈值，最后搭建试验平台，收集试验数据。具体做法如下：1)搭建好试验平台与数据采集装置；2)确定试验样品数量、每个样品的性能参数指标个数，以及试验要求的负载和环境应力；3)确定每隔Δt，对每个样品的每个性能参数指标的退化量进行自动记录保存；4)确定要进行的试验截止时间。
[0010]步骤3：基于Wiener过程的性能退化建模
[0011]设电机有n个性能参数指标，在电机失效模式较为复杂且电机个体存在异质性问题和测量误差干扰问题的情形下，从电机的运行性能角度出发，建立基于带有测量误差的时间尺度变换
‑
混合效应的Wiener过程的性能退化模型H
n
。
[0012]H
n
(t)＝h
n
(t)+ε
n
＝μ
n
Λ(t；γ
n
)+σ
n
W(Λ(t；γ
n
))+ε
n
ꢀꢀ
(1)
[0013]式中，h
n
(t)和H
n
(t)分别表示电机在第n个性能参数指标t时刻潜在的真实退化值与直接利用传感器等工具观测到的退化值，ε
n
和h
n
(t)独立。
[0014]μ
n
为H
n
的随机漂移参数，表征电机的第n个性能参数指标的退化率。
[0015]H
n
是由Wiener过程W(
·
)驱动的退化模型。
[0016]σ
n
为H
n
的随机扩散参数，表征电机的第n个性能参数指标退化的波动率。
[0017]Λ(t；γ
n
)代表时间转换函数，是t的单调函数，γ
n
为其参数，令Λ(t；γ
n
)＝Λ
n
(t)，且有Λ(t)＝0；ε
n
代表电机第n个性能参数指标的测量误差，典型的Λ(t)形式有：指数函数(1
‑
exp(
‑
at
b
)、幂函数(t
a
)和线性函数(a，b＞0)，选择效果好的Λ(t)。
[0018]为了对不同电机个体间异质性进行描述，令且Z
n
～Inverse
‑
Gamma(α
n
，β
n
)，μ
n
|z
n
～N(v
n
，η
n
z
n
)。
[0019]在该模型中，有待估计的参数可表达为
[0020]电机的性能会伴随使用时间的增加出现磨损、老化等常见的退化现象，当相应性能参数指标的观测值达到根据经验提前设置的失效阈值D时，电机被认为出现退化失效。对于模型H
n
，我们首先定义退化观测过程{H
n
(t)，t≥0}的失效时间T
n
如下：
[0021]T
n
＝inf{t：H
n
(t)＞D}＝inf{t：h
n
(t)＞D
‑
ε}
ꢀꢀꢀ
(2)
[0022]式中，ε为测量误差值。
[0023]对具体的某一个电机个体而言，其漂移参数和扩散参数是固定的，由可靠性理论和首次到达阈值时间可知设备个体的失效时间T
n
服从逆高斯分布，其PDF(概率密度函数)可表示为：
[0024][0025]式中，D
*
＝D
‑
ε，已知ε～N(0，λ2)，有D
*
～N(D，λ2)；Z～Inverse
‑
Gamma(α，β)，μ|z～N(v，ηz)，其对应的PDF分别如下：
[0026][0027][0028]根据全概率定律可得：
[0029][0030]可由以下公式得到电机的失效时间分布的PDF：
[0031][0032]式中，ε～N(0,λ2)。
[0033]由此，即可得到相应性能参数的可靠度函数，其表达式为：
[0034][0035]式中，R
n
(t)为电机第n个性能参数指标的可靠度函数；
[0036]f
Tn
(t)为电机第n个性能参数指标的失效时间分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多性能参数退化的电机可靠性建模与寿命预测方法，其特征在于，具体步骤如下：步骤1：电机的失效机理与性能退化分析：通过对电机的失效机理分析，得到电机的失效原因，再结合电机的相应性能退化情况，找到能够测量和表征电机寿命特征的性能退化量；步骤2：试验方案设计与数据收集：经过步骤1的分析，找到相应性能退化量参数指标，确定需要监测的相关参数及其退化量的失效阈值，最后搭建试验平台，收集试验数据；步骤3：基于Wiener过程的性能退化建模：设电机有n个性能参数指标，从电机的运行性能角度出发，建立基于带有测量误差的时间尺度变换—混合效应的Wiener过程的性能退化模型H
n
；H
n
(t)＝h
n
(t)+ε
n
＝μ
n
Λ(t；γ
n
)+σ
n
W(Λ(t；γ
n
))+ε
n
ꢀꢀꢀꢀꢀꢀꢀ
(1)式中，h
n
(t)和H
n
(t)分别表示电机在第n个性能参数指标t时刻潜在的真实退化值与直接观测到的退化值，ε
n
和h
n
(t)独立；μ
n
为H
n
的随机漂移参数，表征电机的第n个性能参数指标的退化率；H
n
是由Wiener过程W(
·
)驱动的退化模型；σ
n
为H
n
的随机扩散参数，表征电机的第n个性能参数指标退化的波动率；Λ(t；γ
n
)代表时间转换函数，是t的单调函数，γ
n
为其参数，令Λ(t；γ
n
)＝Λ
n
(t)，且有Λ(t)＝0；ε
n
代表电机第n个性能参数指标的测量误差，为了对不同电机个体间异质性进行描述，令且Z
n
～Inverse
‑
Gamma(α
n
,β
n
)，μ
n
|z
n
～N(v
n
,η
n
Z
n
)；在该模型中，有待估计的参数表达为当相应性能参数指标的观测值达到根据经验提前设置的失效阈值D时，电机被认为出现退化失效；对于模型H
n
，首先定义退化观测过程{H
n
(t),t≥0}的失效时间T
n
如下：T
n
＝inf{t:H
n
(t)>D}＝inf{t:h
n
(t)>D
‑
ε}
ꢀꢀꢀꢀꢀꢀꢀ
(2)式中，ε为测量误差值；对具体的某一个电机个体而言，其漂移参数和扩散参数是固定的，由可靠性理论和首次到达阈值时间可知设备个体的失效时间T
n
服从逆高斯分布，其概率密度函数PDF表示为：式中，D
*
＝D
‑
ε，已知ε～N(0,λ2)，有D
*
～N(D,λ2)；Z～Inverse
‑
Gamma(α,β)，μ|z～N(v,ηz)，其对应的PDF分别如下：z)，其对应的PDF分别如下：根据全概率定律可得：
由以下公式得到电机的失效时间分布的PDF：式中，ε～N(0,λ2)；由此，即可得到相应性能参数的可靠度函数，其表达式为：式中，R
n
(t)为电机第n个性能参数指标的可靠度函数；f
Tn
(t)为电机第n个性能参数指标的失效时间分布的PDF，积分区间为[0,t]；步骤4：模型参数估计在步骤2中，一共采集到N个电机个体、每个电机个体有n个性能参数指标、在M次观测下的退化信号观测值作为样本，通过差分的方式将原始样本数据转换为退化增量样本数据；令y(t
ij
)＝y
ij
，代表在t
ij
处收集到的个体i的观测退化值，i＝1,2,
…
,N，j＝1,2,
…
,M；令ΔΛ
ij
＝Λ(t
ij
)
‑
Λ(t
i(j
‑
1)
)，ΔY
ij
＝Y(t
ij
)
‑
Y(t
i(j
‑
1)
)；此外，令ΔY
i
＝(ΔY
i1
,ΔY
i2
,...,ΔY
iM
)
T
，ΔΛ
i
＝(ΔΛ
i1
,ΔΛ
i2
,...,ΔΛ
iM
)
T
；结合以上分析...

【专利技术属性】
技术研发人员：潘柏松，吴望平，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：