[发明专利]一种改进HWPSO-WPHM模型的滚动轴承可靠度评估方法和系统

说明书

本发明涉及一种改进HWPSO‑WPHM模型的滚动轴承可靠度评估方法，包括以下步骤：S1：获取正常滚动轴承振动信号的特征指标，通过PCA算法得到融合特征指标，建立训练样本；S2：构建WPHM模型H(t,Z)，并利用极大似然估计法得到关于WPHM模型待定参数的非线性方程组；S3：利用反向指数鲸鱼混合粒子群算法对非线性方程组进行求解，得到WPHM模型待定参数的最优解；S4：构建改进HWPSO‑WPHM模型，并融合特征指标作为训练样本进行模型训练，得到训练完成的可靠度模型R(t)；S5：利用可靠度模型R(t)，得到滚动轴承可靠度随时间的变化趋势，实时获取其运行可靠性，完成对滚动轴承的可靠性评估，与现有技术相比，本发明具有准确且高效等优点。

技术领域

本发明涉及轴承可靠度评估技术领域，尤其是涉及一种改进HWPSO-WPHM模型的滚动轴承可靠度评估方法和系统。

背景技术

滚动轴承在旋转机械中广泛应用，是机械设备的关键部件之一，其性能的退化直接影响设备的运行安全。由于滚动轴承经常在高速重载的恶劣环境下工作，磨损，疲劳点蚀等故障时有发生，一旦轴承出现故障，势必会对设备的安全运行造成严重威胁，轻则引起设备停机的生产事故，重则导致机毁人亡的重大灾难。因此，对滚动轴承进行可靠性评估就显得至关重要。传统的可靠性分析方法未考虑运行状态对滚动轴承可靠性的影响，忽视整体与个体的差异。因此，探究滚动轴承运行状态与可靠性之间的关系，并结合已有的状态监测技术，实时评估滚动轴承的运行可靠性具有重要的理论和现实意义。

由于滚动轴承的状态特征量包含丰富的性能状态信息，基于状态特征量的可靠性建模与分析技术是解决单个滚动轴承可靠性研究需求的一个重要方法。因此，采用基于振动特征信号的比例故障率模型可靠度评估方法，对滚动轴承的运行可靠性进行评估。在比例风险模型实际应用中，极大似然参数估计是最常用的方法，但用极大似然估计法进行参数估计时，一般要求解联立的超越方程组，比较繁琐，计算速度较慢。目前，常用的似然公式优化算法有模拟退火算法、粒子群算法、遗传算法和神经网络等。模拟退火算法能够遍历所有搜索区域，但搜索速度较慢。粒子群算法的搜索速度较快，但易陷入局部最优解。遗传算法具有良好的全局搜索能力，但局部搜索能力较差。神经网络的函数逼近能力强，但其结构难以确定。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种改进HWPSO-WPHM模型的滚动轴承可靠度评估方法，该方法可高效、准确地进行可靠性评估。

本发明的目的可以通过以下技术方案来实现：

一种改进HWPSO-WPHM模型的滚动轴承可靠度评估方法，包括以下步骤：

S1：获取正常滚动轴承振动信号的特征指标，通过PCA算法得到融合特征指标，建立训练样本；

S2：构建WPHM模型H(t，Z)，并利用极大似然估计法得到关于WPHM模型待定参数的非线性方程组；

S3：利用反向指数鲸鱼混合粒子群算法对非线性方程组进行求解，得到WPHM模型待定参数的最优解；

S4：构建改进HWPSO-WPHM模型，并融合特征指标作为训练样本进行模型训练，得到训练完成的可靠度模型R(t)；

S5：利用可靠度模型R(t)，得到滚动轴承可靠度随时间的变化趋势，实时获取其运行可靠性，完成对滚动轴承的可靠性评估。

进一步地，所述的步骤S1具体包括：

S11：提取滚动轴承时域、频域的特征指标，构成特征指标矩阵X：

其中，n为每一种特征指标中的包含的数据个数，p为特征指标的种类数，x_ij为第j个特征指标中的第i个数据，X_i为第i个特征指标向量；