基于振動敏感時頻特征的空間滾動軸承壽命狀態(tài)檢測方法
【技術領域】
[0001] 本發(fā)明屬于滾動軸承可靠性評估與壽命預測技術領域，涉及一種基于振動敏感時 頻特征的空間滾動軸承壽命狀態(tài)檢測方法。
【背景技術】
[0002] 空間滾動軸承的壽命是指在一定的工作環(huán)境和條件（如轉速、載荷）下軸承正常 運行的總圈數或總小時數。而在工程實踐中，由于空間軸承的轉速、載荷及其工作環(huán)境等因 素，無法對軸承運轉圈數進行測試和統(tǒng)計，從而需要尋求新的特征量來對軸承壽命進行表 征和評估。目前，針對空間滾動軸承，國內外常用的試驗測試手段有摩擦學特性分析、摩擦 力矩測試和溫度測試，但這些特征量反映的是軸承摩擦學性能或工作狀態(tài)，無法有效反映 軸承壽命狀態(tài)的衰退過程，即不能有效對軸承壽命狀態(tài)進行表征。一個新的切入點是以包 含運行狀態(tài)信息豐富的振動信號來表征空間滾動軸承壽命狀態(tài)。
[0003] 隨著軸承的運轉，軸承元件（如內、外滾道、保持架和滾動體）表面發(fā)生不同程度 的磨損，磨損程度即代表了軸承壽命所處壽命狀態(tài)。當軸承出現不同程度的磨損后，軸承振 動情況隨之而發(fā)生微弱改變，振動信號的這種微弱變化直接反映出了空間滾動軸承壽命狀 態(tài)衰退過程。振動信號的微弱變化具體表現為時域幅值、概率分布、頻率成分、不同頻率成 分的能量，以及頻譜的主能量譜峰位置等的差異。為了全面刻畫振動信號的這些變化和便 于應用模式識別方法進行不同壽命狀態(tài)的分類識別，綜合利用振動信號的時頻域特征建立 反映軸承壽命狀態(tài)的時頻域特征集來進行反映。但是，這樣建立起來的軸承壽命狀態(tài)特征 集勢必會引入非敏感特征和造成特征集維數過高，削弱壽命狀態(tài)特征集對空間滾動軸承壽 命狀態(tài)的表征性，嚴重影響壽命狀態(tài)識別的準確性。

【發(fā)明內容】

[0004] 有鑒于此，本發(fā)明的目的在于提供一種基于振動敏感時頻特征的空間滾動軸承壽 命狀態(tài)檢測方法，針對振動時頻域特征對空間滾動軸承壽命狀態(tài)的敏感性和壽命狀態(tài)特征 集維數過高不利于分類識別的問題，提出了解決方案，該方法能夠準確的識別空間滾動軸 承壽命狀態(tài)。
[0005] 為達到上述目的，本發(fā)明提供如下技術方案：
[0006] 基于振動敏感時頻特征的空間滾動軸承壽命狀態(tài)檢測方法，該方法包括以下步 驟：
[0007] Sl :綜合振動信號的時域和頻域信息，選取D個時頻域特征參數構造高維時頻域 特征集作為軸承壽命狀態(tài)的振動譜特征，即為空間滾動軸承壽命狀態(tài)特征集；
[0008] S2:利用散布矩陣計算類間散布矩陣和類內散布矩陣的跡，然后計算敏感性指 標Ji Q = 1，2,…，D)，其中D表示時頻域特征參數的個數；構建敏感時頻域特征子集X = {Xie RD'，i = 1，2,…，N}，其中，由敏感特征組成的壽命狀態(tài)樣本，D'表示敏感特征的 個數，N為壽命狀態(tài)樣本數；
[0009] S3 :將高維壽命狀態(tài)敏感時頻特征子集輸入線性局部切空間排列（LLTSA)進行訓 練，得到映射矩陣A及壽命狀態(tài)樣本的低維全局坐標Y = Iyi e R d, i = 1，2,…，N}，其中d 為融合特征的個數，N為壽命狀態(tài)樣本數；低維壽命狀態(tài)樣本集及其類別標簽則組成了最 近鄰分類器（KNNC)的訓練樣本集{ yi，IJ ;
[0010] S4 :通過映射矩陣A對測試樣本進行特征融合，將結果輸入KNNC得到測試樣本的 壽命狀態(tài)類別。
[0011] 進一步，所述時頻域特征參數的個數D為30 ;其中，16個為時域特征參數，用于描 述時域幅值和能量的大小以及幅值的分布情況，Pi~P 7反映時域幅值和能量大小，P 8~P 16 反映時間序列分布情況；14個為頻域特征參數，用于描述頻譜中主頻帶位置的變化以及譜 能量分布的分散程度，P17反映頻域振動能量的大小，P 18~P 21反映主頻帶位置的變化，P 22~ P3tl反映頻譜的分散或集中程度。
[0012] 進一步，所述S2具體包括以下步驟：
[0013] S21 :設樣本集由C類構成，每類包含訓練樣本數為Ni,計算類內散布矩陣和類間 散布矩陣：
[0014] 所述類內散布矩陣SwS:
【主權項】
1. 基于振動敏感時頻特征的空間滾動軸承壽命狀態(tài)檢測方法，其特征在于：該方法包 括以下步驟： S1 :綜合振動信號的時域和頻域信息，選取D個時頻域特征參數構造高維時頻域特征 集作為軸承壽命狀態(tài)的振動譜特征，即為空間滾動軸承壽命狀態(tài)特征集； S2:利用散布矩陣計算類間散布矩陣和類內散布矩陣的跡，然后計算敏感性指標Ji，i= 1，2,…，D，其中，D表示時頻域特征參數的個數；構建敏感時頻域特征子集X= {XiGRD'，i= 1，2,…，N}，其中，由敏感特征組成的壽命狀態(tài)樣本，D'表示敏感特征的 個數，N為壽命狀態(tài)樣本數； 53 :將高維壽命狀態(tài)敏感時頻特征子集輸入線性局部切空間排列進行訓練，得到映射 矩陣A及壽命狀態(tài)樣本的低維全局坐標Y={yiGRd，i= 1，2,…，N}，其中d為融合特征的 個數，N為壽命狀態(tài)樣本數；低維壽命狀態(tài)樣本集及其類別標簽組成最近鄰分類器（KNNC) 的訓練樣本集{yi，1J; 54 :通過映射矩陣A對測試樣本進行特征融合，將結果輸入KNNC得到測試樣本的壽命 狀態(tài)類別。
2. 根據權利要求1所述的基于振動敏感時頻特征的空間滾動軸承壽命狀態(tài)檢測方法， 其特征在于：所述時頻域特征參數的個數D為30 ;其中，16個為時域特征參數，用于描述時 域幅值和能量的大小以及幅值的分布情況，Pi~P7反映時域幅值和能量大小，P8~P16反映 時間序列分布情況；14個為頻域特征參數，用于描述頻譜中主頻帶位置的變化以及譜能量 分布的分散程度，P17反映頻域振動能量的大小，P18~P21反映主頻帶位置的變化，P22~P3〇 反映頻譜的分散或集中程度。
3. 根據權利要求1所述的基于振動敏感時頻特征的空間滾動軸承壽命狀態(tài)檢測方法， 其特征在于：所述S2具體包括以下步驟： 521 :設樣本集由C類構成，每類包含訓練樣本數為隊，計算類內散布矩陣和類間散布 矩陣： 所述類內散布矩陣swS:
式中，x/表示第j類的第i個數據特征值，Ui表示第i類特征值均值； 所述類間散布矩陣&為：
式中，叫為總體樣本的全局均值向量； 522 :分別求矩陣S#SB的跡，記為tr{Sw}和tr{SB};其中，tr{Sw}為所有類的特征方 差的平均測度，tr{SB}為每一類的均值與全局均值之間平均距離的一種測度； 523 :根據類間距構造壽命狀態(tài)特征敏感性指標J:
當SB越大或者Sw越小時，特征敏感性指標越大；特征敏感性指標J值越大表示對應特 征分類能力越強，反之表示分類能力弱； S24 :分別計算出壽命狀態(tài)特征集中每個特征量的敏感性指標Ji，i= 1，2,…，D，再 求取敏感性指標的平均值％，選擇的特征量構建出壽命狀態(tài)敏感特征子集X= {XiGRD'，i= 1，2,…，N}，其中D'表示敏感特征的個數，由敏感特征組成的壽命狀態(tài) 樣本，N為壽命狀態(tài)樣本數。
【專利摘要】本發(fā)明涉及一種基于振動敏感時頻特征的空間滾動軸承壽命狀態(tài)檢測方法，屬于滾動軸承可靠性評估與壽命預測技術領域。該方法利用振動時頻域特征參數建立空間滾動軸承壽命狀態(tài)特征集，實現對壽命狀態(tài)的表征；提出了壽命敏感性指標計算方法，排除壽命狀態(tài)特征集中非敏感性特征，構建出壽命狀態(tài)敏感特征子集，增強對壽命狀態(tài)的表征性；并采用線性局部切空間排列算法對壽命狀態(tài)敏感特征子集進行維數約簡，去除冗余信息，獲得分類特性好的低維壽命狀態(tài)特征集；最后，應用最近鄰分類器實現空間滾動軸承不同壽命狀態(tài)的識別。本發(fā)明提供的一種基于振動敏感時頻特征的空間滾動軸承壽命狀態(tài)檢測方法，能準確的識別空間滾動軸承壽命狀態(tài)，應用效果較好。
【IPC分類】G06K9-62, G01M13-04
【公開號】CN104807640
【申請?zhí)枴緾N201510232111
【發(fā)明人】陳仁祥, 陳思楊, 楊黎霞
【申請人】重慶交通大學
【公開日】2015年7月29日
【申請日】2015年5月8日