【技术实现步骤摘要】
本专利技术涉及测控，具体而言，涉及一种轴承寿命预测方法及存储介质。
技术介绍
1、轴承是工业中常见的元件，用于减少机械设备在转动过程中的摩擦，从而使机械设备更加高效和持久地运行。
2、轴承在运行的过程中，由于长期高速旋转可能会造成轴承疲劳损伤，如果在轴承出现故障前不及时地进行更换，不仅会影响机械设备的正常运转，严重的还可能导致设备损坏和生产中断。常规的轴承故障判断方法主要依靠经验和观察，通过轴承的外观、声音和振动等特征判断轴承的状态。但是这种方法只适用于轴承状态的初步判断，且准确性不足，而如果在轴承还可继续工作一段时间，便因初步判断结果而过早将其替换，将造成一定的成本损失。
技术实现思路
1、本专利技术解决的问题是如何准确地预测轴承的剩余寿命，以更合理地使用轴承。
2、为解决上述问题，本专利技术提供一种轴承寿命预测方法，包括如下步骤：
3、获取轴承的原始振动信号序列；
4、根据所述原始振动信号序列，通过异常检测算法去除所述原始振动信号序列的异常点，得到降噪振动信号序列；
5、根据所述原始振动信号序列提取原始特征值，根据所述降噪振动信号序列分别提取降噪特征值和峭度特征值；
6、根据所述原始均方根特征值、所述降噪均方根特征值和所述峭度特征值，通过累计和控制图，得到所述原始振动信号序列的状态异常变点；
7、根据所述原始振动信号序列和所述状态异常变点得到健康指标序列；
8、根据所述健康指标序列，
9、根据所述平滑健康指标曲线对全部所述拟合曲线进行筛选，得到最优退化曲线；
10、根据所述最优退化曲线和预设失效阈值，确定轴承剩余寿命。
11、可选地，所述根据所述原始振动信号序列和所述状态异常变点得到健康指标序列，包括：
12、根据所述原始振动信号序列，提取每个采样时刻的健康参数；
13、根据所述健康参数和所述状态异常变点得到所述健康指标序列。
14、可选地，所述根据所述原始振动信号序列，提取每个采样时刻的健康参数，包括：
15、根据所述原始振动信号序列，得到每个采样时刻的全部采样点对应的幅值；
16、将所述采样时刻中最大的幅值确定为所述采样时刻的健康参数。
17、可选地，所述根据所述健康参数和所述状态异常变点得到所述健康指标序列，包括：
18、根据所述状态异常变点和原始振动信号序列得到所述状态异常变点对应的异常采样时刻；
19、当所述采样时刻早于所述异常采样时刻时，将所述采样时刻确定为处理采样时刻；
20、根据全部所述处理采样时刻对应的所述健康参数生成所述健康指标序列。
21、可选地，所述根据所述健康指标序列，通过单指数退化模型，得到多个拟合曲线，包括：
22、将所述健康指标序列输入预设的向量机中，得到多个核宽向量；
23、根据所述核宽向量，通过所述单指数退化模型进行最小二乘拟合，得到每个所述核宽向量对应的所述拟合曲线。
24、可选地，所述根据全部所述拟合曲线，通过所述平滑健康曲线进行筛选，得到最优退化曲线，包括：
25、根据全部所述拟合曲线和所述平滑健康指标曲线，通过曲线相似度算法，得到每个所述拟合曲线和所述平滑健康指标曲线的距离；
26、将最小值所述距离对应的所述拟合曲线确定为最优退化曲线。
27、可选地，所述根据所述最优退化曲线和预设失效阈值，确定轴承剩余寿命，包括：
28、根据所述最优退化曲线得到每个时间节点对应的最优退化曲线幅值；
29、当所述最优退化曲线幅值等于所述预设失效阈值时，将所述退化曲线幅值对应的所述时间节点确定为失效时刻；
30、根据所述失效时刻确定所述轴承剩余寿命。
31、可选地，所述根据所述原始振动信号序列提取原始特征值，根据所述降噪振动信号序列分别提取降噪特征值和峭度特征值，包括：
32、根据所述原始振动信号序列得到原始采样时刻的多个幅值，根据降噪振动信号序列得到降噪采样时刻的多个幅值；
33、根据所述原始采样时刻的多个幅值，通过原始均方根关系，得到所述采样时刻对应的原始均方根，根据全部所述采样时刻对应的原始均方根，生成所述原始特征值；
34、根据所述降噪采样时刻的多个幅值，通过降噪均方根关系，得到所述采样时刻对应的降噪均方根，根据全部所述采样时刻对应的降噪均方根，生成所述降噪特征值；
35、根据所述降噪采样时刻的多个幅值，通过降噪峭度关系，得到所述采样时刻对应的降噪峭度值，根据全部所述采样时刻对应的降噪峭度值，生成所述降噪峭度特征值。
36、可选地，所述原始均方根关系满足：
37、
38、降噪均方根关系满足：
39、
40、峭度关系满足：
41、
42、其中，rmso为所述原始均方根，rmsif为所述降噪均方根，kif为所述峭度值，xi为所述原始振动信号序列的采样时刻的第i个采样点的幅值，n为所述原始振动信号序列的采样时刻中采样点数量，yj为所述降噪振动信号序列的采样时刻的第j个采样点的幅值，m为所述降噪振动信号序列的采样时刻中采样点数量，为所述降噪振动信号序列的采样时刻中幅值的均值，δ为所述降噪振动信号序列的采样时刻中幅值的标准差。
43、本专利技术还提供一种计算机可读存储介质，包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现如上所述的轴承寿命预测方法。
44、本专利技术提供的存储介质与轴承寿命预测方法相较于现有技术的优势基本相同，在此不再赘述。
45、本专利技术的轴承寿命预测方法及存储介质的有益效果是：通过去除原始振动信号序列系列中的异常点得到降噪振动信号序列，可以有效地避免原始振动信号序列中的异常点对预测结果的影响，进一步提取原始振动信号序列的原始均方根特征值，通过该原始均方根特征值可以准确地体现出原始振动信号序列每个采样时刻的特征，并且提取降噪振动信号序列的降噪均方根特征值和峭度特征值，通过降噪均方根特征值可以准确地体现去除异常点后的降噪振动信号序列中每个采样时刻的特征，同时通过峭度特征值包含降噪振动信号序列中每个采样时刻的峭度变化，可以根据峭度变化判断每个采样时刻的变化趋势，根据得到的原始均方根特征值、降噪均方根特征值和峭度特征值，通过累计和控制图，得到该原始振动信号序列中的状态异常点，该状态异常点为轴承振动出现异常的时间节点，即该状态异常点轴承可能出现故障，根据原始振动信号序列和状态异常变点得到健康指标序列，该健康指标序列可以更准确地体现原始振动信号序列中包含状态异常变点的轴承振动状态，从而通过包含轴承异常变点的健康指标序列可以更准确地进行本文档来自技高网...
【技术保护点】
1.一种轴承寿命预测方法，其特征在于，包括：
2.根据权利要求1所述的轴承寿命预测方法，其特征在于，所述根据所述原始振动信号序列和所述状态异常变点得到健康指标序列，包括：
3.根据权利要求2所述的轴承寿命预测方法，其特征在于，所述根据所述原始振动信号序列，提取每个采样时刻的健康参数，包括：
4.根据权利要求2所述的轴承寿命预测方法，其特征在于，所述根据所述健康参数和所述状态异常变点得到所述健康指标序列，包括：
5.根据权利要求1所述的轴承寿命预测方法，其特征在于，所述根据所述健康指标序列，通过单指数退化模型，得到多个拟合曲线，包括：
6.根据权利要求1所述的轴承寿命预测方法，其特征在于，所述根据全部所述拟合曲线，通过所述平滑健康曲线进行筛选，得到最优退化曲线，包括：
7.根据权利要求1所述的轴承寿命预测方法，其特征在于，所述根据所述最优退化曲线和预设失效阈值，确定轴承剩余寿命，包括：
8.根据权利要求1所述的轴承寿命预测方法，其特征在于，所述根据所述原始振动信号序列提取原始特征值，根据所述降噪振动
9.根据权利要求8所述的轴承寿命预测方法，其特征在于，所述原始均方根关系满足：
10.一种计算机可读存储介质，其特征在于，包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现如权利要求1至8任一项所述的轴承寿命预测方法。
...【技术特征摘要】
1.一种轴承寿命预测方法，其特征在于，包括：
2.根据权利要求1所述的轴承寿命预测方法，其特征在于，所述根据所述原始振动信号序列和所述状态异常变点得到健康指标序列，包括：
3.根据权利要求2所述的轴承寿命预测方法，其特征在于，所述根据所述原始振动信号序列，提取每个采样时刻的健康参数，包括：
4.根据权利要求2所述的轴承寿命预测方法，其特征在于，所述根据所述健康参数和所述状态异常变点得到所述健康指标序列，包括：
5.根据权利要求1所述的轴承寿命预测方法，其特征在于，所述根据所述健康指标序列，通过单指数退化模型，得到多个拟合曲线，包括：
6.根据权利要求1所述的轴承寿命预测方法，其特征在于，所述根据全...
【专利技术属性】
技术研发人员：申川川，何伟挺，汪抑非，
申请(专利权)人：中控技术股份有限公司，
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。