一种基于PCA和GM(1,1)的轴承剩余寿命预测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115906325A(43)申请公布日2023.04.04(21)申请号202211622111.7(51)Int.Cl.(22)申请日2022.12.16G06F30/17(2020.01)G01M13/045(2019.01)(71)申请人国能包头能源有限责任公司G06F30/20(2020.01)地址014000内蒙古自治区包头市石拐区G06F119/04(2020.01)喜桂图新区数字花园小区物业楼201-203室申请人中煤科工集团武汉设计研究院有限公司(72)发明人杨永清郭军杨春才朱益军要卫东李向磊辛德林陈一兵郭玉龙刘艳李匡正马海龙(74)专利代理机构北京正理专利代理有限公司11257专利代理师陈君智戴元毅权利要求书3页说明书6页附图2页(54)发明名称一种基于PCA和GM(1,1)的轴承剩余寿命预测方法(57)摘要本发明公开了一种基于PCA和GM(1,1)的轴承剩余寿命预测方法，包括如下步骤：轴承运行状态数据采集，采集滚动轴承振动加速度信号，构成测试数据样本，样本时间间隔为1天，采集滚动轴承全寿命周期的数据样本，作为历史数据样本；计算数据样本集的峰值指标，与设定的报警阈值相比较，若测试数据样本的有效值指标小于设定的报警阈值占比达到80％以上。本发明通过PCA技术建立了一个更抗干扰、更全面、更有效的轴承剩余寿命预测综合退化量指标，将采用分段计算的方式实现全生命周期的轴承剩余寿命预测，使得煤机轴承寿命预测更加精准，采用GM(1,1)作为轴承性能衰减段的预测模型，具有输入有效样本数量少，预测精确的特点。CN115906325ACN115906325A权利要求书1/3页1.一种基于PCA和GM(1,1)的轴承剩余寿命预测方法，其特征在于，包括如下步骤：步骤一，轴承运行状态数据采集，采集滚动轴承振动加速度信号，构成测试数据样本，样本时间间隔为1天，采集滚动轴承全寿命周期的数据样本，作为历史数据样本；步骤二，计算数据样本集的峰值指标，与设定的报警阈值相比较，若测试数据样本的有效值指标小于设定的报警阈值占比达到80％以上，则轴承剩余寿命L计算公式如下：L＝L1‑L0；(1)L1—轴承额定寿命，该额定寿命应符合ISO281:2007中对轴承额定寿命的定义，考虑了轴承润滑、工况、污染物和安装因素的影响；L0—轴承使用时间，轴承实际运行时间；步骤三，若测试数据样本的有效值指标大于设定的报警阈值占比达到20％以上，则从轴承振动加速度信号中提取出有效值、小波熵、峭度指标、峰值指标、峰度指标、波形指标指标；步骤四，计算有效值与上述指标之间的相关系数，将相关系数小于0.5的指标舍弃，将剩余的显著相关的指标组成特征量，输入PCA模型中，提取出主元向量作为轴承剩余寿命预测的特征量；步骤五，将得到的特征量输入到GM(1,1)模型中，进行轴承剩余寿命预测，得到一系列的预测值，并记录预测的次数n，将预测值与轴承寿命阀值相比较，若预测值>寿命阀值，则停止预测，按照以下公式进行计算：轴承剩余寿命L＝预测步数×数据间隔。2.根据权利要求1所述的一种基于PCA和GM(1,1)的轴承剩余寿命预测方法，其特征在于，所述步骤二中报警阈值按照如下方式确定：采集得到的轴承全寿命周期样本中提取正常平稳状态下的轴承振动历史数据n组，求取其有效值，得到一系列的有效值，Peak＝[p1,p2,…,pn]；pi表示第i组振动数据的有效值；计算平均值，报警值Alarm：3.根据权利要求1所述的一种基于PCA和GM(1,1)的轴承剩余寿命预测方法，其特征在于，所述步骤四中PCA模型具体提取步骤如下：步骤41，设有n个测试数据样本，每个样本提取m个特征量，测试数据样本特征量集可以表示为：Xi＝(xi1,xi2,…xim)Xi表示第i个样本的特征量集；xim表示第i个样本的第m个特征；则，数据样本的特征量可以表示成为矩阵形式：2CN115906325A权利要求书2/3页步骤42，将矩阵A按列，进行零均值处理，使得每一列的均值为零，处理后得到矩阵A′；步骤43，计算矩阵A′的协方差矩阵cov(A′)；两个随机向量的协方差按照如下公式计算：X,Y表示随机向量，N表示向量长度；计算协方差矩阵的特征值及其特征向量，并按照特征值从大到小的顺序排列，构成特征向量矩阵K；选取第一主元作为输入GM(1,1)的特征向量，按如下公式计算得到；4.根据权利要求1所述的一种基于PCA和GM(1,1)的轴承剩余寿命预测方法，其特征在于，所述步骤五中寿命阈值按照如下方式确定：选取轴承的全寿命周期数据样本中的性能衰减段，按上述方法输入到PCA中，得到第一主元变量[g1,g2,…,gm]，选取主元变量中的最大值作为轴承剩余寿命的阀值，轴承剩余寿命阀值＝ma