(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111608363.X (22)申请日 2021.12.24 (71)申请人 北京航空航天大 学 地址 100191 北京市海淀区学院路37号 (72)发明人 杨力　王建泰　马小兵　赵宇　 (74)专利代理 机构 北京慧泉知识产权代理有限 公司 11232 专利代理师 王顺荣　唐爱华 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 7/00(2006.01) G06Q 10/04(2012.01) (54)发明名称 一种数模协同驱动下的轴承剩余寿命预测 方法 (57)摘要 本发明提供一种数模协同驱动下的轴承剩 余寿命预测方法， 方法步骤如下： 一、 健康指标的 建立与提取； 二、 轴承运行阶段的划分； 三、 针对 轴承退化期利用线性维纳模型进行模型驱动的 剩余寿命预测； 四、 利用BP神经网络进行数据驱 动下的剩余寿命预测； 五： 基准融合法下的剩余 寿命预测； 本方法的运行阶段划分算法简单易 行， 且保证了对轴承实时状态判定的准确性； 本 方法对模型反映系统的精确性 以及样本的数据 量要求相对较低， 并且通过数模协同显著提高了 寿命预测的精度， 从而对提升轴承的健康管理水 平具有重要意 义。 权利要求书3页 说明书7页 附图3页 CN 114492507 A 2022.05.13 CN 114492507 A 1.一种数模协同驱动下的轴承剩余寿命预测方法， 其特 征在于： 它包 含以下步骤： 步骤一： 健康指标的建立与提取； 具体包 含以下步骤： a)原始数据的获取与筛选： 获取轴承的原始振动信号， 通过分析轴承的初始状况， 筛选 初始条件相 差小的样本作为研究对 象； 根据轴承的失效模式， 选择相关性强的原始信号作 为分析对象； b)里程的修 正与信号的降噪： 针对原 始数据提出 里程数据的要求： 单调性要求： 里程相关变量随着记录顺序延伸， 单调增 加， 即： i＜j； M(i)≤ M(j)， 式中， M为里程相关变量； 稳定性要求： 相邻两个记录点之间， 对应的里程相关变量相差不大， 即： i+1＝j； M(j) ‑M(i)≤N， 式 中， N为设置的阈值； 针对违背稳定性要求的修 正： 将相邻记录点之间很大的里程差去掉； 针对违背单调性要求的修正： 将产生里程下降的点的里程值调整为上一记录点对应的 里程值； 利用移动平 滑法进行原 始信号的降噪： 固定窗口数值 L， L＝5， 如下式： 式中， y代表离散的原始振动信号 值； c)健康指标的建立与提取： 通过分析轴 承的众多时域特征量对于反映轴承的全生命周 期运行特征的情况， 最后选择均方根 这一时域特 征作为健康指标， 计算式如下： 式中， x(t)表示轴承的振动信号 值， 表示信号均值， n表示采样个数； 采用等区间间隔采样法进行轴承全生命周期的健康指标提取， 区间间隔变量Lo能依据 轴承的全生命周期长短进行设置； 步骤二： 轴承运行阶段的划分； 具体包 含以下步骤： a)分析样本轴承的健康指标在全生命周期的统计特点， 将全生命周期分为三个阶段： 磨合期、 健康工作期和快速退化期； b)确定失效阈值， 通过定义轴承的失效点， 考虑到安全， 设置其二级报警点为失效点， 统计平均样本轴承的失效值， 确定轴承的失效阈值； c)变点1与变点2的确定： 变点1和变点2以及失效点将轴承的全生命周期划分成了三个 阶段， 变点1通过统计平均样本相应的里程相关变量得出， 变点2通过统计平均样本轴承的 相应的健康指标 得到； 步骤三： 针对轴承退化期利用线性维纳模型进行模型驱动的剩余寿命预测； 具体包含 以下步骤： a)建立线性维纳模型： x(t)＝x(0)+α t+σ B(t)； 其中x(t)表示t时刻的退化量， x(0)表示 初始时刻的退化 量， α 和σ 分别表示漂移参数和扩散参数， B(t)表示标准布朗运动； b)依据维纳退化模型， 在首达时概念定义寿命的基础上， 利用逆高斯分布建立寿命的 概率密度函数：权　利　要　求　书 1/3 页 2 CN 114492507 A 2c)对寿命的密度函数中未知参数利用极大似然估计法进行估计， 能得 下式： m表示同类轴承的个数， nj表示第j个轴承的退化数据个数， Xj,i表示第j个轴承在tj,i时 刻的退化数据； d)进行剩余寿命的预测； 利用此公式进行剩余寿命计算： 并利用均方根 误差表达预测的准确程度： 式中， p(x(i)表示预测值、 x(i)表示真实值； 步骤四： 利用BP神经网络进行数据驱动下的剩余寿命预测； 人工神经网络已经被广泛 应用在寿命预测领域， 选用经典的BP神经网络技 术,其具体包 含以下步骤： a)确定输入和输出； 输入为样本轴承的观测点寿命值以及对应的RMS特征值， 输出为样本轴承的实际剩余 寿命； b)利用MATLAB中 的mapminmax函数对输入的两类数据进行归一化设置， 并利用newff函 数构建一个BP神经网络； c)设置相关参数， 包括训练次数、 最小误差、 学习速率和隐含层的神经 元数量； d)调节参数进行剩余寿命的预测， 并通过均方根 误差表征 预测的准确程度； 步骤五： 基准融合法下的剩余寿命预测； 具体包 含以下步骤： a)选定基准； 以数据驱动的预测结果及以模型驱动的预测结果两者中的一种作为基 准， 选择依据是选 定均方根 误差为小的一方作为基准； b)分配权 重进行数、 模首次融合； 权重的分配方法如下： Si和Mi分别表示第i个观测点 的数据驱动的预测结果和模型驱动的预测结 果； wi表示在对第i个观测点的预测中， 分配给基准， 预测结果的权 重； 首次融合后的计算 为： Pi＝wiSi+(1‑wi)Mi c)进行二 次融合并计算最终预测结果的误差； 将首次融合后的结果与原先设置的基准 进行一次类似的融合， 得到二次融合后的预测结果； 并通过计算均方根误差表征预测的准 确程度。 2.根据权利要求1所述的一种数模协同驱动下的轴 承剩余寿命预测方法， 其特征在于：权　利　要　求　书 2/3 页 3 CN 114492507 A 3