本發(fā)明涉及一種軸承剩余使用壽命預測方法，尤其是一種基于相似性的軸承剩余使用壽命預測方法。

背景技術：

軸承作為一種高精度產(chǎn)品，它的性能好壞對機械設備能否正常工作起著至關重要的作用，是機械設備的重要基礎零部件。因此，軸承的故障預測和健康管理(PHM)相關研究受到了國際上眾多專家學者的關注，其中軸承剩余使用壽命預測的研究對于降低停機率、提升產(chǎn)品質量和提高生產(chǎn)效率有著極為重要的意義。

軸承剩余使用壽命預測，顧名思義，就是在軸承A運行的某一時刻t，根據(jù)軸承A的運行狀態(tài)數(shù)據(jù)和同類設備的歷史數(shù)據(jù)，預測軸承A由當前至失效的剩余使用壽命。目前，軸承剩余使用壽命預測的方法分為兩大類：基于物理的方法和基于經(jīng)驗的方法?；谖锢淼姆椒ㄔ噲D將軸承的機械動力學知識和軸承在線狀態(tài)監(jiān)測數(shù)據(jù)結合起來預測軸承的剩余使用壽命。常見的基于物理的方法主要使用裂紋擴展模型、碎裂增長模型等。這種方法通常要求獲取軸承的物理狀態(tài)信息作為數(shù)據(jù)支撐，需要機械設備停機檢查，這在工業(yè)運行中是不可行的。為此，人們設計了基于經(jīng)驗的剩余使用壽命預測方法?；诮?jīng)驗的剩余使用壽命預測方法試圖直接從軸承狀態(tài)監(jiān)測信息及同類型軸承的歷史數(shù)據(jù)在線預測設備的剩余使用壽命。例如，在CN104792529A、CN104915550B和CN104598736A等專利中，均使用了某一種數(shù)學模型對軸承的狀態(tài)信息進行深入挖掘，實現(xiàn)對軸承壽命的預測，取得了一定的有益效果。但是，前述專利在特征量選取和核函數(shù)組合等方面存在一定的隨意性，所用的數(shù)學模型往往過于復雜。基于相似性的方法，認為某服役軸承的剩余使用壽命可預測為同類型軸承（參考軸承）在某刻剩余使用壽命的“加權平均”。該方法克服了其他方法需進行狀態(tài)預測和高階模型建模困難的弊端，同時具備簡單、快速、準確的特點。然而，對于基于相似性的軸承剩余使用壽命預測方法的研究很不透徹，實際應用更是鮮有涉及。因此，找到一種基于相似性的軸承剩余使用壽命預測方法具有十分重要的理論和應用價值。

技術實現(xiàn)要素：

本發(fā)明的目的是提供一種基于相似性的軸承剩余使用壽命預測方法，利用基于相關性分析的特征量遴選方法和基于相似性的剩余使用壽命預測模型，解決傳統(tǒng)預測方法中主觀性強、建模困難的弊病，以提高軸承剩余使用壽命預測的準確性，為軸承的故障預測和健康管理提供技術支撐。

為實現(xiàn)上述目的，本發(fā)明所提供的技術方案是：提供一種基于相似性的軸承剩余使用壽命預測方法，所述方法包括基于相關性分析的特征量遴選方法和基于相似性的剩余使用壽命預測模型兩個部分。

所述基于相關性分析的特征量遴選方法，首先采集組軸承在全壽命周期內的振動信號，采樣頻率為，構造組歷史數(shù)據(jù)，并從中提取其時域與頻域特征量；

隨后，使用相關系數(shù)計算公式計算上述特征量隨時間的變化趨勢與組軸承全壽命周期內剩余使用壽命隨時間變化趨勢之間的相關系數(shù)，計算公式如下所示：

式中，和分別代表特征量變化序列和軸承剩余使用壽命變化序列；

遴選出相關系數(shù)中的最大值所對應的特征量，使用該特征量在軸承全壽命周期內的數(shù)據(jù)構造樣本數(shù)據(jù)組。

所述特征量包括振動信號的最大值、最小值、絕對平均值、峰峰值、均方根、平均值、標準差、偏態(tài)值、峭度、方差、波形因子、波峰因子、變異系數(shù)、峭度系數(shù)、余隙因子、脈沖因子、平均頻率、中心頻率、頻率均方根、頻率標準差、旋轉頻率、滾動體滾動頻率、通過頻率、滾動體上一固定點和內外滾道的接觸頻率、相對旋轉頻率、外圈固定時滾動體和內滾道上一固定點之間的接觸頻率、保持架故障頻率、滾動體故障頻率、外圈故障頻率以及內圈故障頻率中的任意一種或幾種。

所述基于相似性的剩余使用壽命預測模型，是對樣本數(shù)據(jù)和預測數(shù)據(jù)相應特征量隨軸承壽命變化趨勢的相似度進行衡量；具體是采集時間T內待預測軸承的振動信號，采樣頻率為，并從中提取出所述基于相關性分析的特征量遴選方法遴選出的特征量隨時間變化的組特征序列；

對組特征序列，使用距離函數(shù)在對應的組樣本數(shù)據(jù)中遍歷，計算明可夫斯基距離，使用的公式為：

計算出預測數(shù)據(jù)在從第個到第個采樣點時段中的特征量與樣本數(shù)據(jù)在從第個到第個采樣點時段中的特征量的明可夫斯基距離，其中，，是采樣間隔；這里，為樣本數(shù)據(jù)從開始至失效的采樣點數(shù)，；

在預測數(shù)據(jù)的第個采樣點，預測數(shù)據(jù)與樣本數(shù)據(jù)的最小距離，也就是兩者的最大相似度的計算公式為：

確定最小距離對應的樣本數(shù)據(jù)中的位置，并根據(jù)樣本數(shù)據(jù)中的時間信息確定個參考剩余使用壽命，即PRUL，使用的公式為：

其中，為樣本中最小距離對應的采樣點位置；

為樣本數(shù)據(jù)從開始至失效的采樣點數(shù)，；

（5）使用權重函數(shù)，基于計算的個最小距離，計算出個權重，使用的公式為：

式中為權重因子，為樣本數(shù)據(jù)數(shù)量，為中間變量，為權重；

最后，個參考剩余使用壽命與個權重對應相乘，求和，得到預測軸承剩余使用壽命的預測結果，使用的公式如下所示。

本發(fā)明的有益效果是：能夠簡單、準確的預測出軸承的剩余使用壽命；本發(fā)明設計的基于相關性分析的特征量遴選方案，遴選出的特征量與軸承剩余使用壽命變化趨勢的相關度高達0.8，能客觀的反映出軸承健康狀態(tài)變化趨勢；本發(fā)明設計的以明可夫斯基距離為權重因子的權重函數(shù)，以數(shù)據(jù)相似程度高低作為新判據(jù)，能夠更合理的賦予權重；本發(fā)明提出的基于相似性的軸承剩余使用壽命預測方法無需建立復雜的數(shù)學模型、無需預測軸承性能發(fā)展趨勢，能夠簡單、準確的預測軸承剩余使用壽命，預測準確率高達86.7%。

附圖說明

圖1為基于相似性的軸承剩余使用壽命預測流程圖；

圖2為預測結果示意圖。

具體實施方式

下面結合附圖對本發(fā)明的具體實施方式做出詳細說明，所述領域的技術人員在閱讀了本具體實施例后，能夠實現(xiàn)本發(fā)明所述的技術方案，同時也能夠體現(xiàn)本發(fā)明所述的優(yōu)點與有益效果。

本實施方式中，引入了IEEE舉辦IEEE PHM 2012 Prognostic challenge時法國FEMTO-ST實驗室提供的軸承加速壽命實驗數(shù)據(jù)。加速壽命實驗使用的軸承參數(shù)如下：外圈直徑32毫米，內圈直徑20毫米，厚度7毫米，滾珠直徑3.5毫米，滾珠中心間距25.6毫米，滾動體數(shù)目13毫米，滾動軸承的平均直徑25.6毫米。在轉速為1800rpm、負載為4000N的條件下進行了7組實驗，以25.6kHz的采樣頻率采集軸承的振動信號。

選用轉速為1800rpm、負載為4000N工況下的5組數(shù)據(jù)作為樣本數(shù)據(jù)，剩余2組數(shù)據(jù)中的1組作為預測數(shù)據(jù)，對軸承的剩余使用壽命進行了預測。

由于振動信號的采集是以時長為0.1s的時間段每10s采集一次進行的，因此，數(shù)據(jù)特征量的提取也以時長為0.1s的時間段為單位進行。即在每個時間段上提取相應的特征量，然后將每個時間段上的特征量組合成新的特征序列。

結合圖1，預測流程如下：

首先，對5組樣本數(shù)據(jù)進行消噪處理和最大值、最小值、絕對平均值、峰峰值、均方根、平均值、標準差、偏態(tài)值、峭度、方差、波形因子、波峰因子、變異系數(shù)、峭度系數(shù)、余隙因子、脈沖因子、平均頻率、中心頻率、頻率均方根、頻率標準差、旋轉頻率、滾動體滾動頻率、通過頻率、滾動體上一固定點和內外滾道的接觸頻率、相對旋轉頻率、外圈固定時滾動體和內滾道上一固定點之間的接觸頻率、保持架故障頻率、滾動體故障頻率、外圈故障頻率以及內圈故障頻率等特征量的提取。

然后，使用相關系數(shù)計算公式計算上述特征量隨時間的變化趨勢與軸承全壽命周期內剩余使用壽命隨時間變化趨勢之間的相關系數(shù)，計算公式如下所示：

對上述特征量隨時間的變化趨勢與軸承剩余使用壽命隨時間的變化趨勢進行相關性分析，其中，和分別代表特征量變化序列和軸承剩余使用壽命變化序列。使用理想的斜率為-1、曲線與縱軸的交點為軸承壽命的曲線來描述軸承剩余使用壽命隨時間的變化趨勢。選取結果如下：樣本數(shù)據(jù)1選定特征量為滾動體滾動頻率（相關系數(shù)0.9171），樣本數(shù)據(jù)2選定特征量為外圈故障頻率（相關系數(shù)0.7946），樣本數(shù)據(jù)3選定特征量為峭度（相關系數(shù)0.8055），樣本數(shù)據(jù)4選定特征量為旋轉頻率（相關系數(shù)0.8371），樣本數(shù)據(jù)5選定特征量為保持架故障頻率（相關系數(shù)0.7789）。

接著，從預測數(shù)據(jù)中提取出上述5種特征量，使用明可夫斯基距離函數(shù)

衡量預測數(shù)據(jù)在從第個到第個采樣點時段中的特征量與樣本數(shù)據(jù)在從第個到第個采樣點時段中的特征量的明可夫斯基距離，其中，，是10s。這里，為樣本數(shù)據(jù)從開始至失效的采樣點數(shù)，。得出每組樣本數(shù)據(jù)與預測數(shù)據(jù)的最小明可夫斯基距離，確定5個參考剩余使用壽命，通過權重函數(shù)

計算出權重。

最后，用5個參考剩余使用壽命與5個權重對應相乘，求和，得到預測軸承剩余使用壽命的預測結果，使用的公式為：

。

根據(jù)IEEE PHM 2012 Data Challenge的數(shù)據(jù)，預測數(shù)據(jù)對應的實驗軸承的測試截止時刻是18010s，要求預測該截止時刻的軸承剩余使用壽命。通過分析提供的壽命加速實驗數(shù)據(jù)可知，該軸承在測試截止時刻的實際剩余壽命為5730s。按照前述的步驟，對該軸承的剩余使用壽命進行了全程預測，預測結果如圖2所示，藍色軌跡為預測結果，黑色軌跡為預測結果的擬合結果，紅色軌跡為實際數(shù)據(jù)。預測結果擬合之后的曲線方程為：，式中，斜率?1為近似值。其中，表示使用時間，表示軸承的剩余使用壽命。在測試截止時刻18010s 時的預測剩余壽命為4968s，準確率為86.7%，相對誤差為?13.3%，負值說明是滯后預測，屬于提前預測，使用該預測結果指導維修工作可以避免重大事故的發(fā)生，有利于維修工作的開展。

本發(fā)明采用基于經(jīng)驗的方法實現(xiàn)了軸承剩余使用壽命預測，采用基于相似性的預測方法，該方法設計了基于相關性分析的特征量遴選方法和基于相似性的預測方法，能夠簡單、準確的提供軸承剩余使用壽命預測的能力。特別是，它不依賴于軸承特定的物理學模型和復雜的數(shù)學模型，為在實際工業(yè)運行中，軸承故障預測和健康管理問題，提供了一種實用的技術方法。

本發(fā)明所述的方法，并不僅僅適用于軸承剩余使用壽命預測領域，對于其他結構復雜、建模困難的機械設備同樣適用，可以為大多數(shù)機械設備基于狀態(tài)監(jiān)測數(shù)據(jù)實現(xiàn)其剩余使用壽命預測和狀態(tài)維修提供方法參考和決策支撐。