一种绝缘轴承智能健康评估模型及动态区间寿命预测方法技术

本发明专利技术提供了一种绝缘轴承智能健康评估模型及动态区间寿命预测方法，包括如下步骤：对实测的绝缘轴承多源数据进行特征提取，构建健康指标HI并划分成若干HI区间；构建智能动态健康评估模型；获取不同HI区间所对应的预测效果，将最优的预测效果对应的HI区间确定为有效HI区间；以有效HI区间作为卷积神经网络的训练集并输入到智能动态健康评估模型中，当智能动态健康评估模型拟合效果达到最优时，输出最佳的权值和偏置，利用最佳权值和偏置建立智能动态空间状态模型；引入粒子滤波算法对状态x(k)进行实时滤波，输出预测结果。本发明专利技术有利于从多角度对绝缘轴承的剩余寿命进行预测，提高了预测的可靠性以及准确性。预测的可靠性以及准确性。预测的可靠性以及准确性。

【技术实现步骤摘要】
一种绝缘轴承智能健康评估模型及动态区间寿命预测方法


[0001]本专利技术涉及绝缘轴承
，具体而言，涉及一种绝缘轴承智能健康评估模型及动态区间寿命预测方法。

技术介绍

[0002]轴承是旋转机械中的核心部件之一，它在工业中有很多应用场景，但受环境等不确定因素的影响，容易出现各种失效模式，影响设备的稳定性和安全性。随着工业技术的发展，越来越多的电机采用绝缘轴承来替代原有的普通轴承。绝缘轴承可以适应各种恶劣的工作环境，如高温、高压、腐蚀等，具有良好的耐磨性和抗冲击性。但由于绝缘轴承使用寿命长，通过全生命周期的试验来检测其使用寿命，消耗成本过高。为了解决这一问题，通过采集绝缘轴承部分信号来建立剩余寿命模型并进行预测具有重要的工程意义。
[0003]专利申请号202211084184.5的中国专利公开了“一种绝缘轴承的加速寿命模型及预测方法”。该方法包括构建模型、转换模型、获取数据、参数检验四个步骤，其以轴承物理模型为基础，所建立的加速模型主要针对线性数据，在应对大功率电机的复杂系统数据时，绝缘轴承寿命预测的准确度有待提高。为此，有必要研本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种绝缘轴承智能健康评估模型及动态区间寿命预测方法，其特征在于，所述绝缘轴承智能健康评估模型及动态区间寿命预测方法包括如下步骤：S1，对实测的绝缘轴承多源数据进行特征提取，构建健康指标HI并将健康指标HI划分成若干HI区间；S2，构建智能动态健康评估模型；S3，将划分的HI区间输入构建的智能动态健康评估模型并获取不同HI区间所对应的预测效果，将最优的预测效果对应的HI区间确定为有效HI区间；S4，以有效HI区间作为卷积神经网络的训练集并输入到智能动态健康评估模型中，当智能动态健康评估模型拟合效果达到最优时，输出最佳的权值和偏置，利用最佳权值和偏置建立智能动态空间状态模型；S5，引入粒子滤波算法对状态x(k)进行实时滤波，使粒子状态逼近绝缘轴承状态实际值，输出预测结果；其中，智能动态空间状态模型的状态方程和观测方程分别为x(k+1)＝f(x(k))和y(k)＝h(x(k))，x(k)表示k时刻的状态向量，y(k)表示k时刻的观测向量。2.如权利要求1所述的一种绝缘轴承智能健康评估模型及动态区间寿命预测方法，其特征在于，在步骤S1中，对实测的绝缘轴承多源数据进行特征提取，构建健康指标HI并将健康指标HI划分成若干HI区间的具体方法包括如下步骤：S10，采集绝缘轴承的振动信号数据并对振动信号数据进行特征提取；S11，对提取到的特征进行筛选；S12，对筛选后的特征进行融合以作为健康指标HI，并将健康指标HI曲线划分成若干个HI区间。3.如权利要求2所述的一种绝缘轴承智能健康评估模型及动态区间寿命预测方法，其特征在于，在步骤S4中，利用最佳权值和偏置建立智能动态空间状态模型的具体方法包括如下步骤：S40，将卷积神经网络卷积层的权重设为智能动态空间状态模型的状态转移矩阵；S41，将卷积神经网络全连接层的权重以及偏置设为智能动态空间状态模型的观测矩阵。4.如权利要求3所述的一种绝缘轴承智能健康评估模型及动态区...

【专利技术属性】
技术研发人员：李学军，雷旭，蒋玲莉，陈沃荣，李耀威，于长鑫，韩清凯，肖冬明，郭帅平，马姣姣，周献文，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：