一种轴承剩余寿命预测方法、装置、设备及可读存储介质与流程

1.本发明涉及交通运输技术领域，具体而言，涉及动车组的轴承分析技术领域，尤其涉及一种轴承剩余寿命预测方法、装置、设备及可读存储介质。


背景技术：

2.随着我国高铁运输里程的增加，动车组在铁路客运中的占比也不断提高，动车组的运用维护所需的成本也在不断提高。其中轴箱轴承作为轴箱装置中的关键部件，承受载荷大，运行工况恶劣多变，根据运用维护数据发现，每年都会有大量的轴箱轴承损坏导致列车降速运行而晚点，甚至临时停车。
3.由于我国高铁长交路运营和轴承的恶劣环境导致轴承极易发生故障，因此有必要对轴承的状态管理技术进行研究，研究高速列车轴箱轴承的剩余寿命预测技术，以便预测轴箱轴承寿命到限时间，从而指导运维单位的维修，提高列车运行安全性。


技术实现要素：

4.本发明的目的在于提供一种轴承剩余寿命预测方法、装置、设备及可读存储介质，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：
5.第一方面，本技术提供了一种轴承剩余寿命预测方法，包括：
6.获取轴承运维数据，对轴承运维数据进行预处理，得到轴承故障数据，其中运维数据包括车载系统报警数据和待检修故障数据；
7.基于生存曲线算法对轴承故障数据进行处理，得到第一可靠性模型；
8.分析不同维修区间内轴承的各阶段的故障率变化规律，采用第一函数对故障率变化规律进行拟合，得到第二可靠性模型；
9.采用以可靠性为中心的维修方法，分别对第一可靠性模型和第二可靠性模型进行处理，得到第一剩余寿命结果和第二剩余寿命结果，并求取第一剩余寿命结果和第二剩余寿命结果的平均值，得到最终轴承剩余寿命预测结果。
10.优选地，所述对轴承运维数据进行预处理，得到轴承故障数据，其中包括：
11.对获取到的轴承运维数据进行清理和复核，得到第一处理结果，其中清理包括缺失数据的填充处理、异常数据的剔除处理和数据无纲量化处理；
12.对第一处理结果进行分析，得到第二处理结果，其中分析包括对第一处理结果进行描述性分析、数据动态分析、相关性分析和回归分析；
13.将第二处理结果依据关键字进行分类存储，得到轴承故障数据，其中关键字包括车型和维修级别。
14.优选地，所述基于生存曲线算法对轴承故障数据进行处理，得到第一可靠性模型，其中包括：
15.采用生存曲线算法得到可靠性分布函数，其中生存曲线算法公式如下：
16.17.式中，r(t)为可靠度函数，为生存分布函数，z(i)为变量zi的顺序统计变量，其中zi＝min(xi,yi)，xi为非负随机变量,yi是相应的干扰随机变量；δ(i)为判断是否是截断数据的参数即截断指示函数，若为截断数据，则δ(i)＝0；若为真实寿命，则δ(i)＝1。
18.基于可靠性分布函数和与轴承可靠度相对应的函数关系，得到失效概率经验分布函数；
19.利用数学模型对失效概率经验分布函数进行拟合，得到第一可靠性模型，其中拟合过程包括对轴承的分布类型的选择、分布参数的估计和分布类型的检验。
20.优选地，所述拟合过程包括对轴承的分布参数的估计，其中包括：
21.利用应用数学软件进行参数估计，参数估计用到的方法是威布尔概率纸方法，其中威布尔概率纸的计算公式如下：
[0022][0023]
式中，f(t)为威布尔分布累积失效概率函数，及失效概率分布函数；λ为尺寸参数，α是形状参数，t为里程/时间，将上式变形，对等号两侧同时取对数运算进行线性化计算，可得到线性结果：
[0024][0025]
式中，为在ti时刻/走行里程观察得到的失效概率值，的定义是在ti前发生失效的产品数与开始参加试验的产品数之比；
[0026]
根据最小二乘线性回归法，对线性结果进行计算，得到威布尔分布的形状参数和尺寸参数的估计值。
[0027]
优选地，所述拟合过程包括对轴承的分布类型的检验，其中包括：
[0028]
采用理论分布法建立轴承的分布函数；
[0029]
基于k-s检验对分布函数进行检验，得到最大偏差值，其检验公式如下：
[0030]dn
＝sup|fn(t)-f0(t)|
[0031]
式中，sup(
·
)为max(
·
)，fn(t)为样本容量为n的经验分布函数，f0(t)为理论分布函数，dn为最大偏差值；
[0032]
将最大偏差值与预设的临界值进行比较，得到最终的检验结果。
[0033]
优选地，所述分析不同维修区间内轴承的各阶段的故障率变化规律，其中包括：
[0034]
确定故障率和轴承单位时间工作内的里程数；
[0035]
根据故障率和里程数得到轴承故障率曲线，其中故障率曲线包括早期失效期、产品使用寿命期和耗损失效期；
[0036]
基于故障曲线中的斜率情况，判断故障率变化规律情况。
[0037]
优选地，所述得到第一剩余寿命结果，其中包括：
[0038]
获取轴承失效规律演变曲线；
[0039]
基于第一可靠性模型，综合轴承的工作环境和预设的安全条件，采用以可靠性为中心的维修方法初步预测轴承剩余寿命；
[0040]
确定轴承风险控制要求，当轴承运行风险达到该控制要求时，对初步预测轴承剩
余寿命进行再次预测，得到第一剩余寿命结果。
[0041]
第二方面，本技术还提供了一种轴承剩余寿命预测装置，包括获取模块、处理模块、拟合模块和计算模块，其中：
[0042]
获取模块：用于获取轴承运维数据，对轴承运维数据进行预处理，得到轴承故障数据，其中运维数据包括车载系统报警数据和待检修故障数据；
[0043]
处理模块：用于基于生存曲线算法对轴承故障数据进行处理，得到第一可靠性模型；
[0044]
拟合模块：用于分析不同维修区间内轴承的各阶段的故障率变化规律，采用第一函数对故障率变化规律进行拟合，得到第二可靠性模型；
[0045]
计算模块：用于采用以可靠性为中心的维修方法，分别对第一可靠性模型和第二可靠性模型进行处理，得到第一剩余寿命结果和第二剩余寿命结果，并求取第一剩余寿命结果和第二剩余寿命结果的平均值，得到最终轴承剩余寿命预测结果。
[0046]
第三方面，本技术还提供了一种轴承剩余寿命预测设备，包括：
[0047]
存储器，用于存储计算机程序；
[0048]
处理器，用于执行所述计算机程序时实现所述轴承剩余寿命预测方法的步骤。
[0049]
第四方面，本技术还提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于轴承剩余寿命预测方法的步骤。
[0050]
本发明的有益效果为：
[0051]
本发明采用对轴承运维数据进行预处理，提高数据分析处理准确性，避免了数据误差大的缺陷，减轻后续工作压力。
[0052]
本发明搭建两种可靠度数学模型，两种可靠度数学模型基于不同角度考虑，但都是以提高轴承工作安全性与可靠性为目标，以有效预测轴箱轴承的剩余服役寿命与优化维修修程为前提，同时该算法能够以走行里程为单位直观给出轴承的剩余寿命，可有效指导维修单位的维修。
[0053]
本发明采用以可靠性为中心的维修方法，确定合理的风险控制要求指标和可靠度指标，以实现轴承的剩余服役寿命预测和维修修程优化。
[0054]
本发明采用k-s检验法，对样本容量没有特殊要求以及可对给定的偏差进行检验，适用于大多数场景，使得检验结果更加精准。
[0055]
本发明中的轴承作为转向架的关键零部件，预测其剩余使用寿命，不但可以预防事故的发生，还可以为列车制定修复、改进和预防等政策提供重要依据。
[0056]
本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
[0057]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0058]
图1为本发明实施例中所述的轴承剩余寿命预测方法流程示意图；
[0059]
图2为本发明实施例中所述的轴承剩余寿命预测装置结构示意图；
[0060]
图3为本发明实施例中所述的轴承剩余寿命预测设备结构示意图；
[0061]
图4为本发明实施例中所述的轴承剩余寿命预测的产品故障率曲线示意图；
[0062]
图5为本发明实施例中所述的轴承剩余寿命预测的主动风险控制示意图；
[0063]
图6为本发明实施例中所述的轴承剩余寿命预测的维修修程示意图。
[0064]
图中：701、获取模块；7011、清理单元；7012、分析单元；7013、存储单元；702、处理模块；7021、第一获得单元；7022、第二获得单元；7023、拟合单元；70231、估算单元；70232、计算单元；70233、建立函数单元；70234、检验单元；70235、比较单元；703、拟合模块；7031、确定单元；7032、第三获得单元；7033、判断单元；704、计算模块；7041、获取单元；7042、第一预测单元；7043、第二预测单元；800、轴承剩余寿命预测设备；801、处理器；802、存储器；803、多媒体组件；804、i/o接口；805、通信组件。
具体实施方式
[0065]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0066]
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0067]
实施例1：
[0068]
本实施例提供了一种轴承剩余寿命预测方法。
[0069]
参见图1，图中示出了本方法包括步骤s100、步骤s200、步骤s300和步骤s400。
[0070]
s100、获取轴承运维数据，对轴承运维数据进行预处理，得到轴承故障数据，其中运维数据包括车载系统报警数据和待检修故障数据。
[0071]
具体地，海量的轴箱轴承运维数据(主要包括车载系统报警数据和工作人员进行维修检查发现的轴箱轴承故障数据)，存在数据量大、异构、多维和多尺度等多种问题，需要进行处理才能进行后续的分析，如果直接将算法或模型建立在原始运维数据集上，很可能导致分析的结果不准确或者误差大。所以为了减轻后续工作压力，需要将轴承运维数据进行处理与分析。其主要内容如下：
[0072]
可以理解的是，在s100步骤中包括s101、s102和s103，其中：
[0073]
s101、对获取到的轴承运维数据进行清理和复核，得到第一处理结果，其中清理包括缺失数据的填充处理、异常数据的剔除处理和数据无纲量化处理；数据复核则针对数据的有效性，旨在提高数据准确度。
[0074]
s102、对第一处理结果进行分析，得到第二处理结果，其中分析包括对第一处理结
果进行描述性分析、数据动态分析、相关性分析和回归分析；
[0075]
s103、将第二处理结果依据关键字进行分类存储，得到轴承故障数据，其中关键字包括车型和维修级别。
[0076]
需要说明的是，将最后清理与分析的轴承运维数据，按照车型和维修级别等关键字，将数据分区储存，以便后续的数据的深化处理。
[0077]
在本实施例中，需要从两个方面搭建可靠性模型，一个是根据轴箱轴承可靠度演变规律建立相应的数学模型；经过数据处理的故障数据，分析轴箱轴承在现阶段服役里程内的可靠度性能演变规律，同时选择合适的分布模型拟合轴箱轴承的可靠度性能演变规律；第二个是结合轴箱轴承的维修里程，考虑维修带来的装配等问题对轴箱轴承可靠度性能的影响即剩余寿命的影响，主要是通过分析轴箱轴承不同维修区间内的故障率变化曲线建立故障率数学模型，再根据故障率与可靠度之间的函数关系，建立轴箱轴承的可靠度数学模型。在本实施例中，第一个数学模型为第一可靠性模型，第二个数学模型为第二可靠性模型。
[0078]
s200、基于生存曲线算法对轴承故障数据进行处理，得到第一可靠性模型。
[0079]
需要说明的是，由于高速动车组服役时间较短，因此获得的轴承故障数据并不是全寿命周期数据，而是基于某个时间点被截断的数据，所以在进行轴箱轴承服役性能演变规律研究时，需应用相关理论对故障数据进行处理，具体内容如下：
[0080]
可以理解的是，在本s200步骤中包括s201、s202和s203，其中：
[0081]
s201、采用生存曲线算法得到可靠性分布函数，其中生存曲线算法公式如下：
[0082][0083]
式中，r(t)为可靠度函数，为生存分布函数，z(i)为变量zi的顺序统计变量，其中zi＝min(xi,yi)，xi为非负随机变量,yi是相应的干扰随机变量；δ(i)为判断是否是截断数据的参数即截断指示函数，若为截断数据，则δ(i)＝0；若为真实寿命，则δ(i)＝1。
[0084]
需要说明的是，在采用生存曲线之前需要对截断数据进行处理，得到轴承的生存分布概率，又称为乘积极限(pl)估计。其涉及的计算公式与假设如下：
[0085]
设x1,x2,...,xn为非负随机变量，相互独立具有共同的生存函数s(t)，y1,y2,...,yn是相应的干扰随机变量，即：
[0086][0087]
式中，z
(1)
,z
(2)
,...,z
(n)
为z1,z2,...,zn的顺序统计量；δ
(1)
,δ
(2)
,...,δ
(n)
为与z
(1)
,z
(2)
,...,z
(n)
相应的截断指示函数，为简单计，视z
(1)
,z
(2)
,...,z
(n)
为常数，并且
[0088][0089]
由于寿命长于z
(i-1)
的个体共有n-i+1个，若z(i)为真实寿命(δ(i)＝1)，则表明寿命长于z
(i-1)
的n-i+1个个体中恰有一个是在(z
(i-1)
，z(i)]中死亡；反之，若z(i)为截断数据(δ(i)＝0)，则表明寿命长于z
(i-1)
的n-i+1个个体中没有一个是在(z
(i-1)
，z(i)]中死亡。从而p(x》z(i)|x》z
(i-1)
)的一个合理的估计为：
[0090][0091]
式中，是对这个区间的生存概率的一个估计，假定没有发生死亡时，生存概率为1，若出现一个死亡，则失效概率为1/(n-i-1)，则生存概率变为(1-1/(n-i-1))
[0092]
整理上式，其公式为：
[0093][0094]
式中，r(t)为可靠度函数，为生存分布函数，z(i)为变量zi的顺序统计变量，其中zi＝min(xi,yi)，xi为非负随机变量,yi是相应的干扰随机变量；δ(i)为判断是否是截断数据的参数即截断指示函数，若为截断数据，则δ(i)＝0；若为真实寿命，则δ(i)＝1。
[0095]
s202、基于可靠性分布函数和与轴承可靠度相对应的函数关系，得到失效概率经验分布函数；
[0096]
其中可靠度与失效概率对应的函数关系为：
[0097]
f(t)＝1-r(t)或r(t)＝1-f(t)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0098]
式中，f(t)为失效概率经验分布函数，r(t)为可靠度函数。
[0099]
s203、利用数学模型对失效概率经验分布函数进行拟合，得到第一可靠性模型，其中拟合过程包括对轴承的分布类型的选择、分布参数的估计和分布类型的检验。
[0100]
需要说明的是，由得到的失效概率经验分布函数f(t)，可知轴箱轴承的失效概率演变规律，接着需要选择合适数学模型，对轴箱轴承的失效概率进行拟合，主要包括分布类型的选择、分布参数的估计以及分布类型的检验，便可得到失效概率分布模型。下面是拟合过程：
[0101]
在本实施例中，对轴承的分布类型的选择为：机械零件常用的分布形式有正态分布、指数分布和威布尔分布等分布。本实施例中假设轴箱轴承符合正态分布、对数正态分布以及威布尔分布这三种分布类型。
[0102]
在本实施例中，对轴承的分布参数的估计为：参数估计方法有图估法、最小二乘法、极大似然法和矩估计法等方法，对于正态分布、对数正态分布采用高斯-牛顿法估计其分布参数(借助matlab软件相关函数实现)，针对威布尔分布考虑用威布尔概率纸的方法对其分布参数进行估计：
[0103]
需要说明的是，步骤s203中包括s2031和s2032，其中包括：
[0104]
s2031、利用应用数学软件进行参数估计，参数估计用到的方法是威布尔概率纸方法，其中威布尔概率纸的计算公式如下：
[0105][0106]
式中，λ为尺寸参数，α是形状参数，t为里程/时间，f(t)为威布尔分布函数，将(6)式变形，对等号两侧同时取对数运算进行线性化计算，可得到线性结果：
[0107]
[0108]
式中，为在ti时刻/走行里程观察得到的失效概率值，的定义是在ti前发生失效的产品数与开始参加试验的产品数之比；
[0109]
引入变量yi、xi、a和b，具体关系表达式如下：
[0110][0111]
则可得到yi＝a+bxiꢀꢀꢀꢀꢀꢀꢀ
(9)
[0112]
式中，a和b为引入的变量。
[0113]
通过引入变量，式(8)和式(9)保留了式(7)的函数关系，简化了计算过程。
[0114]
s2032、根据最小二乘线性回归法，对线性结果进行计算，得到威布尔分布的形状参数和尺寸参数的估计值。
[0115]
通过最小二乘线性回归，可得
[0116][0117]
式中，a和式(8)、式(9)中的a一样，为求出威布尔分布的形状参数和尺寸参数，须通过以上式子变换得到；
[0118]
其中分别为观测值xi和yi的均值，根据式(8)和(10)可得，
[0119][0120][0121]
基于以上，最终可得到威布尔分布的形状参数和尺寸参数的估计值。
[0122]
在本实施例中，对轴承的分布类型的检验为：常用的拟合优度检验方法有χ2检验法和k-s检验法。由于k-s检验具有检验精确、对样本容量没有特殊要求以及可对给定的偏差进行检验等优点，适用于大多数场景，所以采用k-s检验法对假设的分布类型进行检验。
[0123]
需要说明的是，步骤s203中还包括s2033、s2034和s2035，其中包括：
[0124]
s2033、采用理论分布法建立轴承的分布函数；
[0125]
需要说明的是，在显著性水平α下，建立假设式：
[0126]
h：f(x)＝f0(x)；h1：f(x)≠f0(x)
[0127]
其中，f0(x)表示假设样本总体所服从的分布函数，即理论分布；f(x)指的就是经验失效概率分布函数，上式为概率论假设检验的通用表达式，h为原假设，h1为备择假设。
[0128]
本实施例中，k-s检验其依据是字样检测的累积分布非常接近于真实的累积分布。拟合优度的度量方法是找出子样和母体间的最大偏差值，即检验统计量按下式(13)，有：
[0129]
s2034、基于k-s检验对分布函数进行检验，得到最大偏差值，其检验公式如下：
[0130]dn
＝sup|fn(t)-f0(t)|
ꢀꢀꢀꢀ
(13)
[0131]
式中，sup(
·
)为max(
·
)，fn(t)为样本容量为n的经验分布函数，f0(t)为理论分布函数，dn为最大偏差值。
[0132]
s2035、将最大偏差值与预设的临界值进行比较，得到最终的检验结果。
[0133]
需要说明的是，将此最大偏差值dn与临界值d
(n,α)
相比较，若dn《d
(n,α)
，则接受原假设，否则拒绝。
[0134]
检验步骤完成后，将拒绝不符合轴承失效概率演变规律的分布模型，接受符合轴承失效规律的分布模型，从而建立失效概率分布模型，并根据式(5)，建立轴承可靠度数学模型，即第一可靠性模型。
[0135]
s300、分析不同维修区间内轴承的各阶段的故障率变化规律，采用第一函数对故障率变化规律进行拟合，得到第二可靠性模型。
[0136]
需要说明的是，除失效概率与可靠度等可以用来描述产品总体可靠性水平高低外，故障率作为预测t(t为产品工作至某一时间)之后的下一单位时间内发生失效的产品数目与工作到该时刻尚未失效的产品数目之比的特征量，也是产品可靠性常用的数量特征之一，故障率越高的产品，其可靠性越低，其计算公式如下：
[0137][0138]
式中，λ(t)为故障率函数，t为产品工作至某一时间之后的下一单位时间内发生失效的产品数目与工作到该时刻尚未失效的产品数目之比的特征量，x为随机变量，表示在(t，t+δt]区间内的随机变量，并且δt
→0+
。
[0139]
假定极限存在，且x的密度函数f(t)存在时，则故障率λ(t)与可靠度r(t)之间的关系为
[0140][0141]
或
[0142][0143]
式中，r
′
(t)为可靠度函数r(t)的一阶微分，u为某一假设变量，用来区分变量t，f(t)为密度函数。
[0144]
另外，考虑到维修时，有些部件或者轴箱轴承本身会重新进行装配，会导致相关部件重新进行磨合与适应，所以在维修后的初期，会出现故障率过高的现象，由故障率与可靠度的关系可知，故障率越高，可靠性越低，即表示轴箱轴承不能保持良好的工作性能，从而影响着轴箱轴承的剩余使用寿命。而轴箱轴承作为转向架的关键零部件，预测其剩余使用寿命，不但可以预防事故的发生，还可以为列车制定修复、改进和预防等政策提供重要依据，所以需要着重分析维修性能对轴箱轴承的寿命影响。
[0145]
为研究维修性能对轴箱轴承的寿命影响，考虑以维修区间为界限，分析不同维修区间内轴箱轴承的故障率变化曲线。具体方法如下：
[0146]
可以理解的是，在本s300步骤中包括s301、s302和s303，其中：
[0147]
s301、确定故障率和轴承单位时间工作内的里程数；
[0148]
需要说明的是，首先根据故障率和工作时间内的里程数画出浴盆曲线，即产品故障率曲线。
[0149]
s302、根据故障率和里程数得到轴承故障率曲线，其中故障率曲线包括早期失效期、产品使用寿命期和耗损失效期；
[0150]
需要说明的是，如图4所示，可知产品的故障率随时间的变化可分为三个阶段：早
期失效期、偶然失效期和耗损失效期，其中偶然失效阶段是产品最好的工作期，其持续时间也比较长，也称产品的使用寿命期。但是实际情况中，在轴箱轴承的某级维修区间内，故障率曲线变化不会完全包括三个阶段，可能会发生三个阶段随机组合的情况，比如一直处于偶然失效期，或者先是早期失效阶段，然后一直是偶然失效阶段等等情况，因此需要对某级维修区间内出现的情况进行判断。
[0151]
s303、基于故障曲线中的斜率情况，判断故障率变化规律情况。
[0152]
具体地，下面分别分变化阶段进行详细阐述：
[0153]
1.早期失效期判断：由浴盆曲线可知，处于早期失效阶段时，故障率随着时间(里程)的增加而不断减小，所以可根据相邻故障率变化的斜率来判断是否处于早期失效阶段，若斜率在维修区间内的某一连续时间(里程)内均小于0，则可判断该连续时间(里程)的故障率处于早期失效阶段。
[0154]
2.偶然失效期判断：由浴盆曲线可知，处于偶然失效期时，故障率随着时间(里程)的增加而不变，所以若故障率在维修区间内的某一连续时间(里程)内保持稳定不变，则可判断该连续时间(里程)的故障率处于偶然失效期。
[0155]
3.耗损失效期判断：由浴盆曲线可知，处于耗损失效期内，故障率随着时间(里程)的增加而逐渐升高。判断方法类似早期失效期，若斜率在维修区间内的某一连续时间(里程)内均大于0，则可判断该连续时间(里程)的故障率处于耗损失效阶段。
[0156]
具体地，判断变化规律之后，选择合适的数学模型，包括但是不限于使用指数函数、三次函数和对数函数等对故障率各阶段的变化规律进行拟合。其中由于偶然失效阶段内故障率恒定不变，根据故障率与可靠度之间的函数关系式(16)可知，此时可靠度变化符合指数函数，因此选择指数函数对偶然失效期的故障率进行拟合。基于公式(2)，同时根据故障率与可靠度之间的公式(15)或公式(16)，可得到轴箱轴承在各级维修区间内的可靠度数学模型，即第二可靠性模型。
[0157]
s400、采用以可靠性为中心的维修方法，分别对第一可靠性模型和第二可靠性模型进行处理，得到第一剩余寿命结果和第二剩余寿命结果，并求取第一剩余寿命结果和第二剩余寿命结果的平均值，得到最终轴承剩余寿命预测结果。
[0158]
可以理解的是，在本s400步骤中包括s401、s402和s403，其中：
[0159]
s401、获取轴承失效规律演变曲线；
[0160]
s402、基于第一可靠性模型，综合轴承的工作环境和预设的安全条件，采用以可靠性为中心的维修方法初步预测轴承剩余寿命；
[0161]
s403、确定轴承风险控制要求，当轴承运行风险达到该控制要求时，对初步预测轴承剩余寿命进行再次预测，得到第一剩余寿命结果。
[0162]
需要说明的是，如图5所示，以可靠性为中心的维修方法可将维修策略从传统的“故障预防”升级为“主动风险管理”。根据轴承失效规律演变曲线(轴箱轴承工作可靠度由1下降至0的变化趋势，即风险由0上升至1的变化趋势)，应用可靠性为中心的维修方法去预测轴箱轴承剩余寿命，综合考虑轴箱轴承工作环境以及安全性要求，确定轴箱轴承风险控制要求，当轴箱轴承运行风险达到该控制要求时，即可确定轴箱轴承的剩余寿命(服役里程)。
[0163]
基于以可靠性为中心的维修方法为基础的维修修程优化，综合考虑了故障恶化速
度、冗余度等要求，将故障影响等级划分为安全性、使用性与经济性这三个等级，其中安全性指的是故障发生后会造成动车组发生脱轨、倾覆、追尾等安全事故的故障等级，使用性指的是故障发生后会造成动车组停车、换乘等影响列车运行品质与乘客体验的故障等级，经济性指的是故障发生后不影响动车组使用，但需要增加人力和物力进行维修而造成不应有的经济损失的故障等级，同时将故障恶化速度划分为快和慢两个等级，将冗余度划分为低和高两个等级，从而可确定不同故障影响等级下、不同故障恶化速度与冗余度等级下的动车组安全运行的可接受的最低可靠度指标。结合轴箱轴承的可靠度变化规律曲线，当轴箱轴承的可靠度运行下降至可靠度指标时，则与之对应的时间/里程便是轴箱轴承的维修时间节点即维修修程，如图6所示。
[0164]
步骤s400中，所述求取第一剩余寿命结果和第二剩余寿命结果的平均值，得到最终轴承剩余寿命预测结果，其中包括：
[0165]
需要说明的是，上述过程中得到了两个不同的轴承可靠度数学模型，即第一可靠性模型和第二可靠性模型，接下来将两个不同的数学模型分别进行计算，可得到不同模型对应的轴箱轴承剩余寿命与维修修程的计算结果，为平衡二者之间的差异，则考虑求取两个数学模型的剩余寿命计算结果的平均值，以最后给出轴箱轴承的剩余寿命/剩余服役里程，维修修程亦如此。
[0166]
综上所述，两个轴箱轴承的可靠度数学模型基于不同角度考虑，但都是以提高轴箱轴承工作安全性与可靠性为目标，以有效预测轴箱轴承的剩余服役寿命与优化维修修程。同时该算法能够以走行里程为单位直观给出轴箱轴承的剩余寿命，可有效指导维修单位的维修。
[0167]
实施例2：
[0168]
如图2所示，本实施例提供了一种轴承剩余寿命预测装置，参见图2所述装置包括获取模块701、处理模块702、拟合模块703和计算模块704，其中：
[0169]
获取模块701：用于获取轴承运维数据，对轴承运维数据进行预处理，得到轴承故障数据，其中运维数据包括车载系统报警数据和待检修故障数据；
[0170]
处理模块702：用于基于生存曲线算法对轴承故障数据进行处理，得到第一可靠性模型；
[0171]
拟合模块703：用于分析不同维修区间内轴承的各阶段的故障率变化规律，采用第一函数对故障率变化规律进行拟合，得到第二可靠性模型；
[0172]
计算模块704：用于采用以可靠性为中心的维修方法，分别对第一可靠性模型和第二可靠性模型进行处理，得到第一剩余寿命结果和第二剩余寿命结果，并求取第一剩余寿命结果和第二剩余寿命结果的平均值，得到最终轴承剩余寿命预测结果。
[0173]
具体地，所述获取模块701，其中包括清理单元7011、分析单元7012和存储单元7013，其中：
[0174]
清理单元7011：用于对获取到的轴承运维数据进行清理和复核，得到第一处理结果，其中清理包括缺失数据的填充处理、异常数据的剔除处理和数据无纲量化处理；
[0175]
分析单元7012：用于对第一处理结果进行分析，得到第二处理结果，其中分析包括对第一处理结果进行描述性分析、数据动态分析、相关性分析和回归分析；
[0176]
存储单元7013：用于将第二处理结果依据关键字进行分类存储，得到轴承故障数
据，其中关键字包括车型和维修级别。
[0177]
具体地，所述处理模块702，包括第一获得单元7021、第二获得单元7022和拟合单元7023，其中：
[0178]
第一获得单元7021：用于采用生存曲线算法得到可靠性分布函数，其中生存曲线算法公式如下：
[0179][0180]
式中，r(t)为可靠度函数，为生存分布函数，z(i)为变量zi的顺序统计变量，其中zi＝min(xi,yi)，xi为非负随机变量,yi是相应的干扰随机变量；δ(i)为判断是否是截断数据的参数即截断指示函数，若为截断数据，则δ(i)＝0；若为真实寿命，则δ(i)＝1。
[0181]
第二获得单元7022：用于基于可靠性分布函数和与轴承可靠度相对应的函数关系，得到失效概率经验分布函数；
[0182]
拟合单元7023：用于利用数学模型对失效概率经验分布函数进行拟合，得到第一可靠性模型，其中拟合过程包括对轴承的分布类型的选择、分布参数的估计和分布类型的检验。
[0183]
具体地，所述拟合单元7023包括估算单元70231和计算单元70232，其中：
[0184]
估算单元70231：用于利用数学软件进行参数估计，参数估计的方法为威布尔概率纸法，其中威布尔概率纸的计算公式如下：
[0185][0186]
式中，f(t)为威布尔分布累积失效概率函数，λ为尺寸参数，α是形状参数，t为里程/时间，将上式变形，对等号两侧同时取对数运算进行线性化计算，可得到线性结果：
[0187][0188]
式中，为在ti时刻/走行里程观察得到的失效概率值，的定义是在ti前发生失效的产品数与开始参加试验的产品数之比；
[0189]
计算单元70232：用于根据最小二乘线性回归法，对线性结果进行计算，得到威布尔分布的形状参数和尺寸参数的估计值。
[0190]
具体地，所述拟合单元7023还包括建立函数单元70233、检验单元70234和比较单元70235，其中还包括：
[0191]
建立函数单元70233：用于采用理论分布法建立轴承的分布函数；
[0192]
检验单元70234：用于基于k-s检验对分布函数进行检验，得到最大偏差值，其检验公式如下：
[0193]dn
＝sup|fn(t)-f0(t)|
[0194]
式中，sup(
·
)为max(
·
)，fn(t)为样本容量为n的经验分布函数，f0(t)为理论分布函数，dn为最大偏差值；
[0195]
比较单元70235：用于将最大偏差值与预设的临界值进行比较，得到最终的检验结果。
[0196]
具体地，所述拟合模块703包括确定单元7031、第三获得单元7032和判断单元
7033，其中：
[0197]
确定单元7031：用于确定故障率和轴承单位时间工作内的里程数；
[0198]
第三获得单元7032：用于根据故障率和里程数得到轴承故障率曲线，其中故障率曲线包括早期失效期、产品使用寿命期和耗损失效期；
[0199]
判断单元7033：用于基于故障曲线中的斜率情况，判断故障率变化规律情况。
[0200]
具体地，所述计算模块704包括获取单元7041、第一预测单元7042和第二预测单元7043，其中：
[0201]
获取单元7041：用于获取轴承失效规律演变曲线；
[0202]
第一预测单元7042：用于基于第一可靠性模型，综合轴承的工作环境和预设的安全条件，采用以可靠性为中心的维修方法初步预测轴承剩余寿命；
[0203]
第二预测单元7043：用于确定轴承风险控制要求，当轴承运行风险达到该控制要求时，对初步预测轴承剩余寿命进行再次预测，得到第一剩余寿命结果。
[0204]
需要说明的是，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0205]
实施例3：
[0206]
对应于上面的方法实施例，本实施例中还提供了一种轴承剩余寿命预测设备，下文描述的一种轴承剩余寿命预测设备与上文描述的一种轴承剩余寿命预测方法可相互对应参照。
[0207]
图3是根据示例性实施例示出的一种轴承剩余寿命预测设备800的框图。如图3所示，该轴承剩余寿命预测设备800包括：处理器801和存储器802。该轴承剩余寿命预测设备800还包括多媒体组件803，i/o接口804，以及通信组件805中的一者或多者。
[0208]
其中，处理器801用于控制该轴承剩余寿命预测设备800的整体操作，以完成上述的轴承剩余寿命预测方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该轴承剩余寿命预测设备800的操作，这些数据例如可以包括用于在该轴承剩余寿命预测设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(static random access memory，简称sram)，电可擦除可编程只读存储器(electrically erasable programmable read-only memory，简称eeprom)，可擦除可编程只读存储器(erasable programmable read-only memory，简称eprom)，可编程只读存储器(programmable read-only memory，简称prom)，只读存储器(read-only memory，简称rom)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。i/o接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘、鼠标或按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该轴承剩余寿命预测设备800与其他设备之间进行有线或无线通信。无线通信，例如wi-fi、蓝牙、近场通信(near fieldcommunication，简称nfc)、2g、3g或4g，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：wi-fi模块、蓝牙模块
或nfc模块。
[0209]
在一示例性实施例中，轴承剩余寿命预测设备800可以被一个或多个应用专用集成电路(application specific integrated circuit，简称asic)、数字信号处理器(digitalsignal processor，简称dsp)、数字信号处理设备(digital signal processing device，简称dspd)、可编程逻辑器件(programmable logic device，简称pld)、现场可编程门阵列(field programmable gate array，简称fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的轴承剩余寿命预测方法。
[0210]
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的轴承剩余寿命预测方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由轴承剩余寿命预测设备800的处理器801执行以完成上述的轴承剩余寿命预测方法。
[0211]
实施例4：
[0212]
相应于上面的方法实施例，本实施例中还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种轴承剩余寿命预测方法可相互对应参照。
[0213]
可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的轴承剩余寿命预测方法的步骤。
[0214]
该可读存储介质具体可以为u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
[0215]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
[0216]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

技术特征：
1.一种轴承剩余寿命预测方法，其特征在于，包括：获取轴承运维数据，对轴承运维数据进行预处理，得到轴承故障数据，其中运维数据包括车载系统报警数据和待检修故障数据；基于生存曲线算法对轴承故障数据进行处理，得到第一可靠性模型；分析不同维修区间内轴承的各阶段的故障率变化规律，采用第一函数对故障率变化规律进行拟合，得到第二可靠性模型；采用以可靠性为中心的维修方法，分别对第一可靠性模型和第二可靠性模型进行处理，得到第一剩余寿命结果和第二剩余寿命结果，并求取第一剩余寿命结果和第二剩余寿命结果的平均值，得到最终轴承剩余寿命预测结果。2.根据权利要求1所述的轴承剩余寿命预测方法，其特征在于，所述对轴承运维数据进行预处理，得到轴承故障数据，其中包括：对获取到的轴承运维数据进行清理和复核，得到第一处理结果，其中清理包括缺失数据的填充处理、异常数据的剔除处理和数据无纲量化处理；对第一处理结果进行分析，得到第二处理结果，其中分析包括对第一处理结果进行描述性分析、数据动态分析、相关性分析和回归分析；将第二处理结果依据关键字进行分类存储，得到轴承故障数据，其中关键字包括车型和维修级别。3.根据权利要求1所述的轴承剩余寿命预测方法，其特征在于，所述基于生存曲线算法对轴承故障数据进行处理，得到第一可靠性模型，其中包括：采用生存曲线算法得到可靠性分布函数，其中生存曲线算法公式如下：式中，r(t)为可靠度函数，为生存分布函数，z
(i)
为变量z
i
的顺序统计变量，其中z
i
＝min(x
i
,y
i
)，x
i
为非负随机变量,y
i
是相应的干扰随机变量；δ
(i)
为判断是否是截断数据的参数即截断指示函数，若为截断数据，则δ
(i)
＝0；若为真实寿命，则δ
(i)
＝1。基于可靠性分布函数和与轴承可靠度相对应的函数关系，得到失效概率经验分布函数；利用数学模型对失效概率经验分布函数进行拟合，得到第一可靠性模型，其中拟合过程包括对轴承的分布类型的选择、分布参数的估计和分布类型的检验。4.根据权利要求3所述的轴承剩余寿命预测方法，其特征在于，所述拟合过程包括对轴承的分布参数的估计，其中包括：利用数学软件进行参数估计，参数估计的方法为威布尔概率纸法，其中威布尔概率纸的计算公式如下：式中，f(t)为失效概率分布函数，λ为尺寸参数，α是形状参数，t为里程/时间，将上式变形，对等号两侧同时取对数运算进行线性化计算，可得到线性结果：
式中，为在t
i
时刻/走行里程观察得到的失效概率值，的定义是在t
i
前发生失效的产品数与开始参加试验的产品数之比；根据最小二乘线性回归法，对线性结果进行计算，得到威布尔分布的形状参数和尺寸参数的估计值。5.根据权利要求3所述的轴承剩余寿命预测方法，其特征在于，所述拟合过程包括对轴承的分布类型的检验，其中包括：采用理论分布法建立轴承的分布函数；基于k-s检验对分布函数进行检验，得到最大偏差值，其检验公式如下：d
n
＝sup|f
n
(t)-f0(t)|式中，sup(
·
)为max(
·
)，f
n
(t)为样本容量为n的经验分布函数，f0(t)为理论分布函数，d
n
为最大偏差值；将最大偏差值与预设的临界值进行比较，得到最终的检验结果。6.根据权利要求1所述的轴承剩余寿命预测方法，其特征在于，所述分析不同维修区间内轴承的各阶段的故障率变化规律，其中包括：确定故障率和轴承单位时间工作内的里程数；根据故障率和里程数得到轴承故障率曲线，其中故障率曲线包括早期失效期、产品使用寿命期和耗损失效期；基于故障曲线中的斜率情况，判断故障率变化规律情况。7.根据权利要求1所述的轴承剩余寿命预测方法，其特征在于，所述得到第一剩余寿命结果，其中包括：获取轴承失效规律演变曲线；基于第一可靠性模型，综合轴承的工作环境和预设的安全条件，采用以可靠性为中心的维修方法初步预测轴承剩余寿命；确定轴承风险控制要求，当轴承运行风险达到该控制要求时，对初步预测轴承剩余寿命进行再次预测，得到第一剩余寿命结果。8.一种轴承剩余寿命预测装置，其特征在于，包括：获取模块：用于获取轴承运维数据，对轴承运维数据进行预处理，得到轴承故障数据，其中运维数据包括车载系统报警数据和待检修故障数据；处理模块：用于基于生存曲线算法对轴承故障数据进行处理，得到第一可靠性模型；拟合模块：用于分析不同维修区间内轴承的各阶段的故障率变化规律，采用第一函数对故障率变化规律进行拟合，得到第二可靠性模型；计算模块：用于采用以可靠性为中心的维修方法，分别对第一可靠性模型和第二可靠性模型进行处理，得到第一剩余寿命结果和第二剩余寿命结果，并求取第一剩余寿命结果和第二剩余寿命结果的平均值，得到最终轴承剩余寿命预测结果。9.一种轴承剩余寿命预测设备，其特征在于，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述轴承剩余寿命预测方法的步骤。10.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计
算机程序被处理器执行时实现如权利要求1至7任一项所述轴承剩余寿命预测方法的步骤。

技术总结
本发明提供了一种轴承剩余寿命预测方法、装置、设备及可读存储介质，涉及交通运输技术领域，包括获取轴承运维数据，对轴承运维数据进行预处理，得到轴承故障数据；基于生存曲线算法对轴承故障数据进行处理，得到第一可靠性模型；分析不同维修区间内轴承的各阶段的故障率变化规律，采用第一函数对故障率变化规律进行拟合，得到第二可靠性模型；采用以可靠性为中心的维修方法，对第一可靠性模型和第二可靠性模型进行处理，得到第一剩余寿命结果和第二剩余寿命结果，并求取第一剩余寿命结果和第二剩余寿命结果的平均值，得到最终轴承剩余寿命预测结果。本发明的有益效果为能有效预测轴承的剩余寿命，并直观给出服役里程，有效指导维修单位的维修。修单位的维修。修单位的维修。


技术研发人员：宋冬利 陈佳玉 严皓 杜新宇 罗彦 朱朝全
受保护的技术使用者：中国铁路成都局集团有限公司成都动车段
技术研发日：2023.04.04
技术公布日：2023/8/14