基于TESPAR与GMM的滚动轴承性能退化评估.pdfVIP

第３５ 卷　第８期 仪 器 仪 表 学 报 Ｖｏｌ３５ Ｎｏ８ ２０１４年８月 Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆＳｃｉｅｎｔｉｆｉｃ Ｉｎｓｔｒｕｍｅｎｔ Ａｕｇ．２０１４ 基于ＴＥＳＰＡＲ与ＧＭＭ的滚动轴承性能退化评估 张　龙，黄文艺，熊国良，周建民，周继慧 （华东交通大学 机电工程学院　南昌　３３００１３） 摘　要：状态维修根据设备当前运行状态制定维修计划，可避免维修不足与维修过剩等问题。性能退化程度量化评估是实现 滚动轴承状态维修的基础。提取滚动轴承早期无故障振动信号的ＴＥＳＰＡＲ参数中的Ｓ矩阵作为原始特征，利用主分量分析对 其进行降维处理后构建特征矢量，并建立无故障轴承高斯混合模型ＧＭＭ。将轴承后期振动信号的Ｓ矩阵经降维处理后输入 该ＧＭＭ模型，得到被测样本与无故障样本之间的量化相似程度，以此建立时间编码对数似然值ＴＥＬＬＰ作为滚动轴承性能退化 定量指标。轴承疲劳试验表明该方法能及时发现轴承早期故障，并且能很好地跟踪故障发展趋势。 关键词：状态维修；滚动轴承；高斯混合模型；性能退化评估 中图分类号：ＴＨ１６５．３　ＴＮ９１　ＴＨ１７　　文献标识码：Ａ　　国家标准学科分类代码：４６０．４０ Ｂｅａｒｉｎｇ ｐｅｒｆｏｒｍａｎｃｅ ｄｅｇｒａｄａｔｉｏｎ ａｓｓｅｓｓｍｅｎｔ ｂａｓｅｄ ｏｎ ＴＥＳＰＡＲ ａｎｄ ＧＭＭ Ｚｈａｎｇ Ｌｏｎｇ，Ｈｕａｎｇ Ｗｅｎｙｉ，Ｘｉｏｎｇ Ｇｕｏｌｉａｎｇ，Ｚｈｏｕ Ｊｉａｎｍｉｎ，Ｚｈｏｕ Ｊｉｈｕｉ （Ｓｃｈｏｏｌ ｏｆＭｅｃｈａｔｒｏｎｉｃｓ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｅａｓｔ Ｃｈｉｎａ Ｊｉａｏｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ，３３００１３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｃｏｎｄｉｔｉｏｎｂａｓｅｄ ｍａｉｎｔｅｎａｎｃｅ （ＣＢＭ）ａｓ ａ ｎｅｗ ｍａｉｎｔｅｎａｎｃｅ ｐｈｉｌｏｓｏｐｈｙ ｃａｎ ａｖｏｉｄ ｔｈｅ ｏｃｃｕｒｒｅｎｃｅ ｏｆｉｎｓｕｆｆｉｃｉｅｎｔ ａｎｄ ｅｘｃｅｓｓｉｖｅ ｍａｉｎｔｅｎａｎｃｅ ｅｆｆｏｒｔｓ．Ｆｏｒｔｈｅ ｐｕｒｐｏｓｅ ｏｆ ｑｕａｎｔｉｔａｔｉｖｅ ａｓｓｅｓｓｍｅｎｔ ｏｆ ｂｅａｒｉｎｇ ｐｅｒｆｏｒｍａｎｃｅ ｄｅｇｒａｄａｔｉｏｎ ｕｎｄｅｒｌｙｉｎｇ ＣＢＭ，ａ ＧＭＭ（Ｇａｕｓｓ ｍｉｘｔｕｒｅ ｍｏｄｅｌ）ａｎｄ ＴＥＳＰＡＲ （ｔｉｍｅ ｅｎｃｏｄｅｄ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｉｎｇ ａｎｄ ｒｅｃｏｇｎｉｔｉｏｎ）ｂａｓｅｄ ａｐｐｒｏａｃｈ ｉｓ ｆｏｒｍｕｌａｔｅｄ．Ｔｈｅ Ｓ ｍａｔｒｉｃｅｓ ｉｎ ｔｈｅ ＴＥＳＰＡＲ ｐａｒａｍｅｔｅｒｓｏｆｔｈｅｂｅａｒｉｎｇｓｉｇｎａｌｓｃｏｌｌｅｃｔｅｄｆｒｏｍｆａｕｌｔｆｒｅｅ ｓｔａｇｅａｒｅｅｘｔｒａｃｔｅｄａｓｔｈｅｏｒｉｇｉｎａｌｆｅａｔｕｒｅｓ，ａｎｄｄｉｍｅｎｓｉｏｎａｌｌｙｒｅｄｕｃｅｄ ｗｉｔｈ ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ （ＰＣＡ）ｔｏ ｃｏｎｓｔｒｕｃｔｔｈｅｆｅａｔｕｒｅｖｅｃｔｏｒｓ；ａｎｄａＧＭＭｍｏｄｅｌｆｏｒｔｈｅｆａｕｌｔｆｒｅｅｂｅａｒｉｎｇｉｓｅｓｔａｂｌｉｓｈｅｄａｎｄ ｔｒａｉｎｅｄ ｗｉｔｈ ｔｈｅ Ｓ ｍａｔｒｉｃｅｓ．Ｔｈｅ Ｓ ｍａｔｒｉｃｅｓｆｒｏｍ ｓｕｂｓｅｑｕｅｎｔｂｅａｒｉｎｇ ｓｔａｇｅｓａｒｅ ｄｉｍｅｎｓｉｏｎａｌｌｙｒｅｄｕｃｅｄ，ａｎｄｔｈｅｎｆｅｄｔｏｔｈｅ ｔｒａｉｎｅｄ ＧＭＭ ｍｏｄｅｌ ｔｏ ｏｂｔａｉｎｔｈｅ ｑｕａｎｔｉｔｉｖｅ ｓｉｍｉｌａｒｉｔｙ ｄｅｇｒｅｅ ｂｅｔｗｅｅｎｔｈｅｆａｕｌｔｆｒｅｅ ｓａｍｐｌｅ ａｎｄｔｈｅ ｓａｍｐｌｅ ｕｎｄｅｒｔｅｓｔ．Ｓｕｃｈ ｓｉｍｉｌａｒｉｔｙ ｄｅｇｒｅｅ ｓｅｒｖｅｓａｓ ａ ｆａｕｌｔ ｓｅｖｅｒｉｔｙｉｎｄｅｘ，ｗｈｉｃｈｉｓｈｅｒｅｉｎｃａｌｌｅｄＴＥＬＬＰ （ｔｉｍｅｅｎｃｏｄｅｄｌｏｇｌｉｋｅｌｉｈｏｏｄｐｒｏｂａｂｉｌｉｔｙ）．Ｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｏｆｂｅａｒｉｎｇｆａｔｉｇｕｅｔｅｓｔ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ ｉｓ ａｂｌｅ ｔｏ ｄｅｔｅｃｔ ｉｎｃｉｐ