公开(公告)号：CN112855467A

公开(公告)日：2021-05-28

申请号：CN202110303598.1

申请日：2021-03-22

Applicant: 西安交通大学

Inventor： 雷亚国 ,  蔡潇 ,  李乃鹏 ,  徐鹏程 ,  刘晓飞 ,  赵军

IPC: F03D17/00 ,  F03D9/25 ,  G06Q50/06 ,  G06F30/20

Abstract: 一种风力发电机基准工况转换方法，先建立基准工况转换模型，表示风机任意转速下的原始健康状态观测值和基准观测值之间的映射关系；然后以基准转速观测值的线性插值来近似任意转速转换后的基准观测值，并基于插值误差最小化估计准则，利用最小二乘法估计转换模型的最优参数；最后根据计算出的最优模型参数，将任意转速观测值转换为基准观测值，实现基准工况转换；本发明克服了转速波动所引发的不稳定工况对风机健康状态监测信号的影响，将任意转速下的原始健康状态观测值转换为基准观测值，从而提高风力发电机剩余寿命预测的精度。

公开(公告)号：CN119442586A

公开(公告)日：2025-02-14

申请号：CN202411377147.2

申请日：2024-09-30

Applicant: 西安交通大学

Inventor： 李乃鹏 ,  张明睿 ,  徐鹏程 ,  雷亚国 ,  杨彬 ,  李响

IPC: G06F30/20 ,  G06Q10/04 ,  G06F17/18 ,  G01M13/00 ,  G06F119/04

Abstract: 一种采用模型递归更新策略的机械在线剩余寿命预测方法，先建立机械设备的退化模型和模型库，再确定三个阈值，并基于阈值确定起始退化时间和起始预测时间；然后基于起始退化时间之后的观测值序列，由极大似然估计‑期望最大化组合算法更新模型参数，利用递归贝叶斯信息准则(RBIC)自动选择最优的退化模型；最后根据选择的模型及其更新后的参数，得到剩余寿命预测结果；本发明方法由机械设备自身状态监测数据驱动且利用RBIC分数将监测数据实时匹配最优退化模型，有效表征工业实际中机械设备运行过程中的退化情况，提高了机械设备的剩余寿命预测精度。

公开(公告)号：CN112949204B

公开(公告)日：2022-12-09

申请号：CN202110303590.5

申请日：2021-03-22

Applicant: 西安交通大学

Inventor： 雷亚国 ,  徐鹏程 ,  李乃鹏 ,  蔡潇 ,  刘晓飞 ,  赵军

IPC: G06F30/27 ,  G06N7/00 ,  G06F111/08

Abstract: 一种数据与模型自适应匹配的滚动轴承剩余寿命预测方法，先建立建立与滚动轴承累计旋转圈数有关的状态空间模型，再确定三个阈值，并基于阈值确定起始退化时间和起始预测时间；然后基于起始退化时间之后的观测值序列，由极大似然法更新模型参数，利用贝叶斯信息准则自动选择最优状态空间模型；最后根据选择的模型及其更新后的参数，计算失效时间的概率密度函数，得到剩余寿命预测结果；本发明能够由滚动轴承自身状态监测数据驱动而无需参考任何其他滚动轴承监测数据，并将监测数据实时匹配最优状态空间模型，有效表征工业实际中滚动轴承运行过程中的退化情况，提高了滚动轴承的剩余寿命预测精度。

公开(公告)号：CN112855467B

公开(公告)日：2022-01-11

申请号：CN202110303598.1

申请日：2021-03-22

Applicant: 西安交通大学

Inventor： 雷亚国 ,  蔡潇 ,  李乃鹏 ,  徐鹏程 ,  刘晓飞 ,  赵军

IPC: F03D17/00 ,  F03D9/25 ,  G06Q50/06 ,  G06F30/20

Abstract: 一种风力发电机基准工况转换方法，先建立基准工况转换模型，表示风机任意转速下的原始健康状态观测值和基准观测值之间的映射关系；然后以基准转速观测值的线性插值来近似任意转速转换后的基准观测值，并基于插值误差最小化估计准则，利用最小二乘法估计转换模型的最优参数；最后根据计算出的最优模型参数，将任意转速观测值转换为基准观测值，实现基准工况转换；本发明克服了转速波动所引发的不稳定工况对风机健康状态监测信号的影响，将任意转速下的原始健康状态观测值转换为基准观测值，从而提高风力发电机剩余寿命预测的精度。

公开(公告)号：CN112949204A

公开(公告)日：2021-06-11

申请号：CN202110303590.5

申请日：2021-03-22

Applicant: 西安交通大学

Inventor： 雷亚国 ,  徐鹏程 ,  李乃鹏 ,  蔡潇 ,  刘晓飞 ,  赵军

IPC: G06F30/27 ,  G06N7/00 ,  G06F111/08

Abstract: 一种数据与模型自适应匹配的滚动轴承剩余寿命预测方法，先建立建立与滚动轴承累计旋转圈数有关的状态空间模型，再确定三个阈值，并基于阈值确定起始退化时间和起始预测时间；然后基于起始退化时间之后的观测值序列，由极大似然法更新模型参数，利用贝叶斯信息准则自动选择最优状态空间模型；最后根据选择的模型及其更新后的参数，计算失效时间的概率密度函数，得到剩余寿命预测结果；本发明能够由滚动轴承自身状态监测数据驱动而无需参考任何其他滚动轴承监测数据，并将监测数据实时匹配最优状态空间模型，有效表征工业实际中滚动轴承运行过程中的退化情况，提高了滚动轴承的剩余寿命预测精度。