[发明专利]基于数学形态学和IFOA-SVR的滚动轴承可靠度预测方法

摘要

基于数学形态学和IFOA‑SVR的滚动轴承可靠度预测方法，涉及滚动轴承可靠度预测技术领域。为保证预测精度同时增加预测步长而提出的预测方法。该方法首先提取振动信号的包络信号，计算该包络信号的数学形态学分形维数，将其作为滚动轴承性能退化状态特征；其次，利用IFOA对SVR中的参数C，g以及ε同时进行寻优，建立预测模型。同时，利用极大似然估计结合IFOA建立威布尔比例故障率模型，进而得到可靠度模型；最后，将退化状态特征作为IFOA‑SVR预测模型的输入，采用长期迭代预测法获取特征预测结果，并将该结果嵌入到可靠度模型中，从而预测出轴承运行状态的可靠度。实验表明，利用所提方法在保证预测精度的前提下增加预测步长。

主权项

1.一种基于数学形态学和IFOA‑SVR的滚动轴承可靠度预测方法，其特征在于：所述方法的实现过程为：步骤一、获取滚动轴承的状态监测数据：滚动轴承的振动信号；通过Hilbert变换计算出状态监测数据的包络信号；求出包络信号的数学形态学分形维数DM，将数学形态学分形维数作为滚动轴承性能退化状态特征；步骤二、从获取的数学形态学分形维数DM选取训练样本对，基于所述训练样本对利用IFOA对SVR模型中的参数C、g以及ε同时进行寻优，建立IFOA‑SVR预测模型：构建IFOA的过程：(1)初始化算法参数：设置果蝇种群规模Sizepop，最大觅食代数Maxgen，并随机初始化果蝇群体位置坐标(X0,Y0,Z0)；(2)果蝇个体利用嗅觉随机搜索的方向和距离可以通过式(12)获得式中，i＝1,2,...,Sizepop，L0为初始步长值，gen为当前觅食代数；(3)由于无法确定食物源的具体位置，所以需要通过式(13)估计第i个果蝇个体的当前位置与坐标原点间的距离Disti，之后计算出味道浓度判定值SiSi＝1/Disti      (14)(4)将Si代入味道浓度判定函数，计算出果蝇个体当前位置的味道浓度Smelli＝function(Si)     (15)(5)当前果蝇群体中具有最高味道浓度的个体，可由式(16)获得[bestSmell,bestIndex]＝max(Smelli)   (16)式中，bestSmell表示果蝇群体中具有最高味道浓度的个体的味道浓度值，bestIndex表示果蝇群体中具有最高味道浓度的个体的位置；(6)保留果蝇群体中最佳味道浓度值和与其对应的个体坐标，同时果蝇群体利用自身的视觉对食物源进行定位，然后飞往食物源所在的位置；(7)进入迭代寻优过程，重复步骤(2)‑(5)，并判断当前味最高道浓度是否好于前一迭代味道浓度，且gen(5)找到适应度函数Fitness的最小值对应的果蝇个体，开始迭代寻优，并判断最小Fitness是否低于前一代最小Fitness；如低于，则保留最小Fitness值及其对应的坐标，并将其赋给初始坐标；如高于，则返回步骤(2)；(6)找到C、g和ε的最佳值，建立IFOA‑SVR预测模型；步骤三、从所述性能退化状态特征中截取一定长度Z作为WPHM的响应协变量，结合极大似然估计获得似然函数方程组，把方程组中每个方程绝对值的和作为IFOA的适应度函数，求出方程组的解，确定WPHM的待定参数，进而得到可靠度模型R(t,Z)，过程如下：基于WPHM建立滚动轴承性能退化状态特征与可靠度之间的数学关系，WPHM的表达式为式中β为形状参数，η为尺度参数，μ为协变量回归参数，t表示时间，Z为截取一定长度的性能退化状态特征，即从数学形态学分形维数DM中截取一定长度数据；h(t,Z)和可靠度函数R(t,Z)之间的关系为从而，R(t,Z)可表示为利用极大似然估计法得到关于待定参数β、η、μ的方程组并利用IFOA对该方程组进行求解，确定WPHM的表达式h(t,Z)的待定参数β、η、μ的最终取值；将参数β、η、μ代入式(21)即可建立可靠度模型；步骤四、将性能退化状态特征的最后一部分数据作为IFOA‑SVR预测模型的输入，采用长期迭代预测法获取性能退化状态特征预测结果；步骤五、将IFOA‑SVR预测模型得出的预测结果作为响应协变量嵌入到可靠度模型R(t,Z)中，即可计算出所述性能退化状态特征预测结果所对应的可靠度，实现滚动轴承可靠度的预测。