【技术实现步骤摘要】
滚动轴承剩余寿命预测方法、装置和计算机设备
[0001]本申请涉及剩余寿命预测
,特别是涉及一种滚动轴承剩余寿命预测方法、装置和计算机设备。
技术介绍
[0002]滚动轴承是商用车箱桥总成中常用的关键部件,其工作状态的良好与否直接关系到整个总成的可靠性和稳定性。
[0003]现有的滚动轴承的剩余寿命预测方法需要对轴承的结构、材料和工作条件等因素进行详细的建模和分析,建模过程相对复杂,预测结果受到模型准确性、工作条件和数据精度等因素的影响,同时需要大量的试验和计算工作,数据的获取和处理需要耗费大量的人力和物力资源,且在某些情况下可能存在一定误差。
技术实现思路
[0004]基于此,有必要针对上述技术问题,提供一种滚动轴承剩余寿命预测方法、装置、计算机设备和计算机可读存储介质。可以简化建模过程,且对滚动轴承剩余寿命准确预测。
[0005]第一方面,本申请提供了一种滚动轴承剩余寿命预测方法。所述方法包括:
[0006]获取待测滚动轴承的第一振动信号采集数据;
[0007]根据所述第一振动信号采集数据获取所述待测滚动轴承的第一性能退化指标;
[0008]根据基于指数伽马过程的目标性能退化模型获取伽马分布数据;
[0009]将所述伽马分布数据、所述待测滚动轴承的工作时间和所述第一性能退化指标作为输入数据,采用蒙特卡洛模拟仿真方法获取所述待测滚动轴承的剩余寿命的概率密度曲线。
[0010]在一个实施例中,在根据目标性能退化模型获取伽马分布数据之前,所述
【技术保护点】
【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,所述方法包括:获取待测滚动轴承的第一振动信号采集数据;根据所述第一振动信号采集数据获取所述待测滚动轴承的第一性能退化指标;根据基于指数伽马过程的目标性能退化模型获取伽马分布数据;将所述伽马分布数据、所述待测滚动轴承的工作时间和所述第一性能退化指标作为输入数据,采用蒙特卡洛模拟仿真方法获取所述待测滚动轴承的剩余寿命的概率密度曲线。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,在根据目标性能退化模型获取伽马分布数据之前,所述方法还包括:获取滚动轴承样本工作周期的第二振动信号采集数据;根据所述第二振动信号采集数据获取所述滚动轴承样本的第二性能退化指标;将所述第二性能退化指标代入预设的基于指数伽马过程的初始性能退化模型,获取所述初始性能退化模型中的未知参数的估计值,以得到所述目标性能退化模型。3.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,所述根据所述第一振动信号采集数据获取所述待测滚动轴承的第一性能退化指标,包括:获取所述第一振动信号采集数据的第一有效值;将所述第一有效值作为所述待测滚动轴承的所述第一性能退化指标。4.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,所述根据所述第二振动信号采集数据获取所述滚动轴承样本的第二性能退化指标,包括:获取所述第二振动信号采集数据的第二有效值;将所述第二有效值作为所述待测滚动轴承的所述第二性能退化指标。5.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,所述目标性能退化模型为:Z(t)=exp{Z(0)+Ae
Bt
+ηGa(x|t,β)}其中,t为滚动轴承的运行时间,且t>0,Z(t)为所述滚动轴承在所述运行时间t对应的性能退化指标值,Z(0)为所述滚动轴承初始运行状态对应的所述性能退化指标值,Ae
Bt
为所述滚动轴承退化过程中的漂移函数,η为扩散系数,Ga(x|t,β)为服从形状参数为轴承运行时间t、尺度参数为β且β>0的伽马分布随机变量x。6.根据权利要求5所述的滚动轴承剩余寿命预测方法,其特征在于,所述根据基于指数伽马过程的目标性能退化模型获取伽马分布数据,包括:根据所述目标性能退化模型获取滚动轴承的性能退化增量表达式;根据所述性能退化增量表达式确定所述性能退化增量的伽马分布式;根据所述目标性能退化模型确定所述滚动轴承的剩余使用寿命定义表达式;根据所述伽马分布式和所述剩余使用寿命定义表达式获取所述伽马分布数据。7.根据权利要求6所述的滚动轴承剩余寿命预测方法,其特征在于,所述根据所述目标性能退化模型获取滚动轴承的性能退化增量表达式,包括:根据第一...
【专利技术属性】
技术研发人员:马振辉,李强,关喜春,李宏坤,张晓丽,李德金,田培华,王树洋,
申请(专利权)人:一汽解放汽车有限公司,
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。