一种滚动轴承剩余寿命预测方法

摘要

一种滚动轴承剩余寿命预测方法，涉及一种滚动轴承剩余寿命预测方法，该方法针对滚动轴承退化特征提取困难及单一退化特征对于滚动轴承剩余寿命预测精度较低的问题，提出一种改进局部特征尺度分解（LCD）谱熵灰色预测模型实现滚动轴承剩余寿命预测。利用顺序统计滤波器及最大相似系数法对经典LCD算法进行改进并结合信息熵理论提取出滚动轴承振动信号的改进LCD谱熵特征，将其输入灰色预测模型训练获取预测参数并对轴承进行寿命预测。该方法有效改善了经典LCD算法的模态混叠与端点效应问题，提高了滚动轴承剩余寿命预测的精度。

说明书

技术领域

本发明属于故障预测与健康管理领域，具体涉及一种滚动轴承剩余寿命预测方法，基于 改进LCD谱熵灰色预测模型的滚动轴承剩余寿命预测算法。

背景技术

轴承在现代机械中应用非常广泛，根据轴承元件摩擦性质的不同，轴承可分为滚动轴承 和滑动轴承，其中滚动轴承应用最多。滚动轴承的主要功能为对轴进行支撑，它是旋转机械 的重要部件，它的运行状态关系到整台设备的健康状况，因此，对滚动轴承进行剩余寿命预 测具有十分重要的意义。

现阶段，剩余寿命预测通常分为基于机理建模与基于数据驱动两种。机理建模主要是根 据机器的自身工作特性建立模型进行寿命预测。数据驱动建模为将机械的历史信息作为数据 来源进行分析，然后提取相关特征进行剩余寿命预测。由于滚动轴承工作环境通常十分复杂， 依据机理进行建模的难度较大，所以利用数据驱动建模的方法比较常见。若要实现准确寿命 预测，需要提取轴承振动信号的特征，而滚动轴承的振动信号非平稳性较强，因此需要进行 预处理，而一些与处理方法如EMD、LMD及LCD算法存在一些模态混叠及端点效应问题， 导致对于轴承退化趋势表征不精确，因此，提出改进LCD谱熵灰色预测模型实现更精确的剩 余寿命预测。

发明内容

本发明的目的在于提供一种滚动轴承剩余寿命预测方法，本发明通过最大相似系数法对 端点处信号进行替换，并利用顺序统计滤波器求取包络线来对LCD算法的端点效应及包络问 题进行改善，并结合信息熵理论提取出改进LCD谱熵特征，最后将其输入灰色预测模型进行 训练实现滚动轴承的剩余寿命预测。该方法通过对LCD算法进行改进提高了退化特征对于轴 承退化状态表征的准确性，并通过与灰色预测模型的结合提高了轴承剩余寿命预测的准确率， 能够为滚动轴承的运行维护提供数据参考。

为实现上述目的，本发明包括下列顺序的步骤：

(1)利用最大相似系数法将寻找到的信号内部波段与两端信号进行替换；

(1a)寻找信号内部所有极值点

输入信号为U

(1b)计算相似度

若m

其中，α为参数，通常取1，α、β为相似度参数，α可取为0到1间任意固定数值，β通常取为1，ε为计算过程中产生的误差，其对于相似性度量的影响很小，可忽略不计。

(1c)波段替换

得到最大相似度系数Li

(2)通过顺序统计滤波器求取上下包络线，得到局部均值曲线；

输出信号为V

式中B

求包络线的过程为

(3)提取振动信号的ILCD谱熵特征；

(3a)计算ISC分量ISC

其中，

(3b)依据经验设置相关阈值α

(3c)对分量进行筛选，直到获得所有k个达标分量P

(3d)提取能谱熵、奇异谱熵、包络谱熵

(4)建立ILCD谱熵灰色预测模型，并进行训练，获得预测参数，实现剩余寿命预测；假设信号可以表示为

其中，i＝0，1...m，表示m个序列，且

其中，A、Q为参数，L＝(L

可得到预测值

其中，m＝1，2...。

有益效果

由上述技术方案可知，本发明通过引入最大系数法与顺序统计滤波器对经典LCD算法进 行改进，通过端点处信号的替换与改变包络线的求取方式使算法在端点效应及包络问题上得 到改善，并在此基础上与信息熵理论结合，提取出轴承退化信号的谱熵特征，相比于传统特 征能够更精确地表征轴承的退化趋势。

本发明在改进LCD与信息熵结合的基础上，通过与灰色预测模型的结合建立改进LCD 谱熵灰色预测模型，对轴承的退化状态表征更敏感，相较于传统指标，能够实现更精准的剩 余寿命预测，误差更小。

附图说明

图1为本发明算法的流程图；

图2为改进LCD算法的流程图；

图3为轴承1-1全周期时域曲线图；

图4为信号的改进LCD谱熵特征的变化趋势。

具体实施方式

见图1、图2、图3和图4，一种滚动轴承剩余寿命预测方法，

本实施例中用于滚动轴承剩余寿命预测的方法，包括以下步骤：

(1)利用最大相似系数法将寻找到的信号内部波段与两端信号进行替换；

(1a)寻找信号内部所有极值点

输入信号为U

(1b)计算相似度

若m

其中，α为参数，通常取1，α、β为相似度参数，α可取为0到1间任意固定数值，β通常取为1，ε为计算过程中产生的误差，其对于相似性度量的影响很小，可忽略不计；

(1c)波段替换

得到最大相似度系数Li

(2)通过顺序统计滤波器求取上下包络线，得到局部均值曲线；

输出信号为V

式中B

求包络线的过程为

(3)提取振动信号的ILCD谱熵特征；

(3a)计算ISC分量ISC

其中，

(3b)依据经验设置相关阈值α

(3c)对分量进行筛选，直到获得所有k个达标分量P

(3d)提取能谱熵、奇异谱熵、包络谱熵

(4)建立ILCD谱熵灰色预测模型，并进行训练，获得预测参数，实现剩余寿命预测；

假设信号可以表示为

其中，i＝0，1...m，表示m个序列，且

其中，A、Q为参数，L＝(L

可得到预测值

其中，m＝1，2...。

实施例：

选用IEEE PHM 2012挑战赛数据集的训练集中1-1轴承进行实验，其寿命周期为7.78h， 其在水平及垂直方向上的时域曲线如下图3所示，取水平方向振动信号进行实验。轴承1-1 数据集有2803个序列，每个序列记录2560个采样点，采样频率25kHz，采样间隔10秒，为 方便观察，均匀选取200个样本得到其ILCD谱熵特征如下图4。表1为不同特征寿命预测的 相对误差，误差越小，表明预测精度越高，表2为不同预测模型的预测精度，对比了ILCD 谱熵灰色预测模型与传统单一特征灰色预测模型、BP神经网络模型及支持向量回归预测模型 的误差情况。

表1 ILCD谱熵与其他特征灰色预测误差对比表

表2不同模型寿命预测误差对比表

上述实施方案为本发明较实质与原理下所作的改变、修饰、替代、组合、简化，均为等 效的置换方式，都包含在本发明的保护范围之内。