[发明专利]一种基于FOA-WSVDD的滚动轴承性能退化评估方法有效
申请号: | 201710559685.7 | 申请日: | 2017-07-11 |
公开(公告)号: | CN107562979B | 公开(公告)日: | 2023-07-11 |
发明(设计)人: | 白瑞林;朱朔 | 申请(专利权)人: | 江南大学 |
主分类号: | G06F30/17 | 分类号: | G06F30/17;G06F30/27;G06N3/006;G06F119/04 |
代理公司: | 无锡华源专利商标事务所(普通合伙) 32228 | 代理人: | 过顾佳 |
地址: | 214122 江苏*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 foa wsvdd 滚动轴承 性能 退化 评估 方法 | ||
本发明公开了一种基于FOA‑WSVDD的滚动轴承性能退化评估方法,其特征是:先提取轴承振动数据的时域及时频域的特征向量,并基于单调性进行特征选择;然后利用正常状态特征向量建立性能退化评估模型;针对高斯核函数对早期故障不敏感问题,将小波核函数引入到SVDD算法中;针对SVDD算法参数选择困难问题,以支持向量个数与总样本数的比值为适应度函数,采用改进的FOA对其核参数进行优化,建立FOA‑WSVDD评估模型。最后计算轴承全生命周期振动数据的评估指标,以此来评估轴承的性能退化状况。相比基于高斯核函数建立的SVDD性能退化评估模型,基于FOA‑WSVDD的滚动轴承性能退化评估模型对轴承早期故障更为敏感,与故障程度之间的单调性更好,准确的反映出了轴承的健康状态。
技术领域
本发明属于轴承性能退化评估技术领域,具体涉及一种基于FOA-WSVDD(Fruitfly Optimization Algorithm-Wavelet support vector data description)的滚动轴承性能退化评估方法。
背景技术
随着工业及科技水平的不断提高,机械设备不断在复杂、高效、轻型等方面进行改进,同时也面临更加苛刻的工作环境。一旦设备的关键部件出现故障,就可能会影响整个生产过程,造成巨大的经济损失,甚至会导致人员伤亡等问题。因此,设备维修正由传统的事后维修和计划维修向基于状态的视情维修转变,而作为建立合理维修策略的前提,设备性能退化评估也开始备受关注。
滚动轴承作为旋转机械中的关键零部件之一,其性能状态的好坏直接影响整台设备的运行可靠性。一般来说,滚动轴承在使用过程中都会经历从正常到退化直至失效的过程,而这期间通常要经历一系列不同的性能退化状态。如果能够在滚动轴承性能退化的过程中监测到轴承性能退化的程度,那么就可以有针对性地组织生产和制定合理的维护计划,防止设备异常失效的发生。
目前,对于滚动轴承运行状态的评估可以分为:特征指标法和评估模型法。特征指标法包括:时域指标、频域指标、时频指标。特征指标法能在一定程度上反映出轴承的运行状态,例如时域指标中的稳定性指标(如均方根值、方根幅值等)会随着故障发展而逐渐增大,但无法判断初始损伤的位置。而敏感性指标(如峭度指标)虽可以识别初始损伤的位置,但随着故障的发展会呈现先升后降的趋势,并不符合轴承故障程度的发展趋势。评估模型法就是综合选取各种特征指标,利用智能学习算法,建立性能退化评估模型,从而得到能够全面地反映滚动轴承性能退化过程的特征指标。常用的智能学习算法有逻辑回归(logistic regression,LR),支持向量数据描述(support vector data description,SVDD)等。LR算法在应用过程中,需要使用不同故障模式下的数据建立模型,限制了它的应用范围。SVDD算法仅需要少量正常状态的数据建模,在应用中具有较高的精度和较强的鲁棒性,克服了LR算法的缺点,得到了广泛的应用。但当数据具有多模态分布时,其精度会受到很大的影响,而且不能反映出信号的局部信息。
发明内容
本发明为了更及时准确地反映出轴承的早期退化状态,提出一种基于FOA-WSVDD的滚动轴承性能退化评估方法。
为了实现上述目的,本发明通过如下技术方案实现:
步骤(1):获取轴承正常状态下的振动数据,进行去噪和归一化预处理;提取振动数据的时域、时频域特征向量,并基于单调性进行特征选择;
步骤(2):将FOA算法的寻优空间扩展到三维空间,并改变其迭代步长,得到改进后的FOA算法;
步骤(3):将小波核函数引入到SVDD算法中,利用步骤(1)提取的特征向量建立WSVDD性能退化评估模型,并利用改进的FOA算法对WSVDD模型的核参数寻优;
步骤(4):对轴承全生命周期振动数据同样根据步骤(1)的方法提取特征向量,并作为WSVDD模型的输入,计算特征向量距离超球中心的距离,以此作为轴承的性能退化评估指标;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江南大学,未经江南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710559685.7/2.html,转载请声明来源钻瓜专利网。