一种机械故障预测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116029108A(43)申请公布日2023.04.28(21)申请号202211674830.3(22)申请日2022.12.26(71)申请人北京航天测控技术有限公司地址100041北京市石景山区实兴东街3号(72)发明人徐睿蔄元臣厚泽章梦媛商学敏张小涵(74)专利代理机构北京艾纬铂知识产权代理有限公司16101专利代理师刘芳(51)Int.Cl.G06F30/20(2020.01)G06F30/17(2020.01)权利要求书2页说明书6页附图3页(54)发明名称一种机械故障预测方法(57)摘要本发明涉及机械故障预测技术领域，特别是涉及一种机械故障预测方法。包括：S1将待预测数据组成一组时间序列；S2、将时间序列分解成一组单分量信号的本征模函数和残差序列；S3、对单分量信号的本征模函数和残差序列进行平稳性检验，若未通过，则进行步骤S4操作，若通过，则跳转至步骤S5操作；S4、对非平稳序列进行差分运算，建立ARIMA模型，跳转至步骤S3操作；S5、判断ARIMA模型参数；S6、对剩余的残差进行残差检验；S7、将所有单分量信号的预测序列进行EMD重构，得到预测总值；S8、将预测总值中的机械数据与设定的故障阈值进行比较，得到机械的剩余寿命。本发明只需少量的数据样本即可完成预测，模型简单，只需要内生变量而不需要借助其他外生变量。CN116029108ACN116029108A权利要求书1/2页1.一种机械故障预测方法，其特征在于，包括：S1、选择待预测数据，并将所述待预测数据组成一组时间序列x(t)；S2、采用经验模态分解将所述时间序列分解成一组单分量信号的本征模函数imfi(t)和残差序列r0(t)；S3、对所述单分量信号的本征模函数imfi(t)和残差序列r0(t)进行平稳性检验，若未通过平稳性检验，则进行步骤S4操作，若通过平稳性检验，则跳转至步骤S5操作；S4、对非平稳序列进行差分运算，建立ARIMA模型，跳转至步骤S3操作；S5、通过AIC准则或BIC准则判断ARIMA模型参数；S6、对剩余的残差进行残差检验，若检验通过，则进行机械故障预测；S7、将所有所述单分量信号的预测序列进行EMD重构，得到预测总值；S8、将所述预测总值中的机械数据与设定的故障阈值进行比较，得到机械的剩余寿命。2.根据权利要求1所述的一种机械故障预测方法，其特征在于：步骤S1中的待预测数据从离线数据库或MySQL数据库中选择。3.根据权利要求1所述的一种机械故障预测方法，其特征在于，步骤S2中的采用经验模态分解将所述时间序列分解成一组单分量信号的本征模函数imfi(t)和残差序列r0(t)包括：获取所述时间序列x(t)的局部极大值和极限值，利用三次样条差值法，构建上包络线h(t)、下包络线l(t)、上下包络线的均值m(t)的公式为：r(t)为时间序列x(t)与上下包络线的均值m(t)的差值，判断r(t)是否单调，若单调，则分解出一个IMF序列，获取多个IMF序列的公式为：其中，imfi(t)为经验模态分解得到的第i个IMF序列，rn(t)为分解n个IMF序列后信号残余分量。4.根据权利要求1所述的一种机械故障预测方法，其特征在于：在步骤S3中，若未通过平稳性检验，则所述时间序列为非平稳序列，若通过平稳性检验，则所述时间序列为平稳序列。5.根据权利要求1所述的一种机械故障预测方法，其特征在于：步骤S4中的所述ARIMA模型包括ARIMA模型参数d，d为差分次数。6.根据权利要求5所述的一种机械故障预测方法，其特征在于，步骤S5中的通过AIC准则判断ARIMA模型参数包括：通过AIC准则判断ARIMA模型参数公式为：AIC＝2k‑2ln(L)，其中，L为似然函数，k为模型复杂度。7.根据权利要求6所述的一种机械故障预测方法，其特征在于，步骤S5中的通过BIC准则判断ARIMA模型参数包括：其中，N为序列长度，p、q为模型参数，为拟合2CN116029108A权利要求书2/2页残差平方和；选择BIC最小参数，得到p参数、q参数：BIC(p,q)＝minBIC(p,q)。8.根据权利要求7所述的一种机械故障预测方法，其特征在于：步骤S6中的所述剩余的残差为所述时间序列减去ARIMA模型参数，ARIMA模型参数包括差分次数d、参数p、参数q。3CN116029108A说明书1/6页一种机械故障预测方法技术领域[0001]本发明涉及机械故障预测技术领域，特别是涉及一种机械故障预测方法。背景技术[0002]目前针对机械故障的预测主要有两种类型：基于物理模型，基于数据驱动型。[0003]基于物理模型的方法首先通过动态建模模拟出预测的物件的模型，然后根据模型进行预测，这种方法准确度高。但是缺点是对于