买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽农业大学

摘要：本发明的一种滚动轴承退化轨迹增广四元数预测方法及存储介质，包括利用振动加速度传感器采集滚动轴承的多通道加速寿命信号；提取各通道数据的时域与频域特征序列，利用PCA降维方法构建各通道融合健康因子时间序列；计算各通道融合健康因子时间序列的分数阶数与多通道融合健康因子时间序列的平均分数阶数；构建基于广义Hamilton‑real积分框架下分数阶增广四元数退化预测模型；对滚动轴承服役退化中后期的退化轨迹进行预测跟踪分析。本发明考虑了多通道与高维度退化数据的时空耦合特性与长相关特性，对采集的多通道与高维度退化数据可实时一次性预测，无需逐通道逐维度预测，模型预测精度高、响应速度快，具有良好的工业应用价值。

主权项：1.一种滚动轴承退化轨迹增广四元数预测方法，其特征在于：包括以下步骤：步骤1：利用振动加速度传感器采集轴承加速退化运行过程中的多通道加速寿命振动数据；步骤2：对采集的多通道加速寿命振动数据进行预处理，剔除数据的野点；然后根据预处理后的数据，计算得到轴承多通道加速寿命振动数据的时域与频域特征因子时间序列；步骤3：针对各个通道振动加速度数据的时域与频域特征因子时间序列，利用PCA方法对时域与频域特征因子时间序列进行降维，得到各个通道振动数据的融合健康因子时间序列；步骤4：根据各通道融合健康因子时间序列，计算各通道融合健康因子时间序列的Hurst指数与多通道融合健康因子时间序列的平均分数阶数；步骤5：基于广义Hamilton-real积分框架下分数阶增广四元数模型，建立退化预测模型，将各个通道融合健康因子时间序列作为多通道输入，预测未来融合多通道健康因子退化时间序列，并输出；步骤6：根据退化预测结果，对轴承旋转设备关键零部件实施预测性维护；所述步骤5中基于广义Hamilton-real积分框架下分数阶增广四元数模型，建立退化预测模型其具体步骤如下：步骤4.1：构建新的基于增广最小均值p次幂项与高斯相关熵诱导惩罚项的目标成本函数为， 式中，|e*nene*nen|p是增广最小均值p次幂项，是高斯相关熵诱导惩罚项，p是分数阶数；权重因子β≥0用来平衡增广的最小均值p次幂项和高斯相关熵诱导惩罚项，win为滤波器权值；步骤4.2：上述公式2滤波器权值wn通过经典梯度下降法估计得到，具体迭代方程为， 式中，η为收敛步长，误差en＝dn-yn，dn为期望信号，yn为输出信号；步骤4.3：滤波器权值wn为一种增广滤波器权重为wan＝[hTn,gTn,uTn,vTn]T，输入向量为xan＝[xTn,xiTn,xjTn,xkTn]T，各个权向量的随机权值更新公式为， 式中，参数μ为新收敛步长，与分别表示目标成本函数JAQLMPn关于h*,g*,u*,与v*的共轭梯度；其中，共轭梯度具体为为的共轭复数；步骤4.4：根据广义Hamilton-real积分规则，公式2中的目标成本函数JAQLMPn的第1项E[|e*nene*nen|p]的偏导数为， 其中，上式最后一项为， 步骤4.5：根据广义Hamilton-real积分规则，公式6中的项可表达为， 上式中的项与表达为， 把公式8表达式与公式9表达式带入公式7中，得， 因此，公式6的偏导为， 步骤4.6：根据以上结果，公式2目标成本函数JAQLMPn的第1项E[|e*nene*nen|p]的偏导数化为， 因此，第1个权重向量的梯度更新为， 步骤4.7：同理，其他各权重向量梯度公式可依次更新为， 最后，根据以上推导结果，提出的一种广义Hamilton-real积分框架下分数阶增广四元数预测模型为，

全文数据：

权利要求：

百度查询： 安徽农业大学 一种滚动轴承退化轨迹增广四元数预测方法及存储介质