[發(fā)明專利]基于多維數(shù)據(jù)驅(qū)動的大型回轉(zhuǎn)支承剩余壽命在線預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201410775715.4
• 申請日: 2014-12-15
• 公開（公告）號: CN104713728A
• 公開（公告）日: 2015-06-17
• 發(fā)明（設(shè)計(jì)）人: 黃筱調(diào);封楊;陳捷;王華;洪榮晶
• 申請（專利權(quán)）人: 南京工業(yè)大學(xué);南京工大數(shù)控科技有限公司
• 主分類號: G01M13/04
• 分類號: G01M13/04
• 代理公司: 南京天華專利代理有限責(zé)任公司 32218
• 代理人: 蔣真;徐冬濤

技術(shù)領(lǐng)域

本發(fā)明屬于振動信號處理及設(shè)備健康監(jiān)測領(lǐng)域，涉及一種基于多維數(shù)據(jù)驅(qū)動的大型回轉(zhuǎn)支承剩余使用壽命在線預(yù)測方法。

背景技術(shù)

大型回轉(zhuǎn)支承作為核心回轉(zhuǎn)連接件常用于風(fēng)力發(fā)電機(jī)、挖掘機(jī)、起重機(jī)等大重型設(shè)備中，其嚴(yán)重的故障會導(dǎo)致巨大的損失。因此，實(shí)現(xiàn)回轉(zhuǎn)支承在線剩余壽命預(yù)測，對制定有效的主動維護(hù)或更換策略、提高生產(chǎn)效率有重要的意義。

大型回轉(zhuǎn)支承一般工作在背景噪聲大，轉(zhuǎn)速低且載荷重的工況下，各部件產(chǎn)生的非平穩(wěn)隨機(jī)信號中的故障通過頻率可低至1Hz且能量很低，這導(dǎo)致其振動信號的有效信息被完全淹沒在背景噪聲下，一般的降噪方法很難達(dá)到理想效果。此外，大型回轉(zhuǎn)支承直徑可達(dá)800-5000mm，如此龐大的部件必須采用多個加速度傳感器獲取不同方向、不同位置的振動信息，才能完整反應(yīng)出回轉(zhuǎn)支承的運(yùn)行狀況，這就產(chǎn)生了多維的原始信號。如果直接計(jì)算出這些信號各自的時域、頻域、時頻域特征，將帶來幾十維至上百維的特征向量，使得壽命預(yù)測模型建模時耗過長且精度很差。因此，常見的設(shè)備性能退化模型建立方法并不適用于大型回轉(zhuǎn)支承。綜上所述，基于數(shù)據(jù)驅(qū)動的大型回轉(zhuǎn)支承壽命預(yù)測的關(guān)鍵在于振動信號降噪、數(shù)據(jù)降維以及性能退化模型的建立。

聚類經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD)非常適用于分析非平穩(wěn)信號，首先向原始信號中添加均勻白噪聲，然后通過包絡(luò)算法，將一組信號分解成多個本征模態(tài)分量(IMF)，不同的IMF代表此信號在同一時間序列上不同的頻域范圍。主成分分析(PCA)則通過降維處理，將多維數(shù)據(jù)矩陣投影到主元子空間和殘差子空間中，從而用互不相關(guān)的幾個主元代表所有變量的變化情況。此外，PCA引入的統(tǒng)計(jì)量T²和平方預(yù)測誤差(SPE)可以用于判斷不同的多維數(shù)據(jù)之間的差異，其閾值報(bào)警功能可以用于處理多變量多樣本的監(jiān)測數(shù)據(jù)。最小二乘支持向量機(jī)(LS-SVM)作為一種高效的分類、回歸工具，近年來被廣泛應(yīng)用在故障分類、壽命預(yù)測中。

然而，常見的回轉(zhuǎn)支承振動信號故障處理方法中使用EEMD只是將信號進(jìn)行分解，然后分析各個IMF的能量，很少對IMF進(jìn)行濾波、選擇以重構(gòu)信號，國外學(xué)者提出的EEMD-MSPCA能夠有效地進(jìn)行濾波消噪，但是其效果嚴(yán)重依賴于多個經(jīng)驗(yàn)參數(shù)，技術(shù)人員通常無法獲得這些參數(shù)的最優(yōu)選擇。另一方面，PCA也是主要用于故障診斷，以信號的T²或者SPE是否超過其閾值來判斷設(shè)備是否出現(xiàn)異常，并沒有更深入的研究和應(yīng)用。

因此，實(shí)現(xiàn)大型回轉(zhuǎn)支承在線剩余壽命預(yù)測，需要充分研究并利用EEMD和PCA的優(yōu)勢，對多維加速度信號進(jìn)行自適應(yīng)的降噪、重構(gòu)、降維、特征提取等，最終獲得回轉(zhuǎn)支承性能退化模型，建立起準(zhǔn)確的在線剩余壽命預(yù)測模型。

發(fā)明內(nèi)容

為實(shí)現(xiàn)上述目標(biāo)，本發(fā)明充分融合利用了EEMD良好的非平衡信號處理能力和PCA對高維數(shù)據(jù)的降維、差異判斷的優(yōu)良性能，提出了一種基于多維數(shù)據(jù)驅(qū)動的大型回轉(zhuǎn)支承剩余壽命在線預(yù)測方法。

本發(fā)明的技術(shù)方案是：

提出了一種基于多維數(shù)據(jù)驅(qū)動的大型回轉(zhuǎn)支承剩余壽命在線預(yù)測方法，該方法首先對回轉(zhuǎn)支承進(jìn)行全壽命疲勞試驗(yàn)，獲取其整個試驗(yàn)周期的多組振動加速度信號監(jiān)測數(shù)據(jù)；然后利用聚類經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD)將振動信號分解成多個本征模態(tài)分量(IMF)，并利用主成分分析(PCA)選擇能反應(yīng)出回轉(zhuǎn)支承性能退化的若干IMF進(jìn)行信號重構(gòu)，以達(dá)到濾波消噪的目的。接著，將不同時期的多維加速度信號與試驗(yàn)初期的信號進(jìn)行PCA，得到一維的連續(xù)SPE(C-SPE)，并以此反應(yīng)出多維加速度振動信號的變化情況，再計(jì)算出C-SPE的多個時域特征，建立起回轉(zhuǎn)支承的性能退化模型。最后利用LSSVM建立起回轉(zhuǎn)支承剩余壽命與性能退化模型的關(guān)系模型，從而建立起回轉(zhuǎn)支承的剩余壽命預(yù)測模型。回轉(zhuǎn)支承加裝在線監(jiān)測系統(tǒng)后，獲取到的多維振動信號便可按照此方法進(jìn)行降噪、重構(gòu)、特征提取，最終實(shí)現(xiàn)在線剩余壽命預(yù)測，其具體實(shí)現(xiàn)步驟如下：

1)獲取多維加速度信號。對全新的回轉(zhuǎn)支承進(jìn)行滿載荷的疲勞壽命試驗(yàn)，直至其完全失效卡死，使用均布在回轉(zhuǎn)支承定圈內(nèi)側(cè)的K(K≥4)組加速度傳感器采集回轉(zhuǎn)支承內(nèi)外圈滾道的相對軸向、徑向振動信號，保存多維加速度傳感器的全壽命試驗(yàn)數(shù)據(jù)a₁,a₂,…,a_k,…,a_K；