一种滚动轴承剩余寿命预测方法技术

本发明专利技术公开了滚动轴承剩余寿命预测方法，涉及滚动轴承剩余寿命预测领域。本发明专利技术提供一种滚动轴承剩余寿命预测方法，包括：一种滚动轴承剩余寿命预测方法，其特征在于，包括：步骤一、采集并得到表征滚动轴承运行状态的原始振动信号；步骤二、对所述步骤一得到的所述原始振动信号进行消噪处理，得到能够具体表征滚动轴承运行状态的有用信号；步骤三、提取所述步骤二得到的所述有用信号的时域特征和频域特征；步骤四、对所述时域特征与所述频域特征进行特征融合，得到表征滚动轴承运行趋势的特征指标；步骤五、构建剩余寿命预测模型，对所述特征指标进行剩余寿命预测。本发明专利技术提供的滚动轴承剩余寿命预测方法预测精度高，预测效果好。

Residual life prediction method of rolling bearing

The invention discloses a residual life prediction method for rolling bearings, which relates to the prediction field of residual life of rolling bearings. The present invention provides a method to predict the residual life, rolling bearing includes: a method to predict the residual life of rolling bearing, which is characterized in that: step one, including the acquisition of vibration signal and get the original characterization of running state of rolling bearings; step two, on the steps of one to the original vibration signal denoising to get the useful signal, the specific characterization of running state of rolling bearings; time and frequency domain characteristics of the useful signal of step three, the extract obtained from the step two; step four, the time-domain characteristics and the frequency domain characteristics of feature fusion, feature index of rolling bearings running trend; step five and the construction of the remaining life prediction model of residual life prediction to the characteristic index. The residual life prediction method of the rolling bearing provided by the invention has the advantages of high prediction accuracy and good prediction effect.

【技术实现步骤摘要】
一种滚动轴承剩余寿命预测方法
本专利技术涉及滚动轴承剩余寿命预测领域，具体而言，涉及滚动轴承剩余寿命预测方法。
技术介绍
机械设备应用于人类生活、工作和生产的方方面面，并在其中扮演了举足轻重的角色。目前，机械设备正朝着大型化、高速化、精密化、系统化、连续化和自动化方向发展，机械设备的运行环境越来越复杂多变，更是为设备的健康管理提出了新的挑战。随着设备的运行，零件老化、可靠性降低、剩余寿命减少等问题，与设备能否持续安全高效地工作、维护能否及时有效地执行，亟待人类解决。轴承是机械设备重要的组成元件，在机械系统中发挥着十分重要的作用。轴承的性能退化趋势及寿命预测方法一直是机械设备健康管理研究的重点。为了有效防止设备工作精度下降，最大限度地利用以轴承为代表的机械设备关键零部件的工作能力，节约物料开支，减少事故发生，越来越有必要跟踪零部件的运行过程。对机械设备关键零部件进行寿命研究已成为现代设备健康管理中极其重要的一环。
技术实现思路
本专利技术的目的在于提供一种滚动轴承剩余寿命预测方法，其预测精度高，预测效果好。本专利技术提供一种技术方案：一种滚动轴承剩余寿命预测方法，包括：步骤一、采集并得到表征滚动轴承运行状态的原始振动信号；步骤二、对所述步骤一得到的所述原始振动信号进行消噪处理，得到能够具体表征滚动轴承运行状态的有用信号；步骤三、提取所述步骤二得到的所述有用信号的时域特征和频域特征；步骤四、对所述时域特征与所述频域特征进行特征融合，得到表征滚动轴承运行趋势的特征指标；步骤五、构建剩余寿命预测模型，对所述特征指标进行剩余寿命预测。进一步地，所述步骤五包括拟合特征指标步骤和计算误差权值步骤，所述拟合特征指标步骤：根据所述滚动轴承的历史工作状态信息确定寿命研究的共有时间段。并对该时间段内的各零部件的所述特征指标进行曲线拟合，为保证拟合的有效性，利用基于粒子群算法的最小二乘支持向量机模型进行拟合，得到进行寿命研究多个所述剩余寿命预测模型；所述计算误差权值步骤：确定目标零部件某个已知的时间点及其对应特征指标值，将该指标值分别输入到多个所述剩余寿命预测模型中，每个模型都会有一个预测结果输出。将每个模型的预测时间值和目标零部件的实际的时间值相对照，通过eik＝(ti-tk)2计算各个预测模型的误差。计算每个预测模型的权重如下式：其中，n为预测模型个数，ωi为预测模型各自的权重，ti是由各预测模型预测的当前运行时间点。tpre为计算所得的零部件性能退化的总体时间，tk为目标零部件测试点处的已知时间。进一步地，所述特征融合的方法为主成分分析法，所述时域特征与所述频域特征组成多维特征矩阵，所述多维特征矩阵通过所述主成分分析法得到所述特征指标。进一步地，所述步骤二利用小波消噪方法对所述原始振动信号进行消噪，并得到所述有用信号。本专利技术的有益效果在于：依靠在线监测振动传感器采集的滚动轴承的振动信号，获取有用信息并在时域、频域、时频域等域提取信息的状态特征，得到能表征轴承运行状态的多维特征集，并进行滚动轴承剩余寿命预测，是轴承基于视情维修、提高可靠性的重要基础。对于寿命预测的研究，首先确定寿命研究的时间段，通过基于粒子群算法优化的最小二乘支持向量回归机对同型号的多个零部件退化性能特征指标进行拟合，得到多个寿命预测的预测模型。利用待测零部件的在线状态特征输入到各预测模型进行训练，得到误差权值。输入待测零部件当前在线状态监测信息，预测当前寿命和计算剩余寿命。其拥有较高的预测精度和预测效果。附图说明为了更清楚地说明本专利技术实施例的技术方案，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专利技术的某些实施例，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。图1为本专利技术的实施例提供的滚动轴承剩余寿命预测方法的流程示意图；图2为本专利技术的实施例提供的误差累计和方法的流程示意图。具体实施方式下面结合附图，对本专利技术的具体实施方式进行详细说明。请参阅图1，本实施例提供了一种滚动轴承剩余寿命预测方法。下面对该方法的具体步骤进行说明。步骤(1)：在线监测振动传感器采集滚动轴承振动信号(包括了反映轴承运行性能状态的有用信号及噪声信号)。步骤(2)：采用MATLAB软件自带的小波消噪函数(主要依据Matlab算法，其中基函数、分解层数、阈值方法及阈值等选取是关键)消除振动信号中的大部分噪声干扰，并保留能够反映轴承运行性能状态的有用信号。步骤(3)：提取时域特征集(包括量纲特征及无量纲特征，详细见表1和表2)、频域特征集(详细见表3)、时频域特征集(经验模态分解方法(EmpiricalModelDecomposition,EMD)能有效地提取轴承状态监测信号中的非线性、非平稳信号特征，且具备较高时频分辨率，此处的时频域特征集即为EMD提取的轴承状态监测信号中的非线性特征)及威布尔参数特征集(威布尔分布的形状参数和尺度参数可作为反映轴承运行状态的特征量。由于希尔伯特变换能较好地提取轴承早期故障信息，因此状态监测信号先经过希尔伯特变换得到新的数据，而后采用极大似然方法即可得到威布尔分布的形状参数和尺度参数，即威布尔参数特征集)，得到能够表征轴承运行性能状态的多维特征集，并构建多维特征集矩阵。表1含量纲时域特征指标表2无量纲时域特征指标表3频域特征机械设备关键零部件的状态监测信号中通常包含非线性、非平稳信息，经验模态分解方法(EmpiricalModeDecomposition,EMD)是一种非线性、非平稳信号分析方法，它将信号分解成一系列本征模函数(IntrinsicModeFunction,IMF)之和。对于非线性的特征，应用较为广泛的方法还有小波方法。相较于小波方法，经验模态分解方法不但能够有效的提取信号中的微弱特征，而且不用选取基函数，因此，自适应性较强，非常适合处理非线性信号。通过经验模态分解方法消除了人为因素对结果的影响，分解结果依赖分析信号本身，能有效地提取非线性、非平稳信号的微弱特征，并可得到较高的时频分辨率，具有良好的时频聚集性。所以本实施例利用经验模态分析方法来提取零部件监测信号中的非线性特征。设通过经验模态分解，信号获得多个模态分量fi(t)和余项rn(t)，把rn(t)看作信号的第n+1个分量fn+1(t)，则第i(i＝1,2,...,n+1)个分量fi(t)的能量为：式中，N为IMF分量fi(t)的数据长度。根据经验模态分解完备正交性，可以得出：E[x(t)]＝E[f1(t)]+E[f2(t)]+...+E[fn+1(t)]威布尔分布是在可靠性分析中常用的统计分布模型之一，可分为两参数威布尔分布和三参数威布尔分布。威布尔分布的形状参数和尺度参数也可作为反映零部件运行状态的特征量。本实施例考虑两参数威布尔分布，其概率密度函数为：式中β是形状参数，η是尺度参数。通常将参数估计方法分为图解法和解析法两大类，图解法包括经验分布图法、威布尔概率图法和风险率统计图法等；解析法包括极大似然估计法和回归估计法等。本实施例通过极大似然估计法求解参数。极大似然估计函数为：式中，N为数据长度。由于希尔伯特变换对零部件早期故障信息的提取具有良好效果，xi为状态检测信号经过本文档来自技高网...

【技术保护点】
一种滚动轴承剩余寿命预测方法，其特征在于，包括：步骤一、采集并得到表征滚动轴承运行状态的原始振动信号；步骤二、对所述步骤一得到的所述原始振动信号进行消噪处理，得到能够具体表征滚动轴承运行状态的有用信号；步骤三、提取所述步骤二得到的所述有用信号的时域特征和频域特征；步骤四、对所述时域特征与所述频域特征进行特征融合，得到表征滚动轴承运行趋势的特征指标；步骤五、构建剩余寿命预测模型，对所述特征指标进行剩余寿命预测。

【技术特征摘要】
1.一种滚动轴承剩余寿命预测方法，其特征在于，包括：步骤一、采集并得到表征滚动轴承运行状态的原始振动信号；步骤二、对所述步骤一得到的所述原始振动信号进行消噪处理，得到能够具体表征滚动轴承运行状态的有用信号；步骤三、提取所述步骤二得到的所述有用信号的时域特征和频域特征；步骤四、对所述时域特征与所述频域特征进行特征融合，得到表征滚动轴承运行趋势的特征指标；步骤五、构建剩余寿命预测模型，对所述特征指标进行剩余寿命预测。2.根据权利要求1所述的滚动轴承剩余寿命预测方法，其特征在于，所述步骤五包括拟合特征指标步骤和计算误差权值步骤，所述拟合特征指标步骤：根据所述滚动轴承的历史工作状态信息确定寿命研究的共有时间段。并对该时间段内的各零部件的所述特征指标进行曲线拟合，为保证拟合的有效性，利用基于粒子群算法的最小二乘支持向量机模型进行拟合，得到进行寿命研究多个所述剩余寿命预测模型；所述计算误差权值步骤：确定目标零部件某个已知的时间点及其对应特征指标值，将该指标值分别输入到多个所述剩余寿命预测模型中...

【专利技术属性】
技术研发人员：唐樟春，夏艳君，刘杰，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51