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：本发明的一种旋转机械装备关键零部件服役退化轨迹预测方法及设备，其方法采用四元数框架下加权增量分数阶卡尔曼滤波算法作为退化预测模型，包括利用加速度传感器采集旋转机械装备关键零部件运行过程中的多通道振动加速度数据；对采集数据进行预处理，计算得到设备关键零部件的多通道健康因子时间序列及其Hurst指数与分数阶数；根据建立的四元数框架下加权增量分数阶卡尔曼滤波预测模型，可对未来退化趋势健康因子时间序列进行预测跟踪。本发明无需考虑外界环境与复杂工况对设备关键零部件的性能退化影响，也无需考虑系统物理结构参数的影响，考虑了多通道健康因子序列的时空与分数阶特性，适合多通道退化数据一次性预测，运行速度快，预测精度高。

主权项：1.一种旋转机械装备关键零部件服役退化轨迹预测方法，其特征在于：包括以下步骤，步骤1：利用加速度传感器采集旋转机械装备关键零部件运行过程中的多通道振动加速度数据；步骤2：对采集的多通道振动加速度数据进行预处理，剔除数据的野点；然后根据预处理后的数据，计算得到旋转机械装备关键零部件的多通道健康因子时间序列；步骤3：计算多通道健康因子时间序列的Hurst指数与分数阶数；步骤4：基于四元数框架下加权增量分数阶卡尔曼滤波算法，建立退化预测模型，将多通道健康因子时间序列作为多通道输入，未来多通道健康因子退化时间序列作为预测输出；步骤5：根据建立的退化预测模型，对未来退化趋势时间序列进行预测跟踪，进而实现预测性维护；步骤4具体步骤如下：步骤4.1：根据经典分数阶扩展卡尔曼滤波方法，其离散非线性系统动态方程为， 2其中，xk为在时刻k的状态向量，uk为系统输入，yk为系统输出，γ∈R为分数阶数，f·与h·分别为非线性状态转移函数与测量函数；参数wk和vk为相互独立且服从正态分布的白噪声，其中参数wk是k时刻的系统噪声或过程激励噪声，vk是k时刻的测量噪声或输出噪声；分数阶的后向差分为， 3系数表示为， 4；步骤4.2：根据分数阶扩展卡尔曼滤波方法的递推更新方程进行改进，其递推更新预测模型为， 5其中，为状态转移矩阵，Kk为卡尔曼滤波增益，为测量矩阵，Pk为估计误差协方差矩阵，状态向量xk与估计误差协方差矩阵的初始值分别为，系数Ω是正常数；系统噪声的协方差矩阵为，测量噪声的协方差矩阵为；步骤4.3：引入加权系数增量项和累积长记忆特征，则状态预测模型为， 6其中，参数η为学习速率，且η0，α为惯性系数，且0α1，；步骤4.4：非线性状态转变函数为， 7其中，，矩阵为系统输入偏置矩阵，上述非线性状态转变函数的第1行最后1个值qa-1不存在，故替换为0；步骤4.5：计算公式7非线性状态转变函数的Jacobian矩阵J，得到， 8其中，矩阵J的大小为10×10，矩阵J也是分数阶扩展卡尔曼滤波方法中状态转移矩阵F；子矩阵A为，子矩阵A大小为4×7，子矩阵B为,子矩阵B大小为3×7，子矩阵C为，子矩阵C大小为3×3；步骤4.6：根据四元数的共轭旋转变换运算，测量函数hx为， 9非线性测量函数hx的Jacobian矩阵Hx为， 10其中，矩阵,,,。

全文数据：

权利要求：

百度查询： 安徽农业大学 旋转机械装备关键零部件服役退化轨迹预测方法及设备