(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110303590.5 (22)申请日 2021.03.22 (65)同一申请的已公布的文献号 申请公布号 CN 112949204 A (43)申请公布日 2021.06.11 (73)专利权人 西安交通大 学 地址 710049 陕西省西安市碑林区咸宁西 路28号 (72)发明人 雷亚国　徐鹏程　李乃鹏　蔡潇　 刘晓飞　赵军　 (74)专利代理 机构 西安智大知识产权代理事务 所 61215 专利代理师 贺建斌 (51)Int.Cl. G06F 30/27(2020.01)G06N 7/00(2006.01) G06F 111/08(2020.01) (56)对比文件 CN 106934125 A,2017.07.07 CN 109241657 A,2019.01.18 CN 111783242 A,2020.10.16 WO 2020216 530 A1,2020.10.2 9 KR 20180126 648 A,2018.1 1.28 EP 3660482 A1,2020.0 6.03 谷玉波等.基于Gamma退化过程的剩余寿 命 预测及维修决策优化模型研究. 《轴承》 .2013, (第04期),4 4-49. 陆晓华等.基于检查数据和物理退化模型的 涡轮叶片检修策略优化. 《南京航空航天大 学学 报》 .2018,(第0 5期),107-1 14. 审查员 王茜 (54)发明名称 一种数据与模型自适应匹配的滚动轴承剩 余寿命预测方法 (57)摘要 一种数据与模型自适应匹配的滚动轴承剩 余寿命预测方法， 先建立建立与滚动轴承累计旋 转圈数有关的状态空间模型， 再确定三个阈值， 并基于阈值确定起始退化时间和起始预测时间； 然后基于起始退化时间之后的观测值序列， 由极 大似然法更新模 型参数， 利用贝叶斯信息准则自 动选择最优状态空间模型； 最后根据选择的模型 及其更新后的参数， 计算失效时间的概率密度函 数， 得到剩余寿命预测结果； 本发明能够由滚动 轴承自身状态监测数据驱动而无需参考任何其 他滚动轴承监测数据， 并将监测数据实时匹配最 优状态空间模 型， 有效表征工业实际中滚动轴承 运行过程中的退化情况， 提高了滚动轴承的剩余 寿命预测精度。 权利要求书3页 说明书7页 附图2页 CN 112949204 B 2022.12.09 CN 112949204 B 1.一种数据与模型自适应匹配的滚动轴承剩余寿命预测方法， 其特征在于， 包括以下 步骤： 第1步， 建立与滚动轴承累计旋转圈数有关的状态空间模型： y(t)＝x(t， θ )+ωx(t， θ )     (2) 其中， 公式(1)为状态方程， 公式(2)为观测方程， x(t, θ )为t时刻的健康状态， x0为滚动 轴承初始 健康状态， 是t时刻的累计退化量， 退化函数 根据实际情况设为线性 函数、 幂函数、 指数函数或对数函数， θ是退化函数 的参数向量， r(t)代表t时刻滚动轴承 的累计旋转圈数， 其计算公式为 其中s( τ )代 表轴承转速； y(t)是t时刻的观测值， 能够反应状态退化的特征指标； ωx(t, θ )代表观测噪声， ω服 从正态分布N(0, σ2)， 因此， y(t)服从正态分布N(x(t， θ )， σ2(x(t， θ ))2)； 第2步， 确定三个阈值： 预警阈值D1， 报警阈值D2和失效阈值D3， 这三个阈值将观测值划 分为4个不同的级别； 2.1)预警阈值D1是级别I和II的分界线， 分别代表健康阶段和初始退化阶段； 在滚动轴 承早期运行阶段， 将记录的观测值作为健康阶段下的随机样本， 计算这些观测值的3σ 区间， 并选择其上边界或下边 界作为预警阈值D1， 选择3σ 区间的上边 界用于观测值随着退化过程 增加的情况， 而3σ 区间的下边界用于观测值随着退化过程减少的情况； 2.2)失效阈值D3是等级III和IV之间的边界， 即严重退化阶段和失效阶段， 需要人为根 据实际情况进行 预先指定； 2.3)报警阈值D2是级别II和III之间的边界， 定义为预警阈值D1和失效阈值D3的平均 值； 第3步， 实时监测并采集滚动轴承的振动信号， 计算观测值序列， 确定首次退化时间tFDT 和首次预测时间tFPT； 当观测值达到预警阈值D1， 将这个时间点定义为滚动轴承的起始退化 时间FDT； 当观测值达 到报警阈值D2， 将这个时间点定义 为起始预测时间FPT； 第4步， 状态空间模型参数 更新： 状态空间模型的未知参数由起始退化时间FDT之后的一系列观测值Y＝(yFDT,yFDT,…, yk)′确定， 随着观测值序列不断增 加， 状态空间模型参数不断更新； 由极大似然估计法估计模型参数θ和σ， 未知参数θ和σ2的估计值是使下面对数似然 函数 最大化的值： 其中， θ和σ2为未知参数， Y为观测值序列， k代表Y的观测值数量， 是ti时刻轴承 的累计退化量， yi代表ti时刻的观测值， 初始健康状态x0设置为预警阈值D1， ri是滚动轴承从 起始退化时间FDT到时刻ti的累计转动量， 计算公式如下：权　利　要　求　书 1/3 页 2 CN 112949204 B 2其中， FDT代 表起始退化时间， sj代表tj时刻轴承转速； 计算公式(3)关于σ2的偏导数， 并且令 则σ2的估计值可以由θ表示， 公式 如下： 将公式(5)带入公式(3)， 将对数似然函数简化 为仅含未知参数θ 的形式： 基于公式(6)， 使用下山单纯形法求解θ 的估计结果， 然后， 通过将θ 的估计输入到公式 (5)中来计算σ2的估计结果； 第5步， 最优状态空间模型自动选择： 伴随着观测值序列的不断增加， 基于贝叶斯信息准则BIC评估建立的状态空间模型的 拟合性能， 自动选择当前最优状态空间模型， BIC计算公式如下： 其中， 代表似然函数 的最大值， NP＝Nθ+1代表未知参数的 个数， Nθ代表 θ 中参数的个数； 选择获得最小BIC分数的模型作为当前最优状态空间模型； 第6步， 计算失效时间的概 率密度函数： 失效时间T看作是一个时间变量， 定义为当观测值y(t)超过失效阈值D3的时刻， 其累 计 分布函数表示 为： F(t)＝Pr(T≤t)＝Pr(y(t)≥D3)    (8) 其中， Pr()表示某事 件发生的概 率； 由式(2)知观测值y(t)服从正态分布N(x(t, θ ), σ2(x(t, θ ))2)， 令 则 z服从标准正态分布， 其概率密度函数和累计分布函数分别表示为ψ(z)和Ψ(z)， 失效时间 的累计分布函数表示如下： 其中 x(t, θ )为t时刻的健康状态， Ψ(g(t))表示t时刻的累计分布函 数； 失效时间T不能为负， T<0的概率需要从失效时间的累计分布函数中截去， 截去后的累 计分布函数表示如下： 其中， Ψ(g(0) )表示t＝0时刻的累计分布函数；权　利　要　求　书 2/3 页 3 CN 112949204 B 3