[发明专利]一种基于性能退化字典构造与相似性的轴承寿命预测方法

说明书

本发明公开了一种基于性能退化字典构造与相似性的轴承寿命预测方法。该方法基于滚道表面形貌的演变机理，将退化过程划分为健康、凹痕、裂纹、剥落四个阶段。充分考虑时变形貌和时变刚度的耦合激励，建立5自由度滚动轴承非线性动力学模型，求解模型的振动响应，构造性能退化字典，作为相似性寿命预测方法的参考集，进而得到剩余使用寿命概率密度函数的估计。

技术领域

本发明属于机械动力学、故障预测与健康管理技术领域，涉及一种基于性能退化字典构造与相似性的轴承寿命预测方法。

背景技术

滚动轴承的剩余使用寿命对机械设备整体的使用寿命有着重要影响。对关键部位的轴承进行状态监测及剩余使用寿命估计十分必要。为此需要掌握滚动轴承的退化过程与退化机理，明晰其损伤演变过程，为提出合适的寿命预测方法提供理论依据，并有效提高寿命估计的准确性。

为了充分掌握滚动轴承因故障引起的瞬时振动行为，集总参数模型得到了广泛的应用，它可模拟多种类型的轴承缺陷，如表面粗糙度、表面波纹度、凹痕、剥落等。然而，目前的研究均针对短期内的单一故障行为进行研究，并未跟踪滚动轴承长期退化过程，并且没有将退化机理与预测方法有效结合，建立的模型并未能应用于寿命预测。因此，针对不同损伤演变阶段建立相应的表面形貌模型，通过表面形貌的连续变化获得滚动轴承全寿命周期的振动响应，对寿命预测方法的研究具有重要意义。

目前在寿命预测中应用最多的是数据驱动方法。其中，一类方法无模型训练过程，如维纳过程方法、卡尔曼滤波方法、随机滤波方法等。但是，此类方法依赖经验建立全局或局部退化模型，有时难以适应实际中复杂多变的状况，导致预测的鲁棒性和精确性较低。另一类方法则需要训练数据，如人工神经网络、支持向量机等。但是，在实际中足够的训练数据通常难以获取。此外，将所训练好的模型应用于测试样本时，通常需保证测试样本与训练样本拥有相同的工况，才能确保诊断和预测的精确性，否则需要实施迁移学习步骤，这增加了方法的复杂性。近年来，基于相似性的方法得到了较多的关注。该方法需要参考样本集，但没有训练过程，是基于对测试样本与参考样本具有相似退化过程的假设。但其构造参考样本均依据真实历史数据，样本量较小，因此无法从统计意义上进行寿命的不确定性估计。

发明内容

本发明的目的在于提供一种基于性能退化字典构造与相似性的轴承寿命预测方法，以解决滚动轴承寿命预测中存在的问题。

为实现上述目的，本发明采用的技术方案为一种基于性能退化字典构造与相似性的轴承寿命预测方法，该方法基于滚道表面形貌的演变机理，将退化过程划分为健康、凹痕、裂纹、剥落四个阶段，充分考虑时变形貌和时变刚度的耦合激励，建立5自由度滚动轴承非线性动力学模型，求解模型的振动响应，构造性能退化字典，作为相似性寿命预测方法的参考集，进而得到剩余使用寿命概率密度函数的估计。

S1滚动轴承故障演化动态模型；

S1.1健康轴承；

建立5自由度滚动轴承动力学模型，微分方程如下：

其中m,k,c分别表示质量、刚度和阻尼，下角标s,p,r分别表示内圈、外圈和单元谐振器，x,y分别表示水平、垂直方向的振动响应， F_s为施加在内圈上的外部径向载荷，f为非线性接触力，具体计算如下：

其中，n_b是滚动体数量，K_j是滚动体与内外圈的等效接触刚度，δ_j是第j个滚动体处内外圈的相对变形量，θ_j是第j个滚动体的角位置，具体计算如下：