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！

龙图腾网获悉西安理工大学申请的专利基于混合滤波和状态监测的滚动轴承剩余寿命预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114878164B 。

龙图腾网通过国家知识产权局官网在2025-12-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210466175.6，技术领域涉及：G01M13/045；该发明授权基于混合滤波和状态监测的滚动轴承剩余寿命预测方法是由谢国;韩宁;李艳恺;穆凌霞;刘柏均;金永泽;梁莉莉;费蓉;高帆;王博设计研发完成，并于2022-04-29向国家知识产权局提交的专利申请。

本基于混合滤波和状态监测的滚动轴承剩余寿命预测方法在说明书摘要公布了：本发明公开了一种基于混合滤波和状态监测的滚动轴承剩余寿命预测方法，首先获取滚动轴承运行过程中的水平振动信号；然后利用水平振动信号计算峭度和均方根RMS值，并分别将水平振动信号的峭度和RMS确定为状态监测指标和预测指标，接着采用卡尔曼滤波算法KF监测轴承的运行状态并确定故障起始点FST；当轴承进入退化状态后，采用粒子滤波PF和无迹卡尔曼滤波UKF相结合的混合滤波算法估计未来的均方根值；最后在得到的均方根估计值上建立滑动窗口和线性模型，以确定轴承的失效阈值，并判断均方根值超过失效阈值的时刻，得到剩余寿命预测结果。本发明通过监测滚动轴承的运行状态，确定故障起始点，得到了准确的剩余寿命预测结果。

本发明授权基于混合滤波和状态监测的滚动轴承剩余寿命预测方法在权利要求书中公布了：1.基于混合滤波和状态监测的滚动轴承剩余寿命预测方法，其特征在于，具体按照以下步骤实施： 步骤1、获取滚动轴承运行过程中的水平振动信号； 步骤2、利用步骤1中获取到的水平振动信号计算峭度和均方根RMS值，并分别将水平振动信号的峭度和RMS确定为状态监测指标和预测指标，接着采用卡尔曼滤波算法KF监测轴承的运行状态并确定故障起始点FST； 所述步骤2具体按照以下步骤实施： 步骤2.1、状态监测指标和预测指标的确定：分别选择峭度和RMS作为状态监测指标和预测指标，计算方法如下式所示： 其中，表示峭度，表示均方根值，表示第个振动信号，表示振动信号的平均值，表示采样数量； 步骤2.2、在步骤2.1中将峭度确定为监测指标后，接着基于峭度采用KF算法实时监测轴承的运行状态并确定FST点，通过对峭度的历史数据分析可知，在正常运行阶段，建立基于线性函数模型的KF如下： 状态向量： 其中为时刻的原始峭度值，为时刻的先验状态估计； 状态转移矩阵： 测量矩阵： 过程噪声协方差： 其中为原始峭度值的采样间隔，是过程误差； 步骤2.3、在步骤2.2中对峭度进行滤波后，在滤波值上建立滑动窗口，并通过下式计算窗口内原始值和滤波值之间的相对误差，同时预先设定一个允许的误差边界，若没有超过误差边界，则认为当前时刻仍为正常状态，继续计算下一个监测点；若超过误差边界，则将当前时刻记为FST点，即轴承从正常状态进入了退化状态，KF算法结束，RUL预测过程开始， 其中为时刻的相对误差，为滑动窗口长度，和为第个峭度的原始值和滤波值； 步骤3、当轴承进入退化状态后，采用粒子滤波PF和无迹卡尔曼滤波UKF相结合的混合滤波算法估计未来的均方根值； 所述步骤3具体按照以下步骤实施： 步骤3.1、建立轴承的退化模型为： 其中，为时刻的RMS值，为模型中的未知参数； 步骤3.2、建立轴承退化系统的状态方程和测量方程为： 令，其中分别为系统时刻下参数的过程噪声，则状态方程和测量方程改写为如下形式： 其中，和分别为系统时刻和时刻的退化状态，为时刻的状态参数，为系统时刻的RMS测量值，分别代表，为系统时刻下的过程噪声，为系统时刻下的量测噪声，二者互不相关且均服从零均值的高斯分布，方差分别为和； 步骤3.3、确定预测起始点SPT，通过步骤3.1中建立的退化模型拟合FST点到SPT点间的RMS值，并计算拟合曲线和原始曲线的Fréchet距离，最后选取使Fréchet距离达到最小时的参数作为步骤3.1中轴承退化模型的初始参数； 步骤3.4、采用粒子滤波PF和无迹卡尔曼滤波UKF相结合的混合滤波算法更新步骤3.1中的轴承退化模型参数并估计未来的均方根值； 步骤4、在步骤3中得到的均方根估计值上建立滑动窗口和线性模型，以确定轴承的失效阈值，并判断均方根值超过失效阈值的时刻，得到剩余寿命预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。