一种基于二元混合随机过程的轴承剩余寿命预测方法
专利汇可以提供一种基于二元混合随机过程的轴承剩余寿命预测方法专利检索，专利查询，专利分析的服务。并且一种基于二元混合随机过程的 轴承 剩余寿命预测方法，包括以下步骤：S1.采集轴承退化阶段的振动 信号 和 温度 信号；S2.计算垂直方向振动信号的有效值和温度信号的平均值，构建表征轴承 健康状态 的两个性能指标；S3.对两个性能指标进行检验分析，判断适合利用哪种随机过程描述它们的退化过程；S4.利用AIC信息准则选择合适的Copula函数分析两个性能指标间的相关特性，获得轴承剩余寿命的联合概率 密度 函数，并利用分步极大似然估计法在线更新模型参数，预测轴承剩余寿命。本 发明 预测 精度 较高，应用范围更广。，下面是一种基于二元混合随机过程的轴承剩余寿命预测方法专利的具体信息内容。
1.一种基于二元混合随机过程的轴承剩余寿命预测方法，其特征在于，所述方法包括以下步骤：
S1.采集轴承退化阶段的振动信号和温度信号；
S2.计算垂直方向振动信号的有效值和温度信号的平均值，构建表征轴承健康状态的两个性能指标：
设第k时刻的振动信号为xi，温度信号为yi，包含N个样本量，则该时刻振动信号的有效值和温度信号的平均值分别为：
S3.对两个性能指标进行检验分析，判断适合利用哪种随机过程描述它们的退化过程，若性能指标的退化增量符合正态分布则利用维纳过程进行描述，构建如下退化模型：
X(tk)＝X(t0)+μtk+σB(tk) (3)
上式中，X(tk)表示k时刻性能指标的监测值，μ、σ、B(tk)分别表示模型中的漂移系数、扩散系数和标准维纳过程；
若性能指标的退化增量符合伽马分布则利用伽马过程进行描述，根据伽马过程的定义，增量ΔY(t)服从伽马分布Ga(y|αΔt,β)，令Δt＝1，其概率密度函数为：
上式中，α、β分别表示形状参数、尺度参数；
S4.利用AIC信息准则选择合适的Copula函数分析两个性能指标间的相关特性，获得轴承剩余寿命的联合概率密度函数，并利用分步极大似然估计法在线更新模型参数，预测轴承剩余寿命。
2.如权利要求1所述的一种基于二元混合随机过程的轴承剩余寿命预测方法，其特征在于，所述步骤S4中，预测过程如下：
当轴承性能指标的值首次超过失效阈值ω(ω＞0)时，则认为轴承失效，由于同时利用了轴承的两个性能指标来进行剩余寿命预测，所以定义当{X1(t),t≥0}和{X2(t),t≥0}中的任意一个性能指标超过其所对应的失效阈值ω1，ω2时，即认为轴承失效，因此，轴承的剩余寿命定义为：
T＝inf{t：X1(t)＞ω1或X2(t)＞ω2} (5)。
3.如权利要求1或2所述的一种基于二元混合随机过程的轴承剩余寿命预测方法，其特征在于，所述步骤S3中，若性能指标服从维纳过程，则其首次达到失效的时间分布服从逆高斯分布，即剩余寿命的边缘概率密度函数为：
上式中，ωW表示服从维纳过程的性能指标的失效阈值；
若性能指标服从伽马过程，则其剩余寿命的边缘概率密度函数为：
式中，ωG表示服从伽马过程的性能指标的失效阈值，
tn＝n/α,n＝0,1,…， 为伽马函数， 为不完
全伽马函数；
获得两个性能指标各自的剩余寿命边缘概率密度函数后，利用Copula函数描述两个性能指标之间的相关特性：
F(x1,x2)＝C(F(x1),F(x2)；θ) (8)
上式中F(x1)、F(x2)是两个边缘分布函数，F(x1,x2)是联合分布函数，θ是Copula函数中的未知参数；
则两个性能指标边缘概率密度函数的联合概率密度函数为：
f(t|ωW,ωG,μ,σ,α,β,θ)＝c(FW(t),FG(t))·fW(t|ωW,μ,σ)·fG(t|ωG,α,β) (9)式中，FW(t)、FG(t)为两个性能指标剩余寿命边缘概率密度函数对应的累积分布函数，c(FW(t)，FG(t))是C(FW(t)，FG(t))的概率密度函数；
在Copula函数形式中，利用AIC信息准则选出最合适的Copula函数，
AIC＝-2log(A)+2p (10)
上式中A为模型对应的似然函数，p为模型中参数个数，AIC值越小说明所选择的Copula函数越合适。
4.如权利要求1或2所述的一种基于二元混合随机过程的轴承剩余寿命预测方法，其特征在于，所述步骤S4中，利用分步极大似然估计法更新模型参数(μ,σ,α,β,θ)，过程如下：
第一步：由维纳过程的性质可知，满足维纳过程的性能指标增量服从正态分布：
ΔXi～N(μΔti,σ2Δti) (11)
ΔXi的概率密度函数为：
得到模型参数的似然函数为：
对似然函数分别求μ,σ的偏导，令偏导为零求解方程，得μ,σ的估计值为：
由伽马过程的性质可知，满足伽马过程的性能指标增量服从伽马分布：
ΔYi～Ga(αΔti,β) (16)
ΔYi的概率密度函数为：
式中，
得到模型参数的似然函数为：
由极大似然估计法，令
式中，Ψ(x)是伽玛函数的对数的导数称为Digamma函数，
第二步：根据的得到的参数估计值 计算边缘分布F(ΔY|α,β)，F(ΔX|μ,σ)，并将其作为Copula函数中的输入值，利用极大似然估计法更新Copula函数参数θ：
将获得的参数代入公式(9)，得到轴承剩余寿命的联合概率密度函数，并将联合概率度函数最大值对应的时刻作为轴承剩余寿命的预测值hk：
hk＝{t:fmax(t|ωW,ωG,α,β,μ,σ,θ)} (21)。
一种基于二元混合随机过程的轴承剩余寿命预测方法
技术领域
背景技术
发明内容
全伽马函数；
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 基于LDACS的空地协同定位及完好性监测方法 | 2020-05-08 | 498 |
| 面向车联网环境的网络性能综合测试评价分析方法 | 2020-05-12 | 502 |
| 一种基于多元联合分布的水资源系统多重风险评估方法 | 2020-05-08 | 729 |
| 一种宏用户位置确定方法、微基站群及宏基站 | 2020-05-13 | 526 |
| 缺陷预测 | 2020-05-14 | 114 |
| 一种基于分数阶散步熵的滚动轴承早期故障检测方法 | 2020-05-14 | 103 |
| 具有动态编程校准的存储器装置 | 2020-05-14 | 515 |
| 基于重现时间间隔分析法的电力负荷波动分析和风险预警方法 | 2020-05-13 | 598 |
| 一种复合材料缺陷的深度预测方法 | 2020-05-13 | 944 |
| 一种利用深度学习和通信链路质量实现位置估计的方法 | 2020-05-11 | 183 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
-
7 爆发分析
