基于振动敏感时频特征的空间滚动轴承寿命状态检测方法
【技术领域】
[0001] 本发明属于滚动轴承可靠性评估与寿命预测技术领域，涉及一种基于振动敏感时 频特征的空间滚动轴承寿命状态检测方法。
【背景技术】
[0002] 空间滚动轴承的寿命是指在一定的工作环境和条件（如转速、载荷）下轴承正常 运行的总圈数或总小时数。而在工程实践中，由于空间轴承的转速、载荷及其工作环境等因 素，无法对轴承运转圈数进行测试和统计，从而需要寻求新的特征量来对轴承寿命进行表 征和评估。目前，针对空间滚动轴承，国内外常用的试验测试手段有摩擦学特性分析、摩擦 力矩测试和温度测试，但这些特征量反映的是轴承摩擦学性能或工作状态，无法有效反映 轴承寿命状态的衰退过程，即不能有效对轴承寿命状态进行表征。一个新的切入点是以包 含运行状态信息丰富的振动信号来表征空间滚动轴承寿命状态。
[0003] 随着轴承的运转，轴承元件（如内、外滚道、保持架和滚动体）表面发生不同程度 的磨损，磨损程度即代表了轴承寿命所处寿命状态。当轴承出现不同程度的磨损后，轴承振 动情况随之而发生微弱改变，振动信号的这种微弱变化直接反映出了空间滚动轴承寿命状 态衰退过程。振动信号的微弱变化具体表现为时域幅值、概率分布、频率成分、不同频率成 分的能量，以及频谱的主能量谱峰位置等的差异。为了全面刻画振动信号的这些变化和便 于应用模式识别方法进行不同寿命状态的分类识别，综合利用振动信号的时频域特征建立 反映轴承寿命状态的时频域特征集来进行反映。但是，这样建立起来的轴承寿命状态特征 集势必会引入非敏感特征和造成特征集维数过高，削弱寿命状态特征集对空间滚动轴承寿 命状态的表征性，严重影响寿命状态识别的准确性。
【发明内容】
[0004] 有鉴于此，本发明的目的在于提供一种基于振动敏感时频特征的空间滚动轴承寿 命状态检测方法，针对振动时频域特征对空间滚动轴承寿命状态的敏感性和寿命状态特征 集维数过高不利于分类识别的问题，提出了解决方案，该方法能够准确的识别空间滚动轴 承寿命状态。
[0005] 为达到上述目的，本发明提供如下技术方案：
[0006] 基于振动敏感时频特征的空间滚动轴承寿命状态检测方法，该方法包括以下步 骤：
[0007] Sl :综合振动信号的时域和频域信息，选取D个时频域特征参数构造高维时频域 特征集作为轴承寿命状态的振动谱特征，即为空间滚动轴承寿命状态特征集；
[0008] S2:利用散布矩阵计算类间散布矩阵和类内散布矩阵的迹，然后计算敏感性指 标Ji Q = 1，2,…，D)，其中D表示时频域特征参数的个数；构建敏感时频域特征子集X = {Xie RD'，i = 1，2,…，N}，其中，由敏感特征组成的寿命状态样本，D'表示敏感特征的 个数，N为寿命状态样本数；
[0009] S3 :将高维寿命状态敏感时频特征子集输入线性局部切空间排列（LLTSA)进行训 练，得到映射矩阵A及寿命状态样本的低维全局坐标Y = Iyi e R d, i = 1，2,…，N}，其中d 为融合特征的个数，N为寿命状态样本数；低维寿命状态样本集及其类别标签则组成了最 近邻分类器（KNNC)的训练样本集{ yi，IJ ;
[0010] S4 :通过映射矩阵A对测试样本进行特征融合，将结果输入KNNC得到测试样本的 寿命状态类别。
[0011] 进一步，所述时频域特征参数的个数D为30 ;其中，16个为时域特征参数，用于描 述时域幅值和能量的大小以及幅值的分布情况，Pi~P 7反映时域幅值和能量大小，P 8~P 16 反映时间序列分布情况；14个为频域特征参数，用于描述频谱中主频带位置的变化以及谱 能量分布的分散程度，P17反映频域振动能量的大小，P 18~P 21反映主频带位置的变化，P 22~ P3tl反映频谱的分散或集中程度。
[0012] 进一步，所述S2具体包括以下步骤：
[0013] S21 :设样本集由C类构成，每类包含训练样本数为Ni,计算类内散布矩阵和类间 散布矩阵：
[0014] 所述类内散布矩阵SwS:
【主权项】
1. 基于振动敏感时频特征的空间滚动轴承寿命状态检测方法，其特征在于：该方法包 括以下步骤： S1 :综合振动信号的时域和频域信息，选取D个时频域特征参数构造高维时频域特征 集作为轴承寿命状态的振动谱特征，即为空间滚动轴承寿命状态特征集； S2:利用散布矩阵计算类间散布矩阵和类内散布矩阵的迹，然后计算敏感性指标Ji，i= 1，2,…，D，其中，D表示时频域特征参数的个数；构建敏感时频域特征子集X= {XiGRD'，i= 1，2,…，N}，其中，由敏感特征组成的寿命状态样本，D'表示敏感特征的 个数，N为寿命状态样本数； 53 :将高维寿命状态敏感时频特征子集输入线性局部切空间排列进行训练，得到映射 矩阵A及寿命状态样本的低维全局坐标Y={yiGRd，i= 1，2,…，N}，其中d为融合特征的 个数，N为寿命状态样本数；低维寿命状态样本集及其类别标签组成最近邻分类器（KNNC) 的训练样本集{yi，1J; 54 :通过映射矩阵A对测试样本进行特征融合，将结果输入KNNC得到测试样本的寿命 状态类别。
2. 根据权利要求1所述的基于振动敏感时频特征的空间滚动轴承寿命状态检测方法， 其特征在于：所述时频域特征参数的个数D为30 ;其中，16个为时域特征参数，用于描述时 域幅值和能量的大小以及幅值的分布情况，Pi~P7反映时域幅值和能量大小，P8~P16反映 时间序列分布情况；14个为频域特征参数，用于描述频谱中主频带位置的变化以及谱能量 分布的分散程度，P17反映频域振动能量的大小，P18~P21反映主频带位置的变化，P22~P3〇 反映频谱的分散或集中程度。
3. 根据权利要求1所述的基于振动敏感时频特征的空间滚动轴承寿命状态检测方法， 其特征在于：所述S2具体包括以下步骤： 521 :设样本集由C类构成，每类包含训练样本数为队，计算类内散布矩阵和类间散布 矩阵： 所述类内散布矩阵swS:
式中，x/表示第j类的第i个数据特征值，Ui表示第i类特征值均值； 所述类间散布矩阵&为：
式中，叫为总体样本的全局均值向量； 522 :分别求矩阵S#SB的迹，记为tr{Sw}和tr{SB};其中，tr{Sw}为所有类的特征方 差的平均测度，tr{SB}为每一类的均值与全局均值之间平均距离的一种测度； 523 :根据类间距构造寿命状态特征敏感性指标J:
当SB越大或者Sw越小时，特征敏感性指标越大；特征敏感性指标J值越大表示对应特 征分类能力越强，反之表示分类能力弱； S24 :分别计算出寿命状态特征集中每个特征量的敏感性指标Ji，i= 1，2,…，D，再 求取敏感性指标的平均值％，选择的特征量构建出寿命状态敏感特征子集X= {XiGRD'，i= 1，2,…，N}，其中D'表示敏感特征的个数，由敏感特征组成的寿命状态 样本，N为寿命状态样本数。
【专利摘要】本发明涉及一种基于振动敏感时频特征的空间滚动轴承寿命状态检测方法，属于滚动轴承可靠性评估与寿命预测技术领域。该方法利用振动时频域特征参数建立空间滚动轴承寿命状态特征集，实现对寿命状态的表征；提出了寿命敏感性指标计算方法，排除寿命状态特征集中非敏感性特征，构建出寿命状态敏感特征子集，增强对寿命状态的表征性；并采用线性局部切空间排列算法对寿命状态敏感特征子集进行维数约简，去除冗余信息，获得分类特性好的低维寿命状态特征集；最后，应用最近邻分类器实现空间滚动轴承不同寿命状态的识别。本发明提供的一种基于振动敏感时频特征的空间滚动轴承寿命状态检测方法，能准确的识别空间滚动轴承寿命状态，应用效果较好。
【IPC分类】G06K9-62, G01M13-04
【公开号】CN104807640
【申请号】CN201510232111
【发明人】陈仁祥, 陈思杨, 杨黎霞
【申请人】重庆交通大学
【公开日】2015年7月29日
【申请日】2015年5月8日