在线滑油磨粒数据趋势预测方法

本发明涉及滑油状态识别，尤其涉及一种在线滑油磨粒数据趋势预测方法。

背景技术：

1、润滑油在机械设备中发挥着至关重要的作用，它不仅有效减少部件间的摩擦，降低能耗，而且保护部件免受过度磨损，同时具有传热、清洁、防锈和密封等多种功能，这些都是确保机械设备稳定运行和延长使用寿命的关键因素。分析润滑油中的磨粒信息，能够提供设备磨损状况的实时数据，这对于故障诊断和预防性维护极为重要。磨粒分析不仅帮助我们识别出特定部件的异常磨损，从而在发生故障之前及时进行干预，还可以通过监测磨粒变化趋势，优化润滑计划和维护策略，最终提高机械的可靠性和效率，减少停机时间，为企业节省大量成本。因此，对润滑油中磨粒信息进行实时跟踪和分析对于精准评估机械设备的健康状况和磨损程度具有至关重要的意义。在当前人工智能技术潮流与企业数字化转型的大背景下，对于能够智能预测在线滑油磨粒数据的方法存在着迫切的需求。现有的在线滑油磨粒传感器，由于其传感器特性，采集到的数据具有台阶停滞性的特点，该特点会导致预测不准确。因此本领域亟需一种可以有效排除数据停滞性干扰，实现高精度的在线滑油磨粒数据趋势预测方法。

2、在背景技术部分中公开的上述信息仅仅用于增强对本发明背景的理解，因此可能包含不构成本领域普通技术人员公知的现有技术的信息。

技术实现思路

1、本发明的目的是提供一种在线滑油磨粒数据趋势预测方法，克服了在线滑油磨粒数据预测不准确的问题，利用局部加权回归扩展方法有效提取了在线滑油磨粒数据的完整趋势特征，并使用自动寻优策略的差分整合移动平均自回归模型实现了准确的预测。

2、为了实现上述目的，本发明提供如下技术方案：

3、本发明的一种在线滑油磨粒数据趋势预测方法包括：

4、步骤s100、利用局部加权回归扩展方法提取磨粒数据的趋势特征数据；

5、步骤s200、构建自动寻优策略的差分整合移动平均自回归模型，对趋势特征数据进行预测，得到预测结果。

6、所述的方法中，步骤s100包括以下步骤：

7、步骤102、对于运行数据中的每一个时刻点x0，选取一个邻域，计算邻域内每个数据点xi对x0的权重wi(x0)，wi(x0)为三次权函数如下所示：

8、

9、其中x0表示运行数据中的某一点，xi表示x0的邻域点，h表示带宽参数，

10、根据权重wi(x0)，使用加权最小二乘回归在邻域内拟合一个模型，得到每一个时刻点x0的趋势值继而得到初步的趋势特征数据x；

11、步骤103、趋势特征数据x的开始的半邻域长度和末尾的半邻域长度内存在缺失值，将运行数据的首个数字和最后一个数字分别填进趋势特征数据x的首个缺失值和最后一个缺失值，趋势特征数据x的剩余缺失值采用线性插值的方式进行填充，得到完整的趋势特征数据xtrend。

12、所述的方法中，步骤s200包括以下步骤：

13、步骤202、对趋势特征数据xtrend进行adf平稳性检验，若序列不平稳，将数据差分至平稳，得到差分阶数d，

14、步骤203、指定自回归阶数p的搜索范围和滑动平均阶数q的搜索范围，在搜索范围内，根据赤池信息准则对自回归阶数p和滑动平均阶数q进行遍历，对于每一个p、d、q参数组合都拟合一个arima模型，并计算其赤池信息准则，比较不同参数组合下模型的信息准则值，选择最低值对应的模型参数p、d、q为最终的模型参数；

15、步骤204、用所述模型参数的arima模型对趋势特征数据进行预测。

16、所述的方法中，自回归阶数p的搜索范围为1-5，滑动平均阶数q的搜索范围为1-5。

17、有益效果

18、在线滑油磨粒数据趋势预测方法针对在线滑油磨粒数据的台阶停滞性特点带来的趋势预测不准确问题，利用局部加权回归扩展方法提取磨粒数据的趋势特征；然后针对预测模型参数人工定阶效率低下的问题，采用自动寻优策略的差分整合移动平均自回归模型对趋势特征数据进行预测。可以摆脱在线滑油磨粒数据的停滞性干扰，实现更为精准的在线滑油磨粒趋势预测。本发明提高在线滑油磨粒数据的预测精度和速度。

19、上述说明仅是本发明技术方案的概述，为了能够使得本发明的技术手段更加清楚明白，达到本领域技术人员可依照说明书的内容予以实施的程度，并且为了能够让本发明的上述和其它目的、特征和优点能够更明显易懂，下面以本发明的具体实施方式进行举例说明。

技术特征：

1.一种在线滑油磨粒数据趋势预测方法，其特征在于，其包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，优选的，步骤s100包括以下步骤：

3.根据权利要求1所述的方法，其特征在于，步骤s200包括以下步骤：

4.根据权利要求3所述的方法，其特征在于，自回归阶数p的搜索范围为1-5，滑动平均阶数q的搜索范围为1-5。

技术总结
公开了一种在线滑油磨粒数据趋势预测方法，方法中，加载运行数据，利用局部加权回归扩展方法提取磨粒数据的趋势特征数据；构建自动寻优策略的差分整合移动平均自回归模型，对趋势特征数据进行预测，得到预测结果。可以提高在线滑油磨粒数据的预测精度和速度。

技术研发人员：成玮,苟芮侨,丁宝庆,刘雪,谢述帅,张硕,陈雪峰,聂泽琳,高琳
受保护的技术使用者：西安交通大学
技术研发日：
技术公布日：2024/5/19