[发明专利]一种基于Johnson变换和粒子滤波算法的轴承故障诊断与剩余寿命预测方法

摘要

一种基于Johnson变换和粒子滤波算法的轴承故障诊断与剩余寿命预测方法，包括以下步骤：1)采集轴承全寿命周期振动信号；2)利用振动信号计算K‑S距离，基于K‑S距离构建出反映轴承健康状态的指数；3)基于所构建的健康指数，对健康工作时非高斯分布的健康指数数据，运用Johnson变换，转换成高斯分布的数据，利用高斯分布的性质，确定相关异常阈值范围；4)对耗损期的健康指数数据拟合分析，构建表征轴承退化过程的状态空间模型，利用当前观测得到的健康指数数据和粒子滤波算法更新模型参数并预测轴承的剩余寿命。本发明有效诊断出早期轴承故障发生，从而准确地截取出轴承耗损期的性能退化数据，该方法计算速度较快且剩余寿命预测精度较高。

主权项

一种基于Johnson变换和粒子滤波算法的轴承故障诊断与剩余寿命预测方法，其特征在于：所述方法包括以下步骤：S1.采集轴承的全寿命周期振动信号；S2.利用振动信号计算K‑S距离，基于K‑S距离构建出反映轴承健康状态的指数；S3.所构建的健康指数在整个轴承寿命周期上，呈现为两头高，中间低的曲线，对轴承健康时非高斯分布的健康指数，运用Johnson变换，转换成高斯分布的数据，利用高斯分布的性质，确定轴承发生异常时的健康指数的阈值；S4.拟合分析轴承耗损期的健康指数数据，构建退化模型并建立状态空间模型，利用当前观测到的健康指数数据和粒子滤波算法更新模型参数，并预测剩余寿命，过程如下：对耗损期的健康指数数据，拟合分析构建如下的退化模型：HI(k)＝a·exp(b·k)+c·exp(d·k)                    (1)上式中，HI(k)为轴承在k时刻的健康指数，k为时间参数，a,b,c,d为模型参数，基于该退化模型构建状态方程：$a_k=a_{k-1}+w_{k-1}^a---\left(2\right)$$b_k=b_{k-1}+w_{k-1}^b---\left(3\right)$$c_k=c_{k-1}+w_{k-1}^c---\left(4\right)$$d_k=d_{k-1}+w_{k-1}^d---\left(5\right)$上式中，a_k,b_k,c_k,d_k和a_k‑1,b_k‑1,c_k‑1,d_k‑1为分别在k时刻和k‑1时刻的状态变量a,b,c,d的值，为在k‑1时刻，独立的且分别对应状态变量a,b,c,d的噪声；同时构建测量方程：HI_k＝a_k·exp(b_k·k)+c_k·exp(d_k·k)+v_k                 (6)上式中，HI_k为在k时刻健康指数的测量值，v_k为在k时刻的测量噪声；利用粒子滤波算法更新状态方程和测量方程参数至k时刻，按公式(1)计算k+l时刻的健康指数HI(k+l)：HI(k+l)＝a_k·exp(b_k·(k+l))+c_k·exp(d_k·(k+l))             (7)上式中，l＝1,2,…,∞；计算使得不等式(8)成立的l的值，并记录l的最小值为在k时刻预测的轴承剩余寿命；HI(k+l)＞故障阀值                       (8)。