滚动轴承振动性能可靠性变异过程检测方法与装置制造方法及图纸

本发明专利技术涉及滚动轴承振动性能可靠性变异过程检测方法与装置,本发明专利技术的方法凭借时间序列的计数过程，在短时间区间内获取轴承振动表现出的变异强度的极少量原始信息；经过对变异强度原始信息的自助再抽样，模拟出变异强度的大量生成信息；用灰预测模型处理生成信息，获取变异强度估计值；用泊松过程表征可靠性函数，实时预测轴承振动性能可靠性的变异过程。本发明专利技术基于振动信息的时间序列，将灰自助原理融入泊松过程，提出灰自助泊松方法，以预测滚动轴承性能可靠性的变异过程。

【技术实现步骤摘要】
滚动轴承振动性能可靠性变异过程检测方法与装置
本专利技术涉及一种滚动轴承振动性能可靠性变异过程检测方法与装置。
技术介绍
为确保安全运行，许多系统，如航天器、飞机、高速列车与核反应堆等，对滚动轴承服役期间的可靠性有很严格的要求。轴承在失效前会显露许多可疑迹象，例如振动、温升或摩擦等性能变得异常，预示轴承内部零件的损伤或磨损恶化状态，因此，实时评估与预测轴承性能可靠性的变异(变化/退化)过程，可以及时发现失效隐患，提前采取措施，避免恶性事故发生。从服役开始到失效，轴承性能连续变异，形成一个时间序列，具有不断变化的性能与可靠性轨迹。基于超球体多类支持向量机，用改进的经验模式分解方法和特征参量遗传优化方法，可以评估轴承性能退化程度；基于最小熵解卷积与自回归的柯尔莫哥罗夫-斯米尔诺夫检验方法，可以检测出轴承出现初期微弱缺陷时的异常现象；用频率响应和相轨迹等概念进行非线性动力学分析，可以描述轴承性能的多变性。这些成果呈现出轴承性能变异的力学与统计学规律，但尚未涉及轴承性能可靠性的变异过程预测问题，无法预测滚动轴承性能可靠性的变异过程以及时发现失效隐患，避免恶性事故的发生。
技术实现思路
本专利技术的目的是提供一种滚动轴承振动性能可靠性变异过程检测方法与装置，用以解决现有方法无法预测滚动轴承性能可靠性的变异过程的问题。为实现上述目的，本专利技术的方案包括：滚动轴承振动性能可靠性变异过程检测方法，步骤如下：1)在轴承转动实验中实时检测轴承振动信息，将所述振动信息分为一个或两个以上的时间序列；2)将各时间序列等分为G个子序列；对每个子序列，通过对振动信息的时间序列计数，计算子序列中数据超出设定阈值±c的次数，得到变异强度的原始信息向量；3)对变异强度的原始信息向量，采用自助再抽样方法抽取样本，得到自助再抽样样本向量；根据灰预测模型求解自助再抽样样本向量，用数学期望估计变异强度；4)基于所述估计的变异强度，用泊松过程表示轴承振动性能失效过程，得到轴承振动性能的可靠性函数，根据可靠性函数判断轴承振动性能可靠性的变异过程。步骤1)中，定义时间变量为τ；在1个评估周期T内，从时间τ＝τL开始计时，到时间τ＝τU结束计时；取时间区间Δτ＝τU-τL＝T为取值很小的常数，并用下标i表示不同时间τ下的时间区间，形成时间区间序列：△Γ＝(△τ1,△τ2,…,△τi,…,△τI)；i＝1,2,…,I(1)式中，Δτi为第i个时间区间，I为时间区间个数，T为评估周期；Xi＝(xi(1),xi(2),…,xi(w),…,xi(W))；w＝1,2,…,W(2)式中，Xi为Δτi内的时间区间序列，xi(w)为Xi中的第w个数据，W为Xi中的数据个数。步骤2)中，将Xi等分为G个子序列，每个子序列有K个数据，其中，第g个子序列为:Xig＝(xig(1)，xig(2)，…，xig(k)，…，xig(K))；k＝1,2,…,K；g＝1,2,…,G(3)式中，xig(k)为Xig中的第k个数据；K为Xig中的数据个数，且有对于第g个子序列Xig，通过对振动信息的时间序列计数，计算xig(k)超出±c的次数nig，得到变异强度的原始信息：式中，Tg表示对第g个子序列Xig的计算周期：对于G个子序列，构建一个变异强度的原始信息向量Θi1：Θi1＝{θig}(7)步骤3)中，根据自助再抽样方法，从Θi1中等概率可放回地随机抽取1个数据，抽取m次，m＝3,4,…,G，得到1个维数为m的自助再抽样样本向量。这个过程连续重复B步，得到B个自助再抽样样本向量，用矩阵表示为YiBootstrap＝{Yib}B×m；b＝1,2,…,B(8)式中，Yib是第b个自助再抽样样本向量，且有Yib＝{yib(j)}；j＝1,2,…,m(9)式中，yib(j)是Yib中第j个自助再抽样数据；由灰预测模型：设Yib的一次累加生成序列向量为一次累加生成序列用灰微分方程描述为式中，ci1和ci2为待定系数；设均值生成序列向量为Zib＝{zib(u)}＝{0.5θib(u)+0.5θib(u-1)}；u＝2,3,…,m(12)在初始条件θib(1)＝yib(1)下，灰微分方程的最小二乘解为式中，系数ci1和ci2为且有Di＝{-Zib,Q}T(15)式中，Q为维数m-1的单位向量；由式(13)，可以得到累减生成的第b个数据：λib＝θ1ib(m+1)-θ1ib(m)(16)由式(16)可以模拟出B个变异强度的生成信息，用向量表示为Θi＝{λib}(17)采用统计学的直方图方法，由式(17)中的生成信息可以建立一个关于变异强度的概率密度函数：式中，为关于变异强度的概率密度函数，λi为描述变异强度的一个随机变量；用数学期望估计变异强度：式中，λ0i为估计的变异强度，Λi为λi的可行域。对于第i个时间区间，在一个评估周期T内，设局域时间变量t∈[0,Tg]，基于估计的变异强度，轴承振动性能失效过程的分布律用泊松过程表示：式中，ni为变异因数，表示“振动可能对轴承造成损伤”这一事件发生次数的离散变量；Ni为事件的发生次数；轴承振动性能失效过程的累积分布为轴承振动性能的可靠性函数为Ri(t)＝1-Pi(t)(22)滚动轴承振动性能可靠性变异过程检测装置，包括如下模块：1)在轴承转动实验中实时检测轴承振动信息，将所述振动信息分为一个或两个以上的时间序列；2)将各时间序列等分为G个子序列；对每个子序列，通过对振动信息的时间序列计数，计算子序列中数据超出设定阈值±c的次数，得到变异强度的原始信息向量；3)对变异强度的原始信息向量，采用自助再抽样方法抽取样本，得到自助再抽样样本向量；根据灰预测模型求解自助再抽样样本向量，用数学期望估计变异强度；4)基于所述估计的变异强度，用泊松过程表示轴承振动性能失效过程，得到轴承振动性能的可靠性函数，根据可靠性函数判断轴承振动性能可靠性的变异过程。模块1)中，定义时间变量为τ；在1个评估周期T内，从时间τ＝τL开始计时，到时间τ＝τU结束计时；取时间区间Δτ＝τU-τL＝T为取值很小的常数，并用下标i表示不同时间τ下的时间区间，形成时间区间序列：△Γ＝(△τ1,△τ2,…,△τi,…,△τI)；i＝1,2,…,I(1)式中，Δτi为第i个时间区间，I为时间区间个数，T为评估周期；Xi＝(xi(1),xi(2),…,xi(w),…,xi(W))；w＝1,2,…,W(2)式中，Xi为Δτi内的时间区间序列，xi(w)为Xi中的第w个数据，W为Xi中的数据个数。模块2)中，将Xi等分为G个子序列，每个子序列有K个数据，其中，第g个子序列为:Xig＝(xig(1)，xig(2)，…，xig(k)，…，xig(K))；k＝1,2,…,K；g＝1,2,…,G(3)式中，xig(k)为Xig中的第k个数据；K为Xig中的数据个数，且有对于第g个子序列Xig，通过对振动信息的时间序列计数，计算xig(k)超出±c的次数nig，得到变异强度的原始信息：式中，Tg表示对第g个子序列Xig的计算周期：对于G个子序列，构建一个变异强度的原始信息向量Θi1：Θi1＝{θig}(7)模块3)中，根据自助再抽样方法，从Θi1中等概率可放回地随机抽取1个数据，抽取m次，m＝3,4,…,G，得到1个维数本文档来自技高网...

【技术保护点】
滚动轴承振动性能可靠性变异过程检测方法，其特征在于，步骤如下：1）在轴承转动实验中实时检测轴承振动信息，将所述振动信息分为一个或两个以上的时间序列；2）将各时间序列等分为G个子序列；对每个子序列，通过对振动信息的时间序列计数，计算子序列中数据超出设定阈值±c的次数，得到变异强度的原始信息向量；3）对变异强度的原始信息向量，采用自助再抽样方法抽取样本，得到自助再抽样样本向量；根据灰预测模型求解自助再抽样样本向量，用数学期望估计变异强度；4）基于所述估计的变异强度，用泊松过程表示轴承振动性能失效过程，得到轴承振动性能的可靠性函数，根据可靠性函数判断轴承振动性能可靠性的变异过程。

【技术特征摘要】
1.滚动轴承振动性能可靠性变异过程检测方法，其特征在于，步骤如下：1)在轴承转动实验中实时检测轴承振动信息，将所述振动信息分为一个或两个以上的时间序列；2)将各时间序列等分为G个子序列；对每个子序列，通过对振动信息的时间序列计数，计算子序列中数据超出设定阈值±c的次数，得到变异强度的原始信息向量；3)对变异强度的原始信息向量，采用自助再抽样方法抽取样本，得到自助再抽样样本向量；根据灰预测模型求解自助再抽样样本向量，用数学期望估计变异强度；4)基于所述估计的变异强度，用泊松过程表示轴承振动性能失效过程，得到轴承振动性能的可靠性函数，根据可靠性函数判断轴承振动性能可靠性的变异过程。2.根据权利要求1所述的滚动轴承振动性能可靠性变异过程检测方法，其特征在于，步骤1)中，定义时间变量为τ；在1个评估周期T内，从时间τ＝τL开始计时，到时间τ＝τU结束计时；取时间区间Δτ＝τU-τL＝T为取值很小的常数，并用下标i表示不同时间τ下的时间区间，形成时间区间序列：△Γ＝(△τ1,△τ2,…,△τi,…,△τI)；i＝1,2,…,I(1)式中，Δτi为第i个时间区间，I为时间区间个数，T为评估周期；Xi＝(xi(1),xi(2),…,xi(w),…,xi(W))；w＝1,2,…,W(2)式中，Xi为Δτi内的时间区间序列，xi(w)为Xi中的第w个数据，W为Xi中的数据个数。3.根据权利要求2所述的滚动轴承振动性能可靠性变异过程检测方法，其特征在于，步骤2)中，将Xi等分为G个子序列，每个子序列有K个数据，其中，第g个子序列为:Xig＝(xig(1),xig(2),…,xig(k),…,xig(K))；k＝1,2,…,K；g＝1,2,…,G(3)式中，xig(k)为Xig中的第k个数据；K为Xig中的数据个数，且有对于第g个子序列Xig，通过对振动信息的时间序列计数，计算xig(k)超出±c的次数nig，得到变异强度的原始信息：式中，Tg表示对第g个子序列Xig的计算周期：对于G个子序列，构建一个变异强度的原始信息向量Θi1：Θi1＝{θig}(7)。4.根据权利要求3所述的滚动轴承振动性能可靠性变异过程检测方法，其特征在于,步骤3)中，根据自助再抽样方法，从Θi1中等概率可放回地随机抽取1个数据，抽取m次，m＝3,4,…,G，得到1个维数为m的自助再抽样样本向量，这个过程连续重复B步，得到B个自助再抽样样本向量，用矩阵表示为YiBootstrap＝{Yib}B×m；b＝1,2,…,B(8)式中，Yib是第b个自助再抽样样本向量，且有Yib＝{yib(j)}；j＝1,2,…,m(9)式中，yib(j)是Yib中第j个自助再抽样数据；由灰预测模型：设Yib的一次累加生成序列向量为一次累加生成序列用灰微分方程描述为式中，ci1和ci2为待定系数；设均值生成序列向量为Zib＝{zib(u)}＝{0.5θib(u)+0.5θib(u-1)}；u＝2,3,…,m(12)在初始条件θib(1)＝yib(1)下，灰微分方程的最小二乘解为式中，系数ci1和ci2为且有Di＝{-Zib,Q}T(15)式中，Q为维数m-1的单位向量；由式(13)，可以得到累减生成的第b个数据：λib＝θ1ib(m+1)-θ1ib(m)(16)由式(16)可以模拟出B个变异强度的生成信息，用向量表示为Θi＝{λib}(17)采用统计学的直方图方法，由式(17)中的生成信息可以建立一个关于变异强度的概率密度函数：式中，为关于变异强度的概率密度函数，λi为描述变异强度的一个随机变量；用数学期望估计变异强度：式中，λ0i为估计的变异强度，Λi为λi的可行域。5.根据权利要求4所述的滚动轴承振动性能可靠性变异过程检测方法，其特征在于，对于第i个时间区间，在一个评估周期T内，设局域时间变量t∈[0,Tg]，基于估计的变异强度，轴承振动性能失效过程的分布律用泊松过程表示：式中，ni为变异因数，表示“振动可能对轴承造成损伤”这一事件发生次数的离散变量；Ni为事件的发生次数；轴承振动性能失效过程的累积分布为轴承振动性能的可靠性函数为Ri(t)＝1-Pi(t)(22)。6...

【专利技术属性】
技术研发人员：夏新涛，孟艳艳，白阳，陈士忠，黄运生，叶亮，秦园园，邱明，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：河南;41