基于Copula函数的齿轮箱剩余寿命预测方法
发布时间：2021-01-07 15:11
齿轮箱是风力发电机组的关键部件,对风力发电机的整体寿命有直接影响.针对齿轮箱的剩余寿命,提出了一种多退化量下的剩余寿命预测方法.首先,在分析齿轮箱寿命的影响因素基础上,选取齿轮箱的振动加速度和噪声作为退化量;其次,采用基于核估计和随机滤波理论的方法分别对齿轮箱的振动加速度和噪声进行建模,从而获得齿轮箱的剩余寿命概率密度函数,进而得到其边缘分布函数;再利用Copula函数表示齿轮箱的振动加速度和噪声之间的随机相关性,求得齿轮箱剩余寿命的联合分布函数,从而得到齿轮箱剩余寿命的联合概率密度函数,得到齿轮箱剩余寿命预测值;最后,提出基于赤池信息准则模型评价的Copula函数选择方法.通过齿轮箱的试验验证了该方法的有效性.
【文章来源】：系统工程理论与实践. 2020,40(09)北大核心CSSCI
【文章页数】：9 页
【部分图文】：
图３齿轮箱加速度监测数据
第９期??宋仁旺，等：基于Ｇｅｐｕｌａ函数的齿轮箱剩余寿命预测方法??Ｍ７１??时间／ｈ?时间／ｈ??图３齿轮箱加速度监测数据?图４齿轮箱噪声监测数据??４．２单退化量下齿轮箱的剩余寿命预测??本实验采用３．１节所提到的基于核估计和随机滤波理论的方法预测单退化量下齿轮箱的剩余寿命，得到??如图§和图６所示的齿轮箱的剩余寿命概率密度函数，图中＿为剩余寿命的真实值．根据概率论中概率密??度函数与边缘分布函数的关系，得到如图７和图８所示的基于单退化量下齿轮箱的剩余寿命边缘分布函数．??４．３基于Ｃｏｐｕｌａ函数的齿轮箱剩余寿命预测??采用３．２节所提到的３种常用Ｃｏｐｕｌａ函数，对４？２节得到的基于振动加速度和噪声的剩余寿命边缘分??２）根据概率论中概率密度函数与边缘分布函数的关系，得到基于加速度的剩余寿命的边缘分布函数为??巧（ｔ）?＝?ｆ?和基于噪声的剩余寿命的边缘分布函数为朽的＝鲈｜妗沁??３）利用？＞ｐｕｌａ函数的性质，融合基于加速度和噪声的边缘分布函数，得到齿轮箱的剩余寿命联合分布??函数尸（ｔｌ，ｆｅ）?＝?（对（紅｝，，?Ｆ３．?（ｆ３）：；?７）．??４）根据概率论中概率密度函数与边缘分布函数的关??系，得到齿轮箱基于多退化量下的剩余寿命概率密度函数??４实验验证及分析??４．１数据采集??实验采用了如图２所示的风电机组齿轮箱试验台架．??实验采用机械杠杆加载，扭矩采用转矩转速传感器进行测??量．实验过程中对箱体加速度和噪声等进行监测．??本实验共布置５个传感器，１＃心４＃为加速度传感器（布置在主试箱轴承座的径向），这样可以使得接??收到的信号的衰减最小；￥＃为声音传感器（安装在主试箱正上方４０?ｃ
函数的齿轮箱剩余寿命预测方法??２４７３??齬??制?０．１５??，１１??Ｉ??剩余寿命预测均值：??７．４ｈ??！！：??／ｉｌｌ??－剩测均值：??７．５ｈ??／ＩＩＩ??ｉ?ＩＩＩ??ＩＩＩ??！！！??１??１??＼??Ｉ?：??！！ｈ??１?＼??１?＼??＿余＇??射刚测均值：??７．７ｈ???加速度???噪声???ｃｏｐｕｌａ??０?１０?２０?３０?４０?５０?６０?７０?８０?９０?１００??第７０小时监测点剩余寿命ｘ／ｈ??图１１第４０小时剩余寿命概率密度函数??图１２第７０小时剩余寿命概率密度函数??从表２中可以看出在＜４０小时和和小时时刻，ＣＥａｙｔ姐函数具有最小的ＡＩＣ值．因此，Ｇｌ％ｔ姐??Ｃｏｐｕｌａ函数是最优的Ｃｏｐｕｌａ函数，可以最好地描述齿轮箱的加速度与噪声之间的相关性．??由图１１和图１２可知，基于Ｃｏｐｕｌａ函数的多退化量下齿轮箱的剩余寿命概率密度函数的方差比基于单??退化量下齿轮箱的剩余寿命概率密度函数的方差要小，其剩余寿命的预测值更接近剩余寿命的真实值，说明??基于Ｃｏｐｕｌａ函数的多退化量下齿轮箱的剩余寿命预测值更准确．??图１３和表３给出了基于单退化量下齿轮箱的剩余寿命预测值与基于Ｃｏｐｕｌａ函数的剩余寿命预测值以??及剩余寿命真实值的比较．??表３剩余寿命预测值与真实值的误差对比???运行剩余寿基于加速度基于Ｃｂｐｄａ．．基于加?基于??时间命实际的剩余寿命的剩余寿命速度的?Ｇｏｐｏｌａ??／ｈ?值／ｈ?估计值／ｈ?估计值／ｈ?误差／強的误差／餐??１００??图１３剩余寿命预测值与真实值对比图??由图１３和表３可知，基于Ｃ
【参考文献】：
期刊论文
[1]基于贝叶斯定理的地震危险性概率预测研究[J]. 邓世广,周龙泉,马亚伟,臧阳,王月,韩颜颜. 中国地震. 2019(01)
[2]风电齿轮箱润滑状态监测与故障诊断系统开发[J]. 运红丽,张涛,宋小娜. 华电技术. 2018(02)
[3]4级行星齿轮箱振动噪声预估及修形效果分析[J]. 林腾蛟,曹洪,吕和生. 重庆大学学报. 2018(02)
[4]基于SF-REM的齿轮箱剩余寿命预测方法研究[J]. 刘鑫,贾云献,田霞,周杰. 军械工程学院学报. 2014 (04)
[5]基于油液中金属浓度梯度特征的滤波剩余寿命预测模型[J]. 张英波,贾云献,邱国栋,黄河,谷玉波. 系统工程理论与实践. 2014(06)
[6]基于MoG-HMM的齿轮箱状态识别与剩余使用寿命预测研究[J]. 张星辉,康建设,高存明,曹端超,滕红智. 振动与冲击. 2013(15)
[7]风电机组齿轮箱温度趋势状态监测及分析方法[J]. 郭鹏,David Infield,杨锡运. 中国电机工程学报. 2011(32)
[8]基于随机滤波模型的齿轮箱剩余寿命预测研究[J]. 孙磊,汤心刚,张星辉,蔡丽影. 机械传动. 2011(10)
硕士论文
[1]考虑零件失效相关的风电齿轮箱寿命建模[D]. 张宇.兰州理工大学 2014
本文编号：2962780
【文章来源】：系统工程理论与实践. 2020,40(09)北大核心CSSCI
【文章页数】：9 页
【部分图文】：
图３齿轮箱加速度监测数据
第９期??宋仁旺，等：基于Ｇｅｐｕｌａ函数的齿轮箱剩余寿命预测方法??Ｍ７１??时间／ｈ?时间／ｈ??图３齿轮箱加速度监测数据?图４齿轮箱噪声监测数据??４．２单退化量下齿轮箱的剩余寿命预测??本实验采用３．１节所提到的基于核估计和随机滤波理论的方法预测单退化量下齿轮箱的剩余寿命，得到??如图§和图６所示的齿轮箱的剩余寿命概率密度函数，图中＿为剩余寿命的真实值．根据概率论中概率密??度函数与边缘分布函数的关系，得到如图７和图８所示的基于单退化量下齿轮箱的剩余寿命边缘分布函数．??４．３基于Ｃｏｐｕｌａ函数的齿轮箱剩余寿命预测??采用３．２节所提到的３种常用Ｃｏｐｕｌａ函数，对４？２节得到的基于振动加速度和噪声的剩余寿命边缘分??２）根据概率论中概率密度函数与边缘分布函数的关系，得到基于加速度的剩余寿命的边缘分布函数为??巧（ｔ）?＝?ｆ?和基于噪声的剩余寿命的边缘分布函数为朽的＝鲈｜妗沁??３）利用？＞ｐｕｌａ函数的性质，融合基于加速度和噪声的边缘分布函数，得到齿轮箱的剩余寿命联合分布??函数尸（ｔｌ，ｆｅ）?＝?（对（紅｝，，?Ｆ３．?（ｆ３）：；?７）．??４）根据概率论中概率密度函数与边缘分布函数的关??系，得到齿轮箱基于多退化量下的剩余寿命概率密度函数??４实验验证及分析??４．１数据采集??实验采用了如图２所示的风电机组齿轮箱试验台架．??实验采用机械杠杆加载，扭矩采用转矩转速传感器进行测??量．实验过程中对箱体加速度和噪声等进行监测．??本实验共布置５个传感器，１＃心４＃为加速度传感器（布置在主试箱轴承座的径向），这样可以使得接??收到的信号的衰减最小；￥＃为声音传感器（安装在主试箱正上方４０?ｃ
函数的齿轮箱剩余寿命预测方法??２４７３??齬??制?０．１５??，１１??Ｉ??剩余寿命预测均值：??７．４ｈ??！！：??／ｉｌｌ??－剩测均值：??７．５ｈ??／ＩＩＩ??ｉ?ＩＩＩ??ＩＩＩ??！！！??１??１??＼??Ｉ?：??！！ｈ??１?＼??１?＼??＿余＇??射刚测均值：??７．７ｈ???加速度???噪声???ｃｏｐｕｌａ??０?１０?２０?３０?４０?５０?６０?７０?８０?９０?１００??第７０小时监测点剩余寿命ｘ／ｈ??图１１第４０小时剩余寿命概率密度函数??图１２第７０小时剩余寿命概率密度函数??从表２中可以看出在＜４０小时和和小时时刻，ＣＥａｙｔ姐函数具有最小的ＡＩＣ值．因此，Ｇｌ％ｔ姐??Ｃｏｐｕｌａ函数是最优的Ｃｏｐｕｌａ函数，可以最好地描述齿轮箱的加速度与噪声之间的相关性．??由图１１和图１２可知，基于Ｃｏｐｕｌａ函数的多退化量下齿轮箱的剩余寿命概率密度函数的方差比基于单??退化量下齿轮箱的剩余寿命概率密度函数的方差要小，其剩余寿命的预测值更接近剩余寿命的真实值，说明??基于Ｃｏｐｕｌａ函数的多退化量下齿轮箱的剩余寿命预测值更准确．??图１３和表３给出了基于单退化量下齿轮箱的剩余寿命预测值与基于Ｃｏｐｕｌａ函数的剩余寿命预测值以??及剩余寿命真实值的比较．??表３剩余寿命预测值与真实值的误差对比???运行剩余寿基于加速度基于Ｃｂｐｄａ．．基于加?基于??时间命实际的剩余寿命的剩余寿命速度的?Ｇｏｐｏｌａ??／ｈ?值／ｈ?估计值／ｈ?估计值／ｈ?误差／強的误差／餐??１００??图１３剩余寿命预测值与真实值对比图??由图１３和表３可知，基于Ｃ
【参考文献】：
期刊论文
[1]基于贝叶斯定理的地震危险性概率预测研究[J]. 邓世广,周龙泉,马亚伟,臧阳,王月,韩颜颜. 中国地震. 2019(01)
[2]风电齿轮箱润滑状态监测与故障诊断系统开发[J]. 运红丽,张涛,宋小娜. 华电技术. 2018(02)
[3]4级行星齿轮箱振动噪声预估及修形效果分析[J]. 林腾蛟,曹洪,吕和生. 重庆大学学报. 2018(02)
[4]基于SF-REM的齿轮箱剩余寿命预测方法研究[J]. 刘鑫,贾云献,田霞,周杰. 军械工程学院学报. 2014 (04)
[5]基于油液中金属浓度梯度特征的滤波剩余寿命预测模型[J]. 张英波,贾云献,邱国栋,黄河,谷玉波. 系统工程理论与实践. 2014(06)
[6]基于MoG-HMM的齿轮箱状态识别与剩余使用寿命预测研究[J]. 张星辉,康建设,高存明,曹端超,滕红智. 振动与冲击. 2013(15)
[7]风电机组齿轮箱温度趋势状态监测及分析方法[J]. 郭鹏,David Infield,杨锡运. 中国电机工程学报. 2011(32)
[8]基于随机滤波模型的齿轮箱剩余寿命预测研究[J]. 孙磊,汤心刚,张星辉,蔡丽影. 机械传动. 2011(10)
硕士论文
[1]考虑零件失效相关的风电齿轮箱寿命建模[D]. 张宇.兰州理工大学 2014
本文编号：2962780
本文链接：https://www.wllwen.com/kejilunwen/dianlilw/2962780.html
教材专著
