技术特征：
1.一种基于带测量误差的维纳过程的车辆轴承剩余寿命预测方法，其特征在于，包括：步骤1、利用轴承试验台采集全寿命周期轴承数据，从全寿命周期轴承数据中提取轴承的时域特征值；步骤2、选择所述轴承的时域特征值中的峰值来表征轴承退化过程，基于所述轴承的时域特征值建立轴承的两阶段的线性维纳退化过程模型；步骤3、利用所述轴承的两阶段的线性维纳退化过程模型，使用首达时间定义轴承的寿命，并确定轴承的失效阈值，获得第一阶段的剩余寿命的概率密度函数，根据变点处跃迁强度函数，推导出所述两阶段的线性维纳退化过程模型的轴承剩余寿命概率密度函数；步骤4、求得所述轴承的两阶段的线性维纳退化过程模型的参数向量的对数似然函数，通过所述对数似然函数求出所述参数向量的极大似然估计值，根据所述参数向量的极大似然估计值求得迭代运算的期望表达式，利用所述迭代运算的期望表达式通过期望最大化算法经过多次迭代得到所述参数向量的最优估计值；步骤5、将所述轴承的两阶段的线性维纳退化过程模型的参数向量的最优估计值代入所述轴承的剩余寿命概率密度函数，基于轴承的剩余寿命概率密度函数利用期望的定义求得最终预测的轴承剩余寿命期望。2.根据权利要求1所述的方法，其特征在于，所述的步骤1具体包括：利用轴承试验台采集全寿命周期轴承数据，从全寿命周期轴承数据中提取滚动轴承的时域特征值，该时域特征值包括均值、绝对均值、最大值、最小值、峰值、均方根值和方差。3.根据权利要求1所述的方法，其特征在于，所述的步骤2具体包括：令x(t)表示轴承t时刻的退化轨迹，将轴承退化过程描述为：x(t)＝x0+exp(μt)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中，x0代表退化过程的初始状态，μ为随机参数；对式(1)的两边进行对数变换，并考虑退化过程中的随机影响和测量误差，则：式中，变化时间τ被定义为第一阶段的线性维纳退化过程模型的最后监测时间；x
τ
被定义为变点处的退化状态，此处y0＝0，y
τ
＝ln(x
τ
)；μ1和μ2分别是第一阶段和第二阶段的线性维纳退化过程模型的漂移系数，σ1和σ2分别是第一阶段和和第二阶段的扩散系数；b(t)和b(t-τ)是标准维纳过程；ε1和ε2为高斯误差，分别服从和4.根据权利要求1所述的方法，其特征在于，所述的步骤3具体包括：利用所述轴承的两阶段的线性维纳退化过程模型，使用首达时间定义轴承的寿命，并确定轴承的失效阈值，获得第一阶段的剩余寿命的概率密度函数，根据变点处跃迁强度函数，以及μ1和μ2的随机性，通过卡尔曼滤波估计漂移系数在每个监测点的后验估计的期望和方差，预测轴承的峰值退化轨迹，推导基于两阶段的线性维纳退化过程模型的轴承剩余寿命概率密度函数，所述轴承剩余寿命概率密度函数的参数未知。5.根据权利要求1所述的方法，其特征在于，所述的步骤4具体包括：所述两阶段的线性退化模型的参数向量为包括漂移系数的初
始参数μ
1,0
～n(μ0,p0)，是第一阶段的扩散系数σ1的方差；是第一阶段高斯误差ε1的方差；对参数向量ω1进行ln化处理，通过对数似然函数求出参数向量ω1的极大似然估计值，根据所述参数向量ω1的极大似然估计值确定迭代计算的期望表达式，基于状态空间模型建立状态方程和观测方程，利用状态方程和观测方程通过卡尔曼滤波估计漂移系数在每个监测时间点的后验估计的期望和方差，预测轴承的峰值退化轨迹，基于轴承的峰值退化轨迹利用所述迭代运算的期望表达式通过期望最大化算法经过多次迭代得到所述参数向量的最优估计值。6.根据权利要求1所述的方法，其特征在于，所述的步骤5中的期望的定义为：e
pre
(t
k
)为t
k
时刻的轴承剩余寿命的期望；l
k
为轴承剩余寿命；为轴承剩余寿命l
k
的概率密度函数。
技术总结
本发明提供了一种基于带测量误差的维纳过程的车辆轴承剩余寿命预测方法。包括：利用轴承试验台采集全寿命周期轴承数据，提取轴承的时域特征值；建立轴承的两阶段的线性维纳退化过程模型，使用首达时间定义轴承的寿命，并确定轴承的失效阈值，推导出轴承剩余寿命概率密度函数；求得模型参数向量的对数似然函数，利用迭代运算的期望表达式通过期望最大化算法经过多次迭代得到参数向量的最优估计值；将参数向量的最优估计值代入轴承的剩余寿命概率密度函数，求得最终预测的轴承剩余寿命期望。本发明可以对轴承的剩余寿命进行预测，以确定最佳维修时间和维护策略，为维修部门提供有针对性的轴承维护保养建议。有针对性的轴承维护保养建议。有针对性的轴承维护保养建议。
技术研发人员：魏秀琨 管青鸾 贾利民 尹贤贤 魏德华 张慧贤 汤庆锋 周航 刘运超 尹新强 王棣青 赵春生 赵天可 魏东华 李江帅 刘志强 高方庆 沈星 胡新杨 傅兵 袁若岑
受保护的技术使用者：北京交通大学
技术研发日：2021.09.28
技术公布日：2022/1/21