技術(shù)特征：

1.一種基于按類統(tǒng)計(jì)的滾動(dòng)軸承可靠性可視化動(dòng)態(tài)評(píng)估方法，其特征在于，包括以下步驟：

第一步，獲取滾動(dòng)軸承的振動(dòng)數(shù)據(jù)，提取其均方根和峭度兩個(gè)性能特征指標(biāo)，對(duì)均方根和峭度這兩個(gè)特征指標(biāo)進(jìn)行歸一化處理：X_i和分別為第i維的性能指標(biāo)數(shù)據(jù)序列和預(yù)處理后的性能指標(biāo)數(shù)據(jù)序列，預(yù)處理公式為：

${\tilde{X}}_i=\frac{X_i-mean\left(X_i\right)}{rms(X_i-mean(X_i\left)\right)},i=1,2;$

第二步，獲取正常狀態(tài)下二維性能指標(biāo)數(shù)據(jù)作為統(tǒng)計(jì)樣本把該統(tǒng)計(jì)樣本稱為正常類，并計(jì)算正常類平滑因子σ：

$\begin{array}{ccccc}\mathrm{\σ}=g*d& d=\frac{1}{m}\underset{i,j=1}{\overset{m}{\Σ}}\min d_{ij}& d_{ij}=\left|\right|x_i^k-x_j^k\left|\right|.& i,j=1,2,...,m.& i\≠j\end{array}$

d為樣本點(diǎn)之間的距離，g＝1.1～1.4，

利用核密度法計(jì)算正常類每個(gè)樣本點(diǎn)的概率密度分布曲線，并對(duì)m個(gè)樣本點(diǎn)的概率密度分布曲線進(jìn)行疊加，得到初始按類概率模型f(x)：

$f\left(x\right)=\frac{1}{2{\mathrm{\πm\σ}}^2}\underset{i=1}{\overset{m}{\Σ}}\exp (-\frac{(x-x_i^k)\·(x-x_i^k)}{2{\mathrm{\σ}}^2})$

將初始按類概率模型進(jìn)行可視化得到初始按類概率圖像模型，并基于拉依達(dá)準(zhǔn)則在初始按類概率圖像模型中通過3σ處的概率值確定該正常類的邊界線；

第三步，當(dāng)有新數(shù)據(jù)時(shí)，根據(jù)分類邊界線進(jìn)行類別判斷，并對(duì)新的類建立新的按類概率圖像模型，具體步驟為：

步驟1：通過對(duì)比新樣本點(diǎn)的概率值與3σ處的概率值，判斷新樣本點(diǎn)是否屬于正常類，采用雙三次插值法求取新數(shù)據(jù)在圖像模型中的概率值，p_new為新樣本點(diǎn)處概率值，p_bie為分類邊界處的概率值，判斷指標(biāo)p計(jì)算公式為：

p＝p_new-p_bie

當(dāng)p＜0時(shí)，判斷新數(shù)據(jù)為正常類數(shù)據(jù)，將其加入到正常類中更新按類概率圖像模型和分類邊界線；

當(dāng)p＞0時(shí)，判斷新數(shù)據(jù)不屬于正常類數(shù)據(jù)，將其作為新的類，即非正常類；

步驟2：當(dāng)非正常類中的樣本累加到一定量時(shí)，利用該類樣本按照第二步計(jì)算該類的平滑因子并建立其概率模型、確定該類的分類邊界線，將不同類的概率模型進(jìn)行疊加及可視化，即可得到新的按類概率圖像模型；

第四步，根據(jù)按類概率圖像模型中非正常類的圖像分布區(qū)域面積占總圖像分布區(qū)域面積的比值得到故障率h(t)，根據(jù)故障率計(jì)算出可靠性指標(biāo)R(t)，

$R\left(t\right)=\exp (-\underset{0}{\overset{t}{\∫}}h(t\left)dt\right)$

圖像分布區(qū)域面積反映了一段時(shí)間內(nèi)性能特征值的概率密度分布區(qū)域，通過在按類概率圖像模型中，每類中大于該類3σ概率值的像素點(diǎn)數(shù)來估計(jì)每類的圖像分布區(qū)域面積；

第五步，當(dāng)又有新數(shù)據(jù)時(shí)，根據(jù)每類的分類邊界線進(jìn)行類別的判斷，屬于其中一類就加入，不屬于其中一類就另成一類，通過數(shù)據(jù)的不斷積累，動(dòng)態(tài)更新按類概率圖像模型，從而得到不同時(shí)刻的可靠性指標(biāo)。