[发明专利]一种轴承健康评估与预测的方法及系统

摘要

本发明提供一种轴承健康评估与预测的方法及系统，所述方法包括：获取轴承运行过程中的振动信号并对振动信号进行处理获取振动信号的时域统计特征，时频域能量特征及三角函数特征并根据轴承退化的特性指标，选择对轴承退化最敏感的特征，组成特征向量并选择轴承处于正常运行时的特征向量作为输入向量训练自组织特征映射网络并建立自组织特征映射网络模型，求得所述自组织特征映射网络模型中每个特征向量所对应的最小量化误差，并利用最小量化误差构建反应轴承退化性能的健康指标；利用极限学习机预测方法和健康指标对所述轴承退化的趋势进行预测。本发明可以准确刻画轴承退化过程中的退化程度，并且精确地预测轴承退化的趋势。

主权项

1.一种轴承健康评估与预测的方法，其特征在于，包括：获取轴承运行过程中的振动信号并对所述振动信号进行处理获取所述振动信号的时域统计特征，时频域能量特征及三角函数特征并根据轴承退化的特性指标，从所述振动信号的时域统计特征，时频域能量特征及三角函数特征中选择对轴承退化最敏感的特征，组成特征向量；具体的特征选择方法如下：将提取的特征利用平滑方法分解均值趋势部分和随机部分：X(ti)＝XT(ti)+XR(ti)；式中，X(ti)表示提取的特征，ti表示第i个采样点的时刻，XT(ti)表示特征的均值趋势部分，XR(ti)表示特征的随机部分；根据轴承退化的实际过程，特征应满足三个特性指标，计算每个特征符合三个特性的值：Mon(X)，Corr(X)，Rob(X)分别表示的是在轴承退化过程中特征应该符合单调性，与时间的相关性以及鲁棒性；然后计算每个特征三个特性值的加权和作为评价该特征是否对退化敏感的综合指标值J：J＝ω1Mon(X)+ω2Corr(X)+ω3Rob(X)；其中，ω1，ω2，ω3分别为三个特性值的权重；将轴承处于正常运行时的特征向量作为输入向量训练自组织特征映射网络并建立自组织特征映射网络模型，利用训练好的所述自组织特征映射网络模型求得每个所述特征向量所对应的最小量化误差，并利用所述最小量化误差构建反应轴承退化性能的健康指标；利用极限学习机预测方法和所述健康指标对所述轴承退化的趋势进行预测。