一种改进基尼指数加权的轴承健康指标构建方法

摘要

在轴承的状态监测中,构建一个可以准确描述轴承退化趋势且能及时识别早期退化点(EDP)的健康指标(HI)至关重要。目前大多学者提出的健康指标能较好地描述轴承的退化趋势,但不能准确识别早期退化点。提出了一种改进基尼指数(IGI)加权的轴承健康指标构建方法。利用集成经验模态分解(EEMD)对原始信号进行分解,根据各分量的故障特征能量比(FCER),对其进行加权重构得到重构信号;计算重构信号的IGI;将IGI作为重构信号的FCER进行加权计算,得到最终的指标IGI-FCER-HI。通过两个实验验证了所提方法的有效性,并与其他健康指标进行了对比。结果表明,所提方法构建的指标不仅具有良好的单调性和趋势性,而且能准确监测轴承的早期退化点。