基于混合相关伽玛退化过程的电机寿命预测方法

本发明涉及伽玛退化过程性能参数退化建模与寿命预测，尤其是基于混合相关伽玛退化过程的电机寿命预测方法。

背景技术：

1、电机作为现代各种生产领域内重要的动力设备，具有价格低廉、整体结构相对简单，较为可靠等优点。尤其在现在，国家大力支持发展新能源电车，为实现降低二氧化碳排放做出巨大贡献，而新能源电车的动力部分则由电机来完成。为保证在冶金、采矿、机械加工、轨道交通等工业生产领域，以及新能源电车领域的经济效益，甚至人的生命安全，对电机的可靠性建模及其寿命预测很有意义。电机是由定子、转子和轴承等几部分组成的联动复杂系统，在其工作过程中不仅会受到环境的影响，还会会受到电机自身运行中的机械应力、热应力和电应力等的共同作用的影响，因此电机失效模式较为复杂，现在对电机的研究大多是单独对其中一种故障或性能参数退化分析，不能很好的表征电机的整体可靠度。如何对电机的寿命做出精确的预测是电机设备安全稳定运行的关键问题。

技术实现思路

1、为了解决现在研究技术中的不足，本发明从电机整体的运行性能角度出发，从整体把握，避免单一造成的缺陷或局部问题，监测电机的各项运行性能参数变化，针对同批次电机个体的异质性问题，和多性能混合相关的问题，建立基于混合相关伽玛退化模型。

2、为了实现上述目的，本发明采用了以下技术方案：一种基于混合相关伽玛退化过程的电机寿命预测方法，其特征在于：该方法包括以下步骤：

3、步骤一：电机的性能退化分析

4、通过对电机的性能退化分析，找到能够易于测量和表征电机寿命特征的性能退化量(如：电机的运行性能参数等)。

5、步骤二：试验方案设计与数据采集

6、确定合适的电机性能退化量参数指标，然后进一步确定需要监测的相关参数及其退化量的失效阈值，最后搭建试验平台，采集试验数据。

7、步骤三：基于gamma过程的单性能退化建模

8、设电机有n个性能参数指标，电机失效模式较为复杂，并且由于电机生产和运行环境等影响，同批次电机也存在着异质性问题，从电机的运行性能角度出发，建立基于gamma过程的性能退化模型hn。

9、hn(t)|α,β～gamma(ατ(t),β)   (1)

10、式中，hn(t)分别表示电机在第n个性能参数指标t时刻直接利用传感器等工具观测到的退化值。

11、β为hn的随机化参数，表征电机的第n个性能参数指标在同批次电机个体中的差异性，为简化建模过程设参数β满足β～gamma(γ,μ)，γ,μ分别为形状参数和尺度参数，gamma(γ,μ)为gamma函数。

12、α为hn的固化参数，表征电机的第n个性能参数指标在同批次电机个体中的共同属性。

13、gamma(ατ(t),β)为gamma函数。

14、τ(t)代表时间转换函数，是t的单调函数，典型的τ(t)形式有：指数函数(1-exp(mtn)和幂函数(ta)，由于性能退化量往往呈现非线性趋势，故而选择均方根误差低，拟合效果好的τ(t)。

15、电机的性能会伴随使用时间的增加出现磨损、老化等常见的退化现象，当关键性能的观测值达到根据经验提前设置的失效阈值d时，电机被认为出现退化失效。对于模型hn，我们首先定义退化观测过程{hn(t),t≥0}的失效时间tn如下：

16、tn＝inf{t:hn(t)>d,t>0}   (2)

17、由gamma过程的性质可知模型hn的概率密度函数pdf为：

18、

19、式中，γ为伽马函数符号。

20、由β～gamma(γ,μ)，其对应的pdf如下：

21、

22、根据全概率定律可得：

23、

24、令有：

25、

26、由式(6)与f分布的pdf作对比，可知变量z(t)服从f分布，有：

27、z(t)～f2ατ(t),2γ(z)   (7)

28、寿命tn的分布函数为：

29、

30、由此，得到单性能退化量可靠度函数，其表达式为：

31、

32、步骤四：基于copula函数的混合相关伽玛退化过程建模

33、多性能参数退化量电机的可靠度定义为电机中任何一个性能参数退化量均未达到其相应的失效阈值的概率。假设产品含有n个退化性能参数，y1(t),y2(t),…,yn(t)表示t时刻各性能参数的退化量分布函数，r1(t),r2(t),…,rn(t)表示对应性能参数的可靠度函数。则产品的可靠度可以表示为：

34、r(t)＝p{y1(t)≤d1,y2(t)≤d2,…,yn(t)≤dn}   (10)

35、若各性能参数之间是相互独立的关系，则可靠度可以表示为：

36、r(t)＝p{y1(t)≤d1,y2(t)≤d2,…,yn(t)≤dn}   (11)

37、＝r1(t)×r2(t)×…×rn(t)

38、若各性能参数之间存在相关关系，则可靠度可以表示为：

39、

40、其中，x(y1,y2,…,yn)表示y1,y2,…,yn的联合分布函数，x(y1,y2,…,yn)表述y1,y2,…,yn的联合分布密度函数。选择合适的copula函数直接影响着电机寿命预测效果。

41、步骤五：寿命预测

42、根据步骤四得到的可靠度函数进行曲线绘制，对产品寿命进行预测。

43、本发明的有益效果在于：

44、本发明从电机整体的运行性能角度出发，从整体把握，避免单一造成的缺陷或局部问题，监测电机的各项运行性能参数变化，能够更好地把握电机整体的可靠性水平。

45、基于混合相关伽玛退化过程的电机寿命预测方法的相关理论，建立一种基于混合相关伽玛退化模型，有效解决电机个体的异质性问题和多性能混合相关的问题。

技术特征：

1.一种基于混合相关伽玛退化过程的电机寿命预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于混合相关伽玛退化过程的电机寿命预测方法，其特征在于：所述步骤二具体过程如下：

3.根据权利要求1所述的一种基于混合相关伽玛退化过程的电机寿命预测方法，其特征在于，所述步骤三具体过程如下：

4.根据权利要求1所述的一种基于混合相关伽玛退化过程的电机寿命预测方法，其特征在于，所述步骤四具体过程如下：

技术总结
本发明公开了一种基于混合相关伽玛退化过程的电机寿命预测方法，包括如下步骤：步骤一：电机的性能退化分析：通过对电机的性能退化分析，找到能够测量和表征电机寿命特征的性能退化量；步骤二：试验方案设计与数据采集：确定电机性能退化量参数指标，然后确定需要监测的相关参数及其退化量的失效阈值，最后搭建试验平台，采集试验数据；步骤三：基于Gamma过程的单性能退化建模：步骤四：基于Copula函数的混合相关伽玛多性能退化过程建模：步骤五：寿命预测：根据步骤四得到的可靠度函数进行曲线绘制，对产品寿命进行预测。本发明从电机整体的运行性能角度出发，监测电机的各项运行性能参数变化，能够更好地把握电机整体的可靠性水平。

技术研发人员：吴望平,潘柏松,徐振元
受保护的技术使用者：浙江工业大学台州研究院
技术研发日：
技术公布日：2024/1/13