CN109783832B - 一种基于贝叶斯修正的液压泵性能退化建模方法 - Google Patents
一种基于贝叶斯修正的液压泵性能退化建模方法 Download PDFInfo
- Publication number
- CN109783832B CN109783832B CN201711163220.6A CN201711163220A CN109783832B CN 109783832 B CN109783832 B CN 109783832B CN 201711163220 A CN201711163220 A CN 201711163220A CN 109783832 B CN109783832 B CN 109783832B
- Authority
- CN
- China
- Prior art keywords
- degradation
- hydraulic pump
- model
- omega
- bayesian
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000006731 degradation reaction Methods 0.000 title claims abstract description 59
- 230000015556 catabolic process Effects 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000012937 correction Methods 0.000 title claims abstract description 8
- 238000012360 testing method Methods 0.000 claims abstract description 22
- 238000009792 diffusion process Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- 238000012423 maintenance Methods 0.000 abstract description 4
- 238000011161 development Methods 0.000 abstract description 2
- 208000035874 Excoriation Diseases 0.000 description 4
- 238000005299 abrasion Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000013476 bayesian approach Methods 0.000 description 1
- 238000013398 bayesian method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Landscapes
- Control Of Positive-Displacement Pumps (AREA)
Abstract
本发明公布了一种基于贝叶斯修正的液压泵性能退化建模方法,主要用于机械设备液压泵系统的故障预测与视情维修的开展。采用指数模型作为液压泵性能退化基础模型,并根据液压泵全寿命性能退化试验的特点,给出了基础模型关键参数的确定方法,并利用已知样本数据估计退化模型参数的先验分布;在此基础上,以贝叶斯理论为基础,利用现场测试数据作为后验信息对退化基础模型进行修正,改善退化模型对液压泵剩余使用寿命的预测能力,提高模型预测的针对性,对于实现液压泵视情维修具有重要意义。
Description
技术领域
本发明涉及液压设备领域的性能退化建模技术。
背景技术
液压泵作为整个液压系统的“心脏”,其性能好坏不仅直接影响液压系统的可靠性,甚至对整个系统的安全运行产生决定性的影响。由于液压泵自身固有的机械振动、泵源与伺服系统的流固耦合作用以及运行环境的多样性,其性能退化是一个非常复杂的过程。建立有效地性能退化模型,能够尽早地捕捉潜在的早期故障行为,估计出液压泵的状态演化趋势以及大致失效时间,从而采取合适的预防性维修策略,可以有效避免事故的发生。因此,液压泵性能退化模型的构建,对于液压泵故障预测技术的发展以及基于状态的维修的实施具有重要意义。
性能退化建模提供了一种将系统退化演变过程表征为数学函数的方法,并以某种性能参数为参考来评估系统的失效时间点以及剩余使用寿命,与传统的基于经验估计的方法相比,具有更强的理论说服力,能够较为客观地反映系统退化过程的一般规律。目前,绝大多数的性能退化建模都是依据传统的可靠性理论,以失效时间作为分析对象,通过大量试验得到被试系统的失效数据,进而推导出统计分布模型。但是,这种基于大样本退化数据的可靠性评估方法需要大量的试验数据作为建模基础,这样会耗费大量的时间以及人力、物力,且所建立的模型与实际偏差较大,不能完全适用于机械产品。
为了克服传统建模方法对大样本数据的依赖,贝叶斯统计理论被应用于可靠性评估和剩余使用寿命预测领域。贝叶斯方法能够在考虑试验样本先验信息的情况下,充分发掘产品在失效之前的退化阶段蕴藏的有效信息,并将其作为后验信息对先验信息进行修正,在不降低置信水平的前提下,通过小样本对产品的剩余使用寿命进行预测,能减少试验次数,节省试验费用和缩短试验时间,提高预测精度和效率。
综上所述,利用贝叶斯统计理论建立液压泵性能退化模型是本发明研究解决的主要问题。
发明内容
根据液压泵退化机理可知,液压泵性能退化主要是由于其运行过程中内部主要器件之间摩擦副(如配油盘-转子、柱塞-缸体等)的摩擦磨损造成。磨损是材料表面的不可逆损伤过程,它与摩擦表面粗糙度、压力、运动速度、磨损类型、材料性能、润滑状态、摩擦副结构等因素息息相关,在摩擦副磨合后存在一个稳定磨损阶段,有一定的规律性。在液压泵性能退化过程中,其最直接的表现是容积效率的下降,因此选用容积效率作为性能参数。液压泵性能退化理论基本模型可以表示为:
η=η0+λ·eωt (1)
其中,η0为液压泵初始容积效率,λ为扩散参数,ω为退化系数;退化系数ω根据液压泵实际运行转速v0和压力p0确定。为了更方便的估计模型参数,对上式两边分别取对数,上式指数退化模型可以转换为:
ln(η-η0)=lnλ+ωt (2)
式中,令η′=ln(η-η0),λ′=lnλ,则上式可以改写成:
η′=λ′+ωt (3)
显然,指数退化模型经转换变为线性退化模型。模型建立之后,需要对模型中的未知参数进行估计,传统线性模型一般采用最小二乘法估计模型参数ω和λ,但该方法在小样本条件下难以准确估计模型参数,造成预测误差较大。因此,本文采用贝叶斯方法对模型参数进行估计,具体步骤如下:
步骤2:根据贝叶斯定理,模型参数ω和λ的后验分布服从正态分布,则ω和λ的后验联合密度函数为:
将式(6)和式(7)联立求解,可以得到四个未知数的解:
步骤3:利用修正后的模型参数够构建退化模型,并对容积效率进行预测,当容积效率η低于正常状态阈值时,判断液压泵到达初始退化阶段。
附图说明
图1是本发明的原理框图;
图2是本发明的加速退化试验台视图;
图3是本发明的试验用液压泵安装的视图;
图4是本发明的液压泵全寿命性能退化试验操作界面视图;
具体实施方式
下面结合附图与实施例对本发明作进一步描述。
图2所示的为液压泵加速退化试验台。驱动电机型号为YPT-280M-2,转速可设为0-3000r/min。液压泵型号为L10VSO28DFR(如图3所示),额定压力为26Mpa,额定转速为2200r/min,失效判定为容积效率η≤85%。在同批次全新的液压泵样本中,随机抽取4台液压泵作为试验样本,在V=2750r/min,P=27.5MPa的试验条件下进行液压泵全寿命性能退化试验,监测并记录容积效率η,记录时间间隔为10h。其中前3组数据作为历史数据,第4组数据作为状态监测现场数据,即测试数据。实验步骤如下:
(1)对试验液压泵的初始容积效率η0进行估计,假设η0服从正态分布,在显著水平0.05下服从概率为0.9921,因此η0服从均值为0.9682、标准差为0.0042的正态分布,η0=96.82%;
(2)根据液压泵容积效率η与采样时间t的数据,用最小二乘法对前3组试验数据进行拟合,得到3组样本的退化模型:
y=0.9682-0.00018132*e0.0001812t (12)
y=0.9682-0.00017962*e0.0001703t (13)
y=0.9682-0.00018143*e0.01654t (14)
(3)计算出退化基础模型参数ω和λ的均值和方差,ω的均值为0.0001723,方差为0.0000001103,λ的均值为0.00018079,方差为0.000001623。
(4)根据历史数据的拟合信息,得到液压泵退化基础模型:
y=0.9682-0.00018079*e0.0001723t
以第4组液压泵全寿命试验数据为例对模型预测精度进行验证,该组试验共进行30412min,其中失效点对应容积效率为85%,因此,设置当退化模型的容积效率预测值低于85%时,液压泵达到失效状态。将液压泵失效阈值输入预测模型,得到退化基础模型的失效时刻为37626min,预测误差达到23.72%。下面利用基于贝叶斯修正的退化模型对第4组试验数据中的关键时间点作为预测起始点对液压泵RUL进行预测,预测点之前的数据作为现场数据对退化基础模型进行优化,并利用优化后的模型对RUL进行预测,预测结果如表1所示。
表1贝叶斯优化后的退化模型预测结果
从表1可知,随着预测时间点的后移,融合现场数据的数量不断增加,基于贝叶斯修正的退化模型对液压泵RUL的预测误差也随之减小。
Claims (3)
1.一种基于贝叶斯修正的液压泵性能退化建模方法,其特征在于:提出了指数模型作为液压泵的性能的退化基础模型,给了模型关键参数的确定方法;其中,所述退化基础模型可以表示为:
η=η0+λ·eωt (1)
其中,η0为所述液压泵的初始容积效率,λ为扩散参数,ω为退化系数;所述退化系数ω根据液压泵实际运行转速v0和压力p0确定;
根据所述液压泵的容积效率η与采样时间t的数据,用最小二乘法对试验数据进行拟合,得到样本的退化模型;
利用样本数据估计所述退化模型参数的先验分布,给出所述退化基础模型的计算方法;
根据贝叶斯理论,利用所述液压泵的现场试验数据作为后验信息对所述退化基础模型进行修正;
根据修正后的退化基础模型,对所述容积效率η进行预测;其中,当所述容积效率η低于正常状态阈值时,判断所述液压泵到达初始退化阶段。
2.根据权利要求1所述的一种基于贝叶斯修正的液压泵性能退化建模方法,其特征在于,
所述指数模型可转化为线性模型:
ln(η-η0)=lnλ+ωt (2);
令η′=ln(η-η0),λ′=lnλ,则上式可以改写成:
η′=λ′+ωt (3)。
3.根据权利要求1所述的一种基于贝叶斯修正的液压泵性能退化建模方法,其特征在于,所述贝叶斯理论的退化模型修正方法包括:
建立所述扩散参数λ与所述退化系数ω的概率密度函数;其中,所述扩散参数λ与所述退化系数ω的先验分布服从正态分布且相互独立,即ω~N(μ0,δ0 2);λ~N(μ1,δ1 2);
所述概率密度函数为:
所述扩散参数λ与所述退化系数ω的后验分布服从正态分布,则所述λ和所述ω的后验联合密度函数为:
所述后验联合密度函数p(ω,λ|η)属于二维正态分布,若ω~N(μ0′,δ0′2);λ~N(μ1′,δ1′2),所述λ和所述ω的相关系数为r,则所述p(ω,λ|η)还可以表示为:
η~N(μ,δ2),其中,δ2=δ1 2+δ02t2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711163220.6A CN109783832B (zh) | 2017-11-14 | 2017-11-14 | 一种基于贝叶斯修正的液压泵性能退化建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711163220.6A CN109783832B (zh) | 2017-11-14 | 2017-11-14 | 一种基于贝叶斯修正的液压泵性能退化建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109783832A CN109783832A (zh) | 2019-05-21 |
CN109783832B true CN109783832B (zh) | 2023-06-02 |
Family
ID=66495663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711163220.6A Active CN109783832B (zh) | 2017-11-14 | 2017-11-14 | 一种基于贝叶斯修正的液压泵性能退化建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109783832B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110441669B (zh) * | 2019-06-27 | 2021-09-17 | 合肥工业大学 | 不确定混杂电路系统的渐变故障诊断和寿命预测方法 |
CN111794978B (zh) * | 2020-07-23 | 2022-02-11 | 中国核动力研究设计院 | 一种安注泵运行寿命预测方法和系统 |
CN112966336B (zh) * | 2021-03-10 | 2023-03-14 | 中国人民解放军海军工程大学 | 一种船舶热力系统状态评估方法及系统、电子设备、存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220500A (zh) * | 2017-05-27 | 2017-09-29 | 上海无线电设备研究所 | 基于逆高斯过程的性能退化试验贝叶斯可靠性评估方法 |
-
2017
- 2017-11-14 CN CN201711163220.6A patent/CN109783832B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220500A (zh) * | 2017-05-27 | 2017-09-29 | 上海无线电设备研究所 | 基于逆高斯过程的性能退化试验贝叶斯可靠性评估方法 |
Non-Patent Citations (1)
Title |
---|
基于性能衰退的航空发动机剩余寿命组合预测方法;任淑红等;《机械科学与技术》;20110115;第30卷(第01期);第23-29页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109783832A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106934125B (zh) | 一种梯形噪声分布的指数模型机械设备剩余寿命预测方法 | |
CN108037463B (zh) | 一种锂离子电池寿命预测方法 | |
CN109783832B (zh) | 一种基于贝叶斯修正的液压泵性能退化建模方法 | |
CN108460230B (zh) | 基于数据融合的腐蚀油气管道剩余寿命及可靠性预测方法 | |
CN109948860A (zh) | 一种机械系统剩余寿命预测方法及系统 | |
US20240010100A1 (en) | Processing of status data of a battery for aging estimation | |
Ma et al. | Engineering‐driven performance degradation analysis of hydraulic piston pump based on the inverse Gaussian process | |
Zhang et al. | Health state assessment of bearing with feature enhancement and prediction error compensation strategy | |
CN108304348B (zh) | 一种基于二元维纳过程的轴承剩余寿命预测方法 | |
CN102252843A (zh) | 一种滚动轴承性能变异的评估方法 | |
CN115329283B (zh) | 一种启动马达高强度换向器寿命预测方法 | |
WO2023040400A1 (zh) | 一种挖掘机故障的预测方法、装置、电子设备及存储介质 | |
CN109101750B (zh) | 一种电子器件湿热环境下的加速寿命预测方法 | |
CN116538092B (zh) | 一种压缩机在线监测及诊断方法、装置、设备及存储介质 | |
CN110750899B (zh) | 基于概率服役寿命代理关系的核主泵系统可靠性分析方法 | |
Jing et al. | Research on life prediction of airborne fuel pump based on combination of degradation data and life data | |
JP2018169754A (ja) | 情報処理装置、情報処理方法およびプログラム | |
CN110895625A (zh) | 性能退化产品可靠度置信区间估计数值仿真方法 | |
CN106022388A (zh) | 一种多特征融合的加注泵异常工况检测方法 | |
CN107083951B (zh) | 油气井监测方法和装置 | |
CN107291967B (zh) | 液压泵性能退化双应力指数模型建模方法 | |
CN110516323B (zh) | 一种基于时序分析的压力管道损伤预测方法 | |
CN110895624A (zh) | 基于最大熵谱估计的加速贮存与自然贮存退化数据一致性检验法 | |
CN110472275B (zh) | 飞轮产品不同工况下数据处理与寿命评估方法 | |
CN110866325B (zh) | 一种基于间接监测数据设备剩余寿命不完美维护预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |