[發明專利]基于FCM-HMM的滾動軸承的性能退化評估方法

有效

• 申請號: 201710160327.9
• 申請日: 2017-03-17
• 公開（公告）號: CN106885697B
• 公開（公告）日: 2019-09-20
• 發明（設計）人: 周建民;郭慧娟;尹洪妍;朱正清;張龍
• 申請（專利權）人: 華東交通大學
• 主分類號: G01M13/045
• 分類號: G01M13/045
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 石其飛

本發明公開了一種基于FCM?HMM的滾動軸承性能退化評估方法。首先，用自回歸模型(AR)提取早期無故障滾動軸承的振動信號特征以及同型號同位置失效滾動軸承(為方便敘述簡稱同類軸承)的失效特征，用早期無故障樣本和失效樣本建立模糊C均值(FCM)性能退化評估模型，用無故障樣本建立HMM模型，鑒于FCM和HMM的優點，將兩者得到的退化指標作為輸入特征輸入到FCM性能退化模型中，得到正常和失效的聚類中心，同時設定早期故障閾值，實驗分析表明本文提出的性能退化方法得到的評估指標能實時監測滾動軸承的性能退化趨勢并且可以及時發現早期故障。

技術領域

本發明涉及一種基于FCM-HMM的滾動軸承性能退化評估方法，屬于機械產品質量可靠性評估與故障診斷技術領域。

背景技術

旋轉機械的失效多數是由滾動軸承故障引起的，滾動軸承在長期的磨損的環境下性能會出現不同程度的退化，近年來提出的軸承的性能退化評估是故障診斷的延伸。性能退化評估的實質就是通過分析設備的振動數據對機械設備進行相應的性能評估，它與傳統的軸承故障診斷模式最大的區別在于，性能退化評估是一種主動地維修方式，而傳統的軸承故障診斷側重先發現故障再進行維修，是一種被動的維修方式。

滾動軸承的性能退化評估近年來已有探索性研究，研究內容主要有特征提取和建立評估模型兩方面，在特征提取方面，于德介等用AR模型系數和殘差的方差作為特征向量建立馬氏距離判別函數，進而判斷滾動軸承的工作狀態和故障類型，取得了良好的效果。在評估模型的建立方面現有的研究方法很多都需要以整個疲勞壽命試驗的數據為支撐，不能實現滾動軸承性能的實時監測。例如潘玉娜等將支持向量數據(SVDD)和模糊C均值(FCM)相結合用于滾動軸承的性能退化評估中，文章中計算FCM的失效聚類中心時是將失效狀態下的樣本直接作為該類的中心，難以滿足實時評估。王奉濤等用同一軸承的正常和失效樣本建立FCM評估軸承的退化狀態，沒有實現滾動軸承的實時監測。很多單一的軸承性能退化評估方法都有自身的不足不能很好的突出退化趨勢。例如李巍華等將小波包熵與GMM相結合，用每個運行狀態對應的GMM相對基準與GMM模型的偏離程度來判斷軸承的實際退化程度。Diego等提出了一種基于混合高斯隱馬爾科夫模型(MoG-HMM)，在離線時用正常狀態下的數據訓練MoG-HMM，然后在線時利用訓練好的模型識別軸承的當前狀態。吳軍等用全壽命周期中的500樣本后的數據作為樣本數據輸入到模糊C均值中得到正常和故障狀態的聚類中心，進而評估滾動軸承的性能退化趨勢，但退化曲線與故障的一致性不好。而GMM容易在軸承沒有失效時達到取值上限，無法準確地確定軸承的失效狀態；HMM往往運算復雜度較高，需消耗大量時間，難以滿足在線實時評估的需求。

基于此，本發明提出了一種FCM-HMM優勢互補的滾動軸承的性能退化評估方法。滾動軸承的振動信號在固有頻率段的能量會發生變化，在信號各個頻率成分的能量中包含著豐富的故障信息。故可用基于經驗模態分解(EMD)和Hilbert包絡解調的包絡譜分析方法對初始故障樣本進行分析。

發明內容

本發明的目的在于提供一種基于FCM-HMM實時評估的滾動軸承性能退化評估方法，以便實時監測滾動軸承初始故障和失效時刻，實現視情維修，預防重大突發故障。

基于FCM-HMM的滾動軸承性能退化評估方法，其具體步驟：

(1)提取特征：用無故障數據樣本和同類軸承的失效數據樣本建立AR模型，得到AR模型的自回歸系數和殘差，由AIC準則確定AR模型的階數，把AR模型的系數和殘差作為輸入特征向量。

(2)建立模型：用無故障數據樣本和同類軸承的失效數據樣本特征建立FCM模型并且得到正常和失效聚類中心c₁,c₂；用無故障數據樣本特征建立隱馬爾科夫模型；再用無故障數據和同類軸承的失效特征建立第二個FCM模型得到正常和失效聚類中心c₁₁,c₂₂。