一种滚动轴承性能退化评估方法技术

本发明专利技术涉及一种滚动轴承性能退化评估方法，属于轴承性能评估技术领域。本发明专利技术采集轴承同源双通道信号，可以更全面反映轴承的运行状态，避免后续评估过程中由于单通道信息采集所造成的特征片面性和不完整性；采用循环平稳快速谱相关特征提取方法，可以更有效的提取滚动轴承微弱故障阶段信号的非平稳、非线性特征，为后续性能退化评估提供有效的数据支撑；同时采用双链的耦合隐马尔科夫对循环平稳特征进行进一步融合，有效提高了性能退化评估的准确性。因此，本发明专利技术相对传统幅值、峭度指标更能科学、有效反映滚动轴承性能退化过程。有效反映滚动轴承性能退化过程。有效反映滚动轴承性能退化过程。

【技术实现步骤摘要】
一种滚动轴承性能退化评估方法


[0001]本专利技术涉及一种滚动轴承性能退化评估方法，属于轴承性能评估


技术介绍

[0002]滚动轴承性能退化评估技术可以仅利用轴承正常工况下的数据特征训练模型形成健康基线，用实时数据特征向量输入到训练模型，依据其输出值与健康基线对比从而判断设备的实时健康状态，进而真正实现轴承运行状态的智能预知。在轴承性能退化评估技术中，有三个关键因素决定评估效果的优劣：(1)有效的特征提取；(2)高效、精确的智能算法；(3)较强鲁棒性性能退化指标的定义。传统时域、频域特征提取方法往往无法有效提取滚动轴承发生故障时的非平稳、非线性特征向量。而目前对于特征的提取主要是简单的提取出原始振动信号的频谱特征，而这些特征无法反应滚动轴承微弱故障阶段，导致后续退化性能评估时无法及时、准确了解轴承在性能退化初期的情况。此外，目前都是采用单通道数据进行退化性能评估，无法全面反映轴承的运行状态，进而导致后续评估过程中由于单通道信息采集所造成的特征片面性和不完整性，影响评估的准确性。

技术实现思路

[0003]本专利技术的目的是提供一种滚动轴承性能退化评估方法，以解决目前滚动轴承性能退化评估存在的无法及时、准确了解轴承在性能退化初期的问题。
[0004]本专利技术为解决上述技术问题而提供一种滚动轴承性能退化评估方法，该评估方法包括以下步骤：
[0005]1)获取正常工况下滚动轴承的振动数据；
[0006]2)对获取的振动数据进行分段处理，对得到的每段数据进行循环平稳快速谱相关特征提取，得到正常工况下滚动轴承的特征向量；
[0007]3)建立耦合隐马尔科夫知识库模型，利用得到的正常工况下滚动轴承的特征向量对该耦合隐马尔科夫知识库模型进行训练；
[0008]4)实时获取待评估的滚动轴承的振动数据，并对其进行循环平稳快速谱相关特征提取，得到测试特征向量，将其输入到训练好的耦合隐马尔科夫知识库模型，得到该待评估的滚动轴承的性能退化指标曲线。
[0009]本专利技术采用循环平稳快速谱相关特征提取方法，可以更有效的提取滚动轴承微弱故障阶段信号的非平稳、非线性特征，为后续性能退化评估提供有效的数据支撑，能够准确、及时了解滚动轴承性能退化初期的情况，为后续滚动轴承的正常工作提供可靠的数据来源。同时采用耦合隐马尔科夫对循环平稳特征进行进一步融合，有效提高性能退化评估的正确性。
[0010]进一步地，所述步骤1)中获取的振动数据为双通道数据，即每个监测点上同时布置水平、垂直两个通道，得到水平振动数据和垂直振动数据；所述步骤3)建立的耦合隐马尔科夫知识库模型采用双链的耦合隐马尔科夫。
[0011]本专利技术通过采集轴承同源双通道信号，能够更全面反映轴承的运行状态，避免了后续评估过程中由于单通道信息采集所造成的特征片面性和不完整性；采用双链的耦合隐马尔科夫对循环平稳特征进行进一步融合，有效提高性能退化评估的正确性。
[0012]进一步地，所述步骤2)中的循环平稳快速谱相关特征提取过程如下：
[0013]按照设定参数对分段后的信号进行短时傅立叶变换，所述的设定参数包括窗函数w[n]及其窗口长度N
w
、最大循环频率α
max
和采用频率F
s
；
[0014]根据短时傅立叶变换结果进行快速谱相关计算，所采用的计算公式：
[0015][0016][0017][0018]其中X
STFT
(i,f
k
)为短时傅立叶变换结果，f
k
为离散频率，α为循环频率，为短时傅立叶变换的块移位，叶变换的块移位，表示R
w
(α)的共轭。
[0019]进一步地，所述步骤2)还包括对得到的快速谱进行能量求和作为提取三维循环平稳快速谱相关特征的步骤。
[0020]进一步地，该方法还包括对提取的三维循环平稳快速谱相关特征进行归一化处理的步骤。
[0021]本专利技术通过归一化处理，能够消除尺寸的影响，便于后续的分析和计算。
[0022]进一步地，所述步骤4)中将训练好的耦合隐马尔科夫知识库模型输出的最大似然概率P(O|λ)作为滚动轴承性能退化评估指标。
[0023]进一步地，该方法还包括对得到的性能退化评估指标进行防下溢处理，所采用的公式为：
[0024][0025]其中LL为防下溢处理后的性能退化评估指标，T为数据长度，C为通道个数。
[0026]本专利技术通过上述处理，能够防止P(Oλ)数据下溢，并且能够消除数据长度T和通道个数C的影响，提高指标的可靠性。
[0027]进一步地，该方法还包括对防下溢处理后的性能退化评估指标进行处理，得到最终性能指标，所述最终性
[0028]能指标为：PI
t
＝αLL
t
+(1
‑
α)PI
t
‑1[0029]其中PI
t
表示轴承在时刻t的最终性能指标，α为权重系数，其值在0到1之间，LL
t
为轴承在时刻t的防下溢处理后性能退化评估指标。
[0030]本专利技术通过对防下溢处理后性能退化评估指标进行移动平均处理，使得到最终性能指标能够反映滚动轴承的早期性能退化，并能够减少基于阈值报警时的误报数量，提高了评估的准确性。
[0031]进一步地，所述的权重系数α为0.5。
附图说明
[0032]图1为本专利技术滚动轴承性能退化评估方法的流程图；
[0033]图2
‑
a为本实施例中轴承正常工况下的采集的垂直通道信号示意图；
[0034]图2
‑
b为本实施例中轴承正常工况下的采集的平行通道信号示意图；
[0035]图3为本专利技术的滚动轴承全寿命周期性能退化指标曲线示意图；
[0036]图4为现有技术中滚动轴承水平通道全寿命周期的幅值指标退化曲线示意图；
[0037]图5为现有技术中滚动轴承水平方向全寿命周期的峭度指标退化曲线示意图。
具体实施方式
[0038]下面结合附图对本专利技术的具体实施方式作进一步地说明。
[0039]滚动轴承性能退化评估方法实施例
[0040]本专利技术首先获取滚动轴承正常工况下的的双通道振动数据；然后对采集到的正常工况下的双通道数据进行分段处理，并对分段后的各段数据进行循环平稳快速谱相关特征提取，获取滚动轴承正常工况下的同源多通道特征向量；将正常工况下的特征向量作为耦合隐马尔科夫的训练向量，训练得到滚动轴承正常工况下的知识库模型；实时获取待评估的滚动轴承的各通道振动数据，并进行循环平稳快速谱相关特征提取，得到测试特征向量，再将其输入到训练好的正常工况下的耦合隐马尔科夫知识库模型，得到性能退化指标曲线。该方法的具体实现流程如图1所示，具体实施过程如下。
[0041]1.获取滚动轴承正常工况下的振动数据。
[0042]本专利技术通过在滚动轴承本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种滚动轴承性能退化评估方法，其特征在于，该评估方法包括以下步骤：1)获取正常工况下滚动轴承的振动数据；2)对获取的振动数据进行分段处理，对得到的每段数据进行循环平稳快速谱相关特征提取，得到正常工况下滚动轴承的特征向量；3)建立耦合隐马尔科夫知识库模型，利用得到的正常工况下滚动轴承的特征向量对该耦合隐马尔科夫知识库模型进行训练；4)实时获取待评估的滚动轴承的振动数据，并对其进行循环平稳快速谱相关特征提取，得到测试特征向量，将其输入到训练好的耦合隐马尔科夫知识库模型，得到该待评估的滚动轴承的性能退化指标曲线。2.根据权利要求1所述的滚动轴承性能退化评估方法，其特征在于，所述步骤1)中获取的振动数据为双通道数据，即每个监测点上同时布置水平、垂直两个通道，得到水平振动数据和垂直振动数据；所述步骤3)建立的耦合隐马尔科夫知识库模型采用双链的耦合隐马尔科夫。3.根据权利要求2所述的滚动轴承性能退化评估方法，其特征在于，所述步骤2)中的循环平稳快速谱相关特征提取过程如下：按照设定参数对分段后的信号进行短时傅立叶变换，所述的设定参数包括窗函数w[n]及其窗口长度N
w
、最大循环频率α
max
和采样频率F
s
；根据短时傅立叶变换结果进行快速谱相关计算，所采用的计算公式：根据短时傅立叶变换结果进行快速谱相关计算，所采用的计算公式：根据短时傅立叶变换结果进行快速谱相关计算，所采用的计算公式：其中X
STFT
(i,f
k
)为短时傅立叶变换结果，f

【专利技术属性】
技术研发人员：王宏超，韩捷，胡鑫，李永耀，
申请(专利权)人：郑州恩普特科技股份有限公司，
类型：发明
国别省市：