特征融合与灰色回归的滚动轴承性能退化评估

doi:10.12263/DZXB.20200826

电子学报 ›› 2022, Vol. 50 ›› Issue (1): 106-115.DOI: 10.12263/DZXB.20200826

特征融合与灰色回归的滚动轴承性能退化评估

杨创艳¹^,², 马军¹^,², 王晓东¹^,², 罗亭¹^,², 李卓睿¹^,²

^1.昆明理工大学信息工程与自动化学院，云南昆明 650500
^2.昆明理工大学云南省人工智能重点实验室，云南昆明 650500

收稿日期:2020-08-03 修回日期:2021-02-05 出版日期:2022-01-25 发布日期:2022-01-25
作者简介:杨创艳女，1994年9月出生于云南省大理市.现为昆明理工大学信息工程与自动化学院硕士研究生.主要研究方向为机械故障诊断及性能退化评估. E-mail:yangchuangyan@stu.kust.edu.cn
马军（通信作者）男，1989年9月出生于云南省镇雄县.2016年毕业于昆明理工大学并获得博士学位，现为昆明理工大学信息工程与自动化学院副教授、硕士研究生导师.主要研究方向为大型机械设备结构健康监测. E-mail:mjun@kust.edu.cn
基金资助:
国家自然科学基金(51765022);云南省科技计划(2019FD042)

Feature Fusion and Grey Regression for Performance Degradation Assessment of Rolling Bearings

YANG Chuang-yan¹^,², MA Jun¹^,², WANG Xiao-dong¹^,², LUO Ting¹^,², LI Zhuo-rui¹^,²

^1.Faculty of Information Engineering and Automation，Kunming University of Science and Technology，Kunming，Yunnan 650500，China
^2.Yunnan Key Laboratory of Artificial Intelligence，Kunming University of Science and Technology，Kunming，Yunnan 650500，China

Received:2020-08-03 Revised:2021-02-05 Online:2022-01-25 Published:2022-01-25

摘要/Abstract

摘要：

针对传统退化指标无法准确反映滚动轴承全寿命周期内退化状态的问题，提出一种特征融合与灰色回归的滚动轴承性能退化评估方法.该方法提取滚动轴承振动信号的高维退化特征，构建基于单调性、相关性和鲁棒性的综合评价准则，选择有效退化特征并构建敏感指标集；提出核独立成分分析（Kernel Independent Component Analysis，KICA）和马氏距离（Mahalanobis Distance，MD）相结合的方法，计算敏感退化指标KICAMD；融合灰色回归模型和 $3 δ$ 原则，判定敏感退化指标KICAMD是否存在虚假波动并修复，获得轴承健康指标（Health Index，HI）；最后，基于HI时间序列的转折突变点，自适应确定初始故障时间和定量评估轴承退化状态.两组滚动轴承全寿命周期振动实验数据及对比分析表明，所提方法构建的性能退化指标能有效表征轴承全生命周期的运行状态.

关键词: 滚动轴承, 特征融合, 灰色回归模型, 初始故障时间, 退化状态定量评估

Abstract:

Aiming at the problem that the traditional degradation indicator cannot accurately reflect the degradation state of the rolling bearing in the whole life cycle, a method of performance degradation evaluation based on feature fusion and grey regression is proposed. The high-dimensional degradation features of vibration signal are extracted, and the comprehensive evaluation criteria based on monotonicity, correlation and robustness is constructed. A method combining kernel independent component analysis(KICA) and mahalanobis distance(MD) is proposed to calculate the sensitive degradation indicator KICAMD. Then, a novel based-the gray regression model and $3 δ$ principle method is introduced to determine in advance whether the sensitivity degradation indicator KICAMD is false fluctuation ahead of time repair, and then the bearing degradation health indicator HI is obtained. Based on the abrupt transition point of HI time series, the start failure time is determined adaptively and the rolling bearing degradation state is quantitatively evaluated. The experiment and comparative analysis of two groups of rolling bearing life cycle vibration show that the constructed performance degradation index can effectively characterize the running state of the rolling bearing.

Key words: rolling bearing, feature fusion, grey regression model, start failure time, quantitative assessment of degenerate states

中图分类号:

TN911.7

杨创艳, 马军, 王晓东, 罗亭, 李卓睿. 特征融合与灰色回归的滚动轴承性能退化评估[J]. 电子学报, 2022, 50(1): 106-115.

YANG Chuang-yan, MA Jun, WANG Xiao-dong, LUO Ting, LI Zhuo-rui. Feature Fusion and Grey Regression for Performance Degradation Assessment of Rolling Bearings[J]. Acta Electronica Sinica, 2022, 50(1): 106-115.

参考文献 6

1	郑近德, 潘海洋, 戚晓利, 等. 基于改进经验小波变换的时频分析方法及其在滚动轴承故障诊断中的应用[J]. 电子学报, 2018, 46(2): 358-364.
	ZHENG J D, PAN H Y, QI X L, et al. Time-frequency analysis method based on improved empirical Wavelet Transform and its Application in rolling Bearing Fault diagnosis[J]. Acta Electronica Sinica, 2018, 46(2): 358-364. (in Chinese)
2	潘海洋, 郑近德, 杨宇, 等. 基于CELCD和MFVPMCD的智能故障诊断方法研究[J]. 电子学报, 2017, 45(3): 546-551.
	PAN H Y, ZHENG J D, YANG Y, et al. Research on intelligent fault diagnosis method based on CELCD and MFVPMCD[J]. Acta Electronica Sinica, 2017, 45(3): 546-551. (in Chinese)
3	苏维均, 杨飞, 于重重, 等. 基于局部频谱的滚动轴承故障特征提取方法[J]. 电子学报, 2018, 46(1): 160-166.
	SU W J, YANG F, YU Z Z, et al. Fault feature extraction method of rolling bearing based on local spectrum[J]. Acta Electronic Sinica, 2018, 46(1): 160-166. (in Chinese)
4	陈祥龙, 冯辅周, 张兵志, 等. 基于平方包络谱相关峭度的最优共振解调诊断滚动轴承故障[J]. 机械工程学报, 2018, 54(21): 90-100.
	CHEN X L, FENG F Z, ZHANG B Z, et al. Rolling bearing fault diagnosis with optimal resonant frequency band demodulation based on squared envelope spectral correlated kurtosis[J]. Journal of Mechanical Engineering, 2018, 54(21): 90-100. (in Chinese)
5	ZENG Z G, MAIO F D, DIO E, et al. A hierarchical decision-making framework for the assessment of the prediction capability of prognostic methods[J]. Proceedings of the Institution of Mechanical Engineers, Part O: Journal of Risk and Reliability, 2017, 231(1): 36-52.
6	郑小霞, 李美娜. 基于小波包和并行隐马尔科夫的风力机易损部件退化状态评价[J]. 太阳能学报, 2019, 40(2): 370-379.
	ZHENG X X, LI M N. Health state evaluation based on wavelet packet and PCHMM for vulnerable components of wind turbines[J]. Journal of Solar Energy, 2019, 40(2): 370-379. (in Chinese)

[1]	彭闯, 王伦文, 胡炜林. 融合深度特征的电磁频谱异常检测算法[J]. 电子学报, 2022, 50(6): 1359-1369.
[2]	肖进胜, 张舒豪, 陈云华, 王元方, 杨力衡. 双向特征融合与特征选择的遥感影像目标检测[J]. 电子学报, 2022, 50(2): 267-272.
[3]	赵琰, 赵凌君, 匡纲要. 基于注意力机制特征融合网络的SAR图像飞机目标快速检测[J]. 电子学报, 2021, 49(9): 1665-1674.
[4]	席亮, 刘涵, 樊好义, 张凤斌. 基于深度对抗学习潜在表示分布的异常检测模型[J]. 电子学报, 2021, 49(7): 1257-1265.
[5]	罗亭, 马军, 王晓东, 杨创艳, 李卓睿. 改进DLMD和TKEO的滚动轴承故障特征提取方法[J]. 电子学报, 2021, 49(2): 387-393.
[6]	杨红红, 王刘丽, 张玉梅, 吴晓军, 党允彤. 基于序列多尺度特征融合表示的层级舞蹈动作姿态估计方法[J]. 电子学报, 2021, 49(12): 2428-2436.
[7]	黎毅达, 高发荣, 姚婷, 蔡利杰. 基于Fisher判别和GKF-RELM算法的多特征步态模式识别[J]. 电子学报, 2021, 49(10): 1993-2001.
[8]	黄鸿, 徐科杰, 石光耀. 联合多尺度多特征的高分遥感图像场景分类[J]. 电子学报, 2020, 48(9): 1824-1833.
[9]	程晓涛, 吉立新, 尹赢, 黄瑞阳. 基于D-S证据理论的网络表示融合方法[J]. 电子学报, 2020, 48(5): 854-860.
[10]	杨珂, 王敬宇, 戚琦, 孙海峰, 王晶, 廖建新. LSCN:一种用于动作识别的长短时序关注网络[J]. 电子学报, 2020, 48(3): 503-509.
[11]	李雅倩, 盖成远, 肖存军, 吴超, 刘佳甲. 基于细化多尺度深度特征的目标检测网络[J]. 电子学报, 2020, 48(12): 2360-2366.
[12]	刘颖, 胡丹, 范九伦, 王富平, 李大湘. 基于融合特征的现勘图像检索结果优化算法[J]. 电子学报, 2019, 47(2): 296-301.
[13]	杨小冈, 李维鹏, 马玛双. 概率框架下多特征显著性检测算法[J]. 电子学报, 2019, 47(11): 2378-2385.
[14]	侯小刚, 赵海英, 马严. 基于超像素多特征融合的快速图像分割算法[J]. 电子学报, 2019, 47(10): 2126-2133.
[15]	郑近德, 潘海洋, 戚晓利, 张兴权, 刘庆运. 基于改进经验小波变换的时频分析方法及其在滚动轴承故障诊断中的应用[J]. 电子学报, 2018, 46(2): 358-364.

特征融合与灰色回归的滚动轴承性能退化评估

Feature Fusion and Grey Regression for Performance Degradation Assessment of Rolling Bearings

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献 6

相关文章 15

编辑推荐

Metrics