基于时频域多指标融合和图模型的滚动轴承早期退化监测方法

作者：桂伟,陈鑫,叶新来. 日期：2022-11-22/span> 浏览：1131 查看PDF文档

摘要:在对滚动轴承的全生命周期健康状态进行监测,采用从振动信号中提取监测指标时,存在噪声干扰、检测准确度低的问题,为此，提出了一种基于时频域多指标融合和图模型的滚动轴承早期退化点检测新方法。首先,进行了时频域的指标提取,对采集的轴承原始振动信号进行了分段处理,从每段信号中提取了多个时频域指标,进行了基于图模型的指标优化,即对提取的每一个指标进行了图建模,得到了一系列图模型;接着进行了图模型相似度计算,得到了优化后的指标;然后,进行了多指标融合,对优化后的多指标采用逐点均值及逐点最值相结合的方法进行了融合,得到了综合的监测指标;最后,进行了异常决策,采用假设检验对轴承早期退化进行了监测,确定了退化点,并在滚动轴承全生命周期退化数据集上进行了实验,对上述综合指标的退化点检测性能进行了检验,同时在该数据集上将该方法与其他4种方法进行了对比实验。研究结果表明:针对每一组实验数据,采用该方法均能成功检测到退化点,同时在对比实验中,采用该方法取得了1.27的最高平均排名;实验结果证明了该方法的有效性和先进性,表明该方法在滚动轴承早期退化监测中具有良好的实际应用潜力。

关键词:旋转机械;全生命周期健康状态监测;滚动轴承早期退化点;振动信号;时频域指标优化;假设检验

中图分类号:TH133.33;TH17文献标识码:A文章编号:1001-4551(2022)09-1256-06


本文引用格式:

桂伟,陈鑫,叶新来.基于时频域多指标融合和图模型的滚动轴承早期退化监测方法［J］.机电工程,2022,39(9):1256-1261.

GUI Wei, CHEN Xin, YE Xin-lai. Early degradation monitoring method of rolling bearing based on time-frequency multi-index fusion and graph model［J］.Journal of Mechanical & Electrical Engineering, 2022,39(9):1256-1261.