滚动轴承健康状态评价方法、装置、设备和存储介质制造方法及图纸

本发明专利技术公开了滚动轴承健康状态评价方法、装置、设备和存储介质，其中所述方法包括：根据实时获取的待检测滚动轴承当前的振动加速度生成当前波形时域数据；以当前波形时域数据为输入，通过预设的故障预测模型生成待检测滚动轴承的健康等级结果；本发明专利技术不再单纯的依据滚动轴承的振动烈度为健康状态的判断依据，而是根据滚动轴承的波形时域数据生成多尺度的健康指数组合作为故障预测模型的特征参数进而生成建健康状态评价准则知识库；本发明专利技术可以在不同的设备和不同的工况下均能够获得精确的预测结果，因此也就有效的提高了本发明专利技术中滚动轴承健康状态评价方法的普适应和准确性。轴承健康状态评价方法的普适应和准确性。轴承健康状态评价方法的普适应和准确性。

【技术实现步骤摘要】
滚动轴承健康状态评价方法、装置、设备和存储介质


[0001]本专利技术涉及设备维护领域，特别涉及滚动轴承健康状态评价方法、装置、设备和存储介质。

技术介绍

[0002]滚动轴承作为旋转机械设备中常用的零部件之一，其工作环境恶劣，容易发生故障，其性能退化是威胁旋转机械设备安全运行的重要问题。
[0003]在常见的旋转机械设备故障中，滚动轴承故障占到30％～40％，如何准确判断轴承健康状态做好预测性维修，减少或避免生产事故的发生具有重要的意义。
[0004]现有技术中，滚动轴承健康状态评价方法就是基于旋转设备表面振动测量与评价方法测量滚动轴承部位设备表面的振动烈度(mm/s)，根据GB10889规定的A、B、C、D分区域振动级别进行健康评价，其中A
‑
B、B
‑
C、C
‑
D跨区域有3个固定的振动阈值。
[0005]专利技术人经过研究发现，现有技术中的这种滚动轴承健康状态评价方法至少存在以下缺陷：
[0006]不同设备的振动特性存在个体差异，相同振动烈度值的一批设备，某台滚动轴承健康状态评价为B级，而在另外一台设备上可能需要停机检修。因此，现有技术中的滚动轴承健康状态评价方法容易导致评价结果不够准确。
[0007]公开于该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

技术实现思路

[0008]本专利技术的主要目的在于提高滚动轴承健康状态评价的普适性和准确性。
[0009]为实现上述目的，本专利技术公开了一种滚动轴承健康状态评价方法，其中构建健康状态评价准则知识库的步骤包括：
[0010]S11、获取建模滚动轴承全寿命周期的实验数据和/或历史数据；所述实验数据和所述历史数据包括所述建模滚动轴承振动加速度的建模时域波形数据及其对应的健康等级；所述健康等级包括正常运行、亚健康、监控运行和建议停机；
[0011]S12、确定基于聚类算法的故障预测模型的特征参数；所述特征参数的组合构成包括多尺度互相关系h1和多尺度谱距离指标h2；
[0012]S13、通过预设数据预处理步骤，根据所述实验数据和/或所述历史数据，生成所述预设故障预测模型的建模数据；
[0013]S14、对所述建模数据进行数据训练构建故障预测模型，包括：通过聚类分析，根据聚类簇心与零点距离降序划分健康等级，确定与各所述健康等级对应的簇；
[0014]S15、根据所述故障预测模型生成包括有健康等级与簇的对应关系的健康状态评价准则知识库。
[0015]优选的，在本专利技术中，所述通过预设数据预处理步骤，根据所述实验数据和/或所
述历史数据，生成所述预设故障预测模型的建模数据，包括：
[0016]S21、分别对于每组时域波形数据，计算其各尺度的尺度互相关系数和尺度谱距离指标；
[0017]S22、对于单组时域波形数据，通过将其各尺度的尺度互相关系数进行均值计算，生成对应的多尺度互相关系数h1；通过将其各尺度的尺度谱距离指标进行均值计算，生成对应的多尺度谱距离指标h2；
[0018]S23、通过l1趋势滤波对由h1与h2组成的曲线进行平滑滤波；
[0019]S24、通过将平滑滤波后曲线上的点进行归一化，生成对应的坐标数据；所述坐标数据的横纵坐标分别为平滑滤波后的多尺度互相关系数与多尺谱距离指标；所述故障预测模型的建模数据包括所述坐标数据。
[0020]优选的，在本专利技术中，还包括：
[0021]S31、根据所述待检测滚动轴承正常运行时的历史的振动加速度数据生成多组参考时域波形数据；将所述健康状态评价准则知识库中与健康等级为正常运行的簇的簇心坐标作为定准坐标数据；
[0022]S32、分别对于每组参考时域波形数据，计算其各尺度的尺度互相关系数和尺度谱距离指标；
[0023]S33、对于单组参考时域波形数据，通过将其各尺度的尺度互相关系数进行均值计算，生成对应的多尺度互相关系数h1；通过将其各尺度的尺度谱距离指标进行均值计算，生成对应的多尺度谱距离指标h2；
[0024]S34、通过l1趋势滤波对由h1与h2组成的曲线进行平滑滤波；分别生成各组参考时域波形数据所对应的滤波后多尺度互相关系数Cor
′1与滤波后多尺度谱距离指标SDI
′1；
[0025]S35、对多个滤波后多尺度互相关系数Cor
′1进行均值计算，生成滤波后多尺度互相关系数均值对多个滤波后多尺度谱距离指标SDI
′1进行均值计算，生成滤波后多尺度谱距离指标均值
[0026]S36、将滤波后多尺度互相关系数均值和滤波后多尺度谱距离指标均值分别与所述定准坐标数据的横坐标值和纵坐标值进行比值计算，生成互相关系数比例因子K1和谱距离指标比例因子K2；
[0027]S37、实时获取待检测滚动轴承的振动加速度的当前时域波形数据；
[0028]S38、计算当前时域波形数据各尺度的尺度互相关系数和尺度谱距离指标；
[0029]S39、通过将当前时域波形数据各尺度的尺度互相关系数进行均值计算，生成对应的多尺度互相关系数h1；通过将其各尺度的尺度谱距离指标进行均值计算，生成对应的多尺度谱距离指标h2；
[0030]S40、通过l1趋势滤波对由h1与h2组成的曲线进行平滑滤波，生成滤波后多尺度互相关系数(Cor
′2)和滤波后多尺度谱距离指标(SDI
′2)；
[0031]S41、通过互相关系数比例因子K1和谱距离指标比例因子K2分别修正滤波后多尺度互相关系数(Cor
′2)和滤波后多尺度谱距离指标(SDI
′2)，并生成与健康状态评价准则知识库中簇心坐标同一坐标系的当前坐标值；
[0032]S42、分别计算当前坐标值与健康状态评价准则知识库中各簇心坐标的欧氏距离，
并根据最近邻原则，确定对应的健康等级。
[0033]优选的，在本专利技术中，计算包括建模时域波形数据、参考时域波形数据或当前时域波形数据的信息数据各尺度的尺度互相关系数和尺度谱距离指标，以及，生成对应的多尺度互相关系数h1和生成对应的多尺度谱距离指标h2；包括：
[0034]根据公式(1)对信息数据进行多尺度分析计算；
[0035][0036]公式(1)中，N表示信息数据为{X
i
}＝{x1,x2,
···
,x
N
}长度；τ∈Z，为尺度因子，当τ＝1时，y
j
(1)为原序列，对于任意的τ，原始序列{X
i
}被分割成τ个粗粒化序列{y
j
(τ)}，每段序列长度为[N/τ](表示不大于N/τ的正整数)；
[0037]根据公式(2)和公式(3)计算信息数据各尺度的尺度互相关系数，和，多尺度互相关系数h1；
[0038][00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种滚动轴承健康状态评价方法，其特征在于，其中构建健康状态评价准则知识库的步骤包括：S11、获取建模滚动轴承全寿命周期的实验数据和/或历史数据；所述实验数据和所述历史数据包括所述建模滚动轴承振动加速度的建模时域波形数据及其对应的健康等级；所述健康等级包括正常运行、亚健康、监控运行和建议停机；S12、确定基于聚类算法的故障预测模型的特征参数；所述特征参数的组合构成包括多尺度互相关系h1和多尺度谱距离指标h2；S13、通过预设数据预处理步骤，根据所述实验数据和/或所述历史数据，生成所述预设故障预测模型的建模数据；S14、对所述建模数据进行数据训练构建故障预测模型，包括：通过聚类分析，根据聚类簇心与零点距离降序划分健康等级，确定与各所述健康等级对应的簇；S15、根据所述故障预测模型生成包括有健康等级与簇的对应关系的健康状态评价准则知识库。2.根据权利要求1中所述的滚动轴承健康状态评价方法，其特征在于，所述通过预设数据预处理步骤，根据所述实验数据和/或所述历史数据，生成所述预设故障预测模型的建模数据，包括：S21、分别对于每组时域波形数据，计算其各尺度的尺度互相关系数和尺度谱距离指标；S22、对于单组时域波形数据，通过将其各尺度的尺度互相关系数进行均值计算，生成对应的多尺度互相关系数h1；通过将其各尺度的尺度谱距离指标进行均值计算，生成对应的多尺度谱距离指标h2；S23、通过l1趋势滤波对由h1与h2组成的曲线进行平滑滤波；S24、通过将平滑滤波后曲线上的点进行归一化，生成对应的坐标数据；所述坐标数据的横纵坐标分别为平滑滤波后的多尺度互相关系数与多尺谱距离指标；所述故障预测模型的建模数据包括所述坐标数据。3.根据权利要求2中所述的滚动轴承健康状态评价方法，其特征在于，还包括：S31、根据所述待检测滚动轴承正常运行时的历史的振动加速度数据生成多组参考时域波形数据；将所述健康状态评价准则知识库中与健康等级为正常运行的簇的簇心坐标作为定准坐标数据；S32、分别对于每组参考时域波形数据，计算其各尺度的尺度互相关系数和尺度谱距离指标；S33、对于单组参考时域波形数据，通过将其各尺度的尺度互相关系数进行均值计算，生成对应的多尺度互相关系数h1；通过将其各尺度的尺度谱距离指标进行均值计算，生成对应的多尺度谱距离指标h2；S34、通过l1趋势滤波对由h1与h2组成的曲线进行平滑滤波；分别生成各组参考时域波形数据所对应的滤波后多尺度互相关系数Cor1'与滤波后多尺度谱距离指标SDI'1；S35、对多个滤波后多尺度互相关系数Cor1'进行均值计算，生成滤波后多尺度互相关系数均值对多个滤波后多尺度谱距离指标SDI'1进行均值计算，生成滤波后多尺度谱距
离指标均值S36、将滤波后多尺度互相关系数均值和滤波后多尺度谱距离指标均值分别与所述定准坐标数据的横坐标值和纵坐标值进行比值计算，生成互相关系数比例因子K1和谱距离指标比例因子K2；S37、实时获取待检测滚动轴承的振动加速度的当前时域波形数据；S38、计算当前时域波形数据各尺度的尺度互相关系数和尺度谱距离指标；S39、通过将当前时域波形数据各尺度的尺度互相关系数进行均值计算，生成对应的多尺度互相关系数h1；通过将其各尺度的尺度谱距离指标进行均值计算，生成对应的多尺度谱距离指标h2；S40、通过l1趋势滤波对由h1与h2组成的曲线进行平滑滤波，生成滤波后多尺度互相关系数(Cor'2)和滤波后多尺度谱距离指标(SDI'2)；S41、通过互相关系数比例因子K1和谱距离指标比例因子K2分别修正滤波后多尺度互相关系数(Cor'2)和滤波后多尺度谱距离指标(SDI'2)，并生成与健康状态评价准则知识库中簇心坐标同一坐标系的当前坐标值；S42、分别计算当前坐标值与健康状态评价准则知识库中各簇心坐标的欧氏距离，并根据最近邻原则，确定对应的健康等级。4.根据权利要求2或3中所述的滚动轴承健康状态评价方法，其特征在于，计算包括建模时域波形数据、参考时域波形数据或当前时域波形数据的信息数据各尺度的尺度互相关系数和尺度谱距离指标，以及，生成对应的多尺度互相关系数h1和生成对应的多尺度谱距离指标h2；包括：根据公式(1)对信息数据进行多尺度分析计算；公式(1)中，N表示信息数据为{X
i
}＝{x1,x2,
···
,x
N
}长度；τ∈Z，为尺度因子，当τ＝1时，y
j
(1)为原序列，对于任意的τ，原始序列{X
i
}被分割成τ个粗粒化序列{y
j
(τ)}，每段序列长度为[N/τ](表示不大于N/τ的正整数)；根据公式(2)和公式(3)计算信息数据各尺度的尺度互相关系数，和，多尺度互相关系数h1；数h1；式中，C
XY
(τ)表示上述两种信息数据的正协方差函数；δ
X
和δ
Y
是标准差；MH(C
XY
)是某个尺度下的尺度互相关系数，取值范围是(0,1)；h1是各尺度互相关系数的均值，称为多尺度互相关系数；根据公式(4)和公式(5)计算信息数据各尺度的尺度谱距离指标，和，多尺度谱...

【专利技术属性】
技术研发人员：许述剑，屈定荣，刘曦泽，
申请(专利权)人：中石化安全工程研究院有限公司，
类型：发明
国别省市：