[發明專利]一種軸承性能退化評估方法

有效

• 申請號: 201810214288.0
• 申請日: 2018-03-15
• 公開（公告）號: CN108398268B
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 趙光權;彭喜元;劉小勇;劉月峰;姜澤東;劉莉;高奇
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G01M13/045
• 分類號: G01M13/045;G06K9/00;G06N3/08
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 楊立超

一種基于堆疊去噪自編碼器和自組織映射的軸承性能退化評估方法，它用于評估軸承退化技術領域。本發明解決了傳統HI曲線構建中存在的提取退化特征需依賴大量專家經驗和有監督訓練，標簽選擇需依賴人工參與的問題。本發明的6個去噪自編碼機構建堆疊去噪自編碼器來對原始振動信號數據進行多層的特征提取，訓練集數據對網絡進行預訓練后利用BP算法微調參數，將輸出的100維特征輸入SOM網絡訓練得到各時間點對應的HI，并構建訓練集的HI曲線；將測試集數據輸入訓練好的堆疊去噪自編碼器和SOM網絡中得到各時間點處的HI，并構建HI曲線；分別對訓練集和測試集的HI曲線進行平滑處理，獲得平滑處理后的HI曲線。本發明可以應用于評估軸承性能退化領域用。

技術領域

本發明屬于軸承剩余壽命預測技術領域，具體涉及一種基于堆疊去噪自編碼器和自組織映射的軸承性能退化評估方法。

背景技術

軸承作為工業領域最為常用且易損的機械元件之一，保證其可靠的運行狀態對于提高系統安全性、降低設備維護成本具有非常重要的現實意義。軸承健康因子(HealthIndicator,HI)作為評價軸承健康水平的特征量，是表征軸承健康水平的退化狀態或退化程度的指標[1]，因此，構建良好的HI曲線對后續的軸承剩余壽命預測具有重要的意義。

然而隨著軸承運行情況復雜度的增加，對軸承退化過程建立準確的物理解析模型也變得愈加復雜。基于數據驅動的方法受益于傳感器技術以及存儲技術的發展，可以獲得大量的軸承健康狀況監測數據，因而逐漸成為研究軸承剩余壽命預測的主流方式。所采用的得到表征軸承退化行為的健康因子的數據驅動方法可以分為直接預測和間接預測，由于直接預測方法將原始數據直接作為被測對象的健康因子，因此，難以滿足較好的趨勢性的要求，而健康因子曲線的單調性對于后續的軸承剩余壽命的預測又是至關重要的，所以國內外學者對間接構建HI曲線的方法做了廣泛的研究。

在間接構建HI曲線的過程中，由于原始數據無法直接作為健康因子，那么就需要進行有效的特征提取過程來獲得特征集，從而對原始數據進行更加高級的表征，在此基礎上進行特征選擇去除冗余特征，之后在必要情況下需繼續進行特征融合，通過多種特征結合共同反映軸承的健康狀態。特征提取方法作為關鍵的一步，目前主要有基于傳統信號處理技術的方法以及機器學習的方法。Zhang X.等人利用小波分析對軸承的振動信號進行特征提取，獲得了具有較好趨勢性的HI曲線；申中杰等人提出一種不受軸承個體差異影響的相對方均根值來表征軸承的健康狀態，具有良好的上升趨勢[3]。在基于機器學習的軸承HI構建方法中，人工神經網絡、相關向量機等方法均得到了廣泛應用，Liang Guo等人首先提取出多個基于相似性的特征以及時頻域特征，之后輸入到遞歸神經網絡中進行HI曲線的構建；Maio F.D.等人利用相關向量機獲得相關向量，之后采用指數函數擬合出軸承的退化狀況。盡管傳統的數據驅動方法在軸承HI曲線構建中取得了顯著成就，但仍存在以下問題：提取退化特征仍需依賴大量專家經驗以及傳統的信號處理方法；部分HI構建模型的訓練通常采用有監督方式，即訓練過程中需要提供輸入對應的真實輸出值作為標簽，而標簽的選擇需依賴人工參與，費時且沒有一致標準；為了得到綜合的單調HI曲線，往往需針對具體預測問題采用多種信號處理方法融合及依賴人工經驗選擇參數，缺乏一定的通用性。

發明內容

本發明的目的是為解決傳統的數據驅動方法在軸承HI曲線構建中存在的提取退化特征仍需依賴大量專家經驗；部分HI構建模型的訓練通常采用有監督方式，訓練過程中需要提供輸入對應的真實輸出值作為標簽，而標簽的選擇需依賴人工參與，費時且沒有一致標準；針對具體預測問題采用多種信號處理方法融合，依賴人工經驗選擇參數，缺乏一定的通用性的問題。

本發明為解決上述技術問題采取的技術方案是：

一種基于堆疊去噪自編碼器和自組織映射的軸承性能退化評估方法，該方法的具體步驟為：

步驟一、利用振動傳感器獲取軸承全壽命周期內的原始振動信號數據，將原始振動信號數據作為堆疊去噪自編碼器的輸入數據x；