[发明专利]一种齿轮的实时剩余寿命预测方法有效
申请号: | 201610067317.6 | 申请日: | 2016-01-31 |
公开(公告)号: | CN105740625B | 公开(公告)日: | 2018-02-23 |
发明(设计)人: | 石慧;张晓红;常春波;曾建潮;董增寿 | 申请(专利权)人: | 太原科技大学 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 太原市科瑞达专利代理有限公司14101 | 代理人: | 王思俊 |
地址: | 030024 山*** | 国省代码: | 山西;14 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 齿轮 实时 剩余 寿命 预测 方法 | ||
技术领域
本发明属于机械可靠性领域,具体涉及一种齿轮的实时剩余寿命预测方法。
背景技术
齿轮是机械工业中应用广泛的旋转机械设备传动系统中的关键部件。齿轮啮合受力情况较为复杂,在变工况、变载荷的情况下运行,更容易发生故障。当齿轮发生断齿、齿面疲劳、胶合等故障时,常常会引起整个机械设备灾难性的破坏。同时随着信息传感设备的发展,可对齿轮的运行状态进行实时监测,利用接收到的大量实时监测信息更为准确预测系统的退化状态及其剩余寿命,可以提供有关健康状态的关键信息,进而识别和管理故障的发生、规划维修活动,为更合理地制定基于状态的维护维修策略提供依据;
齿轮的磨损退化过程是一个动态随机过程。现有的齿轮磨损状态预测大部分都是基于监测数据建立一个随机退化模型来分析其退化过程。还有一些提出了多阶段的退化状态预测模型,将齿轮的退化分为正常退化和潜在故障两个阶段,认为在潜在故障阶段退化速度增大,仅在此阶段预测退化状态求其剩余寿命。而齿轮的退化过程随着设备负载及工况的变化而变化,开始齿轮啮合阶段与后期磨损加速阶段是复杂多变的多阶段退化过程,没有恒定不变的阶段,难以用一个退化模型来描述。同时系统运行中其退化状态很难直接测量,可监测到的数据往往只是与状态有关的一些间接观测数据,例如振动信号、温度和压力等信号。而且观测数据往往因受到随机噪声的干扰而出现观测误差。根据观测数据构造状态空间模型对系统的状态进行估计与预测可以很好地解决这一问题;
在齿轮退化过程中,往往由于其退化磨损过程由渐变、量变发展为突变、质变,导致系统的材料、结构等发生变化,出现退化突变点。突变点后的退化速率增大进而使剩余寿命发生较大变化。突变点是退化状态发生变化的起始点,它所包含的大量剩余寿命信息能够为剩余寿命预测及预防性维护维修策略的制定提供有用信息。
发明内容
本发明目的是提供一种齿轮实时剩余寿命预测方法,将基于退化状态突变点检测和剩余寿命的预测进行联合研究,可以利用突变点信息更快的对系统的动态变化进行跟踪,提高齿轮退化状态预测精度,可有效地克服现有技术中存在的缺点。
本发明是这样实现的,其特征是包括以下实施步骤:
步骤1、在齿轮箱安装传感器,获取表征齿轮退化的实时监测数据;
加速度传感器安装在主试箱的轴承座位置,在齿轮箱内安装温度传感器,在主试箱的正上方安装噪声传感器,
步骤2、对齿轮的疲劳状态进行特征提取,对齿轮磨损退化性能进行衰退评估;
利用均方幅值对齿轮磨损退化性能进行衰退评估,对于每次采样时间Δt长度内,离散随机信号的时间序列均方幅值可表示为:
式中Δt为采用时间;n=Fs×Δt,Fs为采样频率,n为采样点数,∑表示求和,i∈(1,2,3....n),xi(t)为采样值;
步骤3、建立可变参数的齿轮退化状态空间模型:
通过非线性状态空间建模进行状态估计,模型的一般形式为:
Xt=f(Xt-1)+wt-1 (2)
Yt=h(Xt)+vt (3)
式中,Xt为t时刻的系统状态向量,t≥1,f(Xt-1)为系统状态转移模型;Yt为t时刻的系统观测向量,h(Xt)为系统观测模型,系统噪声wt和观测噪声vt服从零均值的高斯分布,其协方差阵为:Var(wt)=Qt,Var(vt)=Rt;
采用线性化进行简化,线性化后的状态空间模型为:
Xt=Ft|t-1Xt-1+wt-1 (4)
Yt=HtXt+vt (5)
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于太原科技大学,未经太原科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201610067317.6/2.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用