一种多特征融合评估预测轴承性能寿命方法技术

一种多特征融合评估预测轴承性能寿命方法，涉及一种评估轴承性能方法，该方法在特征的相似性分析中，采用了Hausdorff距离，相比于欧式距离，Hausdorff距离考虑了两组数据中的双向距离，因此更适用于特征的相似性分析，而综合评价准则可以兼顾退化特征的单调性与预测性。并且，对选择后的多特征进行了融合，提出了一种基于类敏感度‑重叠趋势性的特征融合方法，融合过程中考虑到滚动轴承退化特征在不同退化阶段的特点，同时兼顾了特征的阶段性趋势特点。为了避免其他因素的干扰，在分析特征趋势性时提出一种重叠趋势性计算方法，用于滚动轴承性能退化评估与剩余寿命预测，改善滚动轴承的剩余寿命预测结果的准确性，具有很好的普适性。

【技术实现步骤摘要】
一种多特征融合评估预测轴承性能寿命方法
本专利技术涉及一种评估轴承性能方法，特别是涉及一种多特征融合评估预测轴承性能寿命方法。
技术介绍
滚动轴承是旋转机械重要的部件之一，其运行状况好坏对整台设备有着十分重要的影响，一旦发生故障，将会影响设备的生产效率，造成财产损失乃至人员伤亡。使用寿命是衡量滚动轴承性能的重要指标之一，具有很大的离散性，即使是同批次同工况下，其最低寿命与最高寿命差距可达数十倍。当滚动轴承发生故障时，现有处理方法一般为更换翻新，这会增加设备的维护费用而且会造成不必要的资源浪费。与故障诊断中的信号特征提取不同，对于滚动轴承的性能退化特征，需要对信号进行持续性的特征分析，而且信号会随着滚动轴承的退化呈现出很强的随机性，提取的性能退化特征应具备同类个体普适性、退化一致性、变动范围大等特点。目前一些相关的研究方法还不够成熟，且人为地进行特征选取往往会导致选取特征不够准确且受主观经验影响较大，缺乏普适性。同时，滚动轴承退化特征在全寿命周期内所呈现出的阶段递进的特点也没有充分考虑。与故障诊断中的信号特征提取不同，对于滚动轴承的性能退化特征，需要对信号进行持续性的特征分析，而且信号会随着滚动轴承的退化呈现出很强的随机性，提取的性能退化特征应具备同类个体普适性、退化一致性、变动范围大等特点。目前一些相关的研究方法还不够成熟，且人为地进行特征选取往往会导致选取特征不够准确且受主观经验影响较大，缺乏普适性。同时，滚动轴承退化特征在全寿命周期内所呈现出的阶段递进的特点也没有充分考虑。专利技术内容本专利技术的目的在于提供一种多特征融合评估预测轴承性能寿命方法，该方法提出了一种基于类敏感度-重叠趋势性的特征融合准则，融合过程考虑到滚动轴承退化特征在不同退化阶段的特点，同时兼顾了特征的阶段性趋势的；另外，为了避免其他因素的干扰，提出特征的重叠趋势性计算方法，避免在计算较长且波动幅度较大的序列的趋势性时陷入局部最优的情况。。本专利技术的目的是通过以下技术方案实现的：一种多特征融合评估预测轴承性能寿命方法，所述方法包括以下步骤：步骤1、对滚动轴承退化特征样本集X_org进行归一化处理，得到归一化的特征样本集X，X中的退化特征数目为M，样本个数为N；步骤2、依据Hausdorff距离计算所有特征之间的相似性，得到相似性矩阵S；步骤3、将归一化的特征样本集X的M个特征分为K类；步骤4、选取K类特征中每类的最优特征，形成最优特征样本集X_opt，X_opt中的退化特征数目为K，样本个数为N；步骤5、计算K个特征的类敏感度；步骤6、计算K个特征的重叠趋势性；步骤7、对类敏感度-重叠趋势性进行归一化，并利用归一化的类敏感度-重叠趋势性对特征进行融合得到融合退化指标。所述的一种多特征融合评估预测轴承性能寿命方法，所述步骤3将归一化的特征样本集X的M个特征分为K类如下：步骤3.1：初始化分类树，从步骤2中计算出的Hausdorff距离相似性矩阵S中选择相似性最小的两个特征分别作为第一类与第二类的类中心；步骤3.2：依据Hausdorff距离继续从其余待选特征中选择与已选特征相似性最小的特征作为下一类的类中心；步骤3.3：重复步骤3.2，直至得到K个类中心；步骤3.4：将剩余的待选特征依据Hausdorff距离相似性将其逐一归类到与之最为相似的类中，最终将归一化的特征样本集X中的M个特征分为K类。所述的一种多特征融合评估预测轴承性能寿命方法，所述步骤4选取K类特征中每类的最优特征，形成最优特征样本集X_opt，X_opt中的退化特征数目为K，样本个数为N如下：步骤4.1：综合考虑特征的单调性与预测性两个指标，对K类中的所有M个特征进行评价，定义综合评价准则如下：其中，表示第i个特征的综合评价值；表示第i个特征的单调性；表示第i个特征的预测性，为权重；步骤4.2：依据特征的综合评价指标从K类特征集中分别选取每类中指标值最大的特征形成最优特征集，退化特征数目为K。所述的一种多特征融合评估预测轴承性能寿命方法，所述步骤5计算K个特征的类敏感度如下：步骤5.1：利用谱聚类算法将滚动轴承的最优特征样本集X_opt的N个样本划分为C类，分别代表滚动轴承性能退化过程中的C个不同阶段；步骤5.2：计算第i个特征的类内标准差，；步骤5.3：计算第i个特征的类间标准差，i=1…K；步骤5.4：计算特征的类敏感度指数，计算方法如下：其中，表示第i个特征对应的类敏感度指数，其值限定在（0,1）范围内，其值越大，表明该特征敏感度越高，反之越小，特征敏感度越低。所述的一种多特征融合评估预测轴承性能寿命方法，所述步骤6计算K个特征的重叠趋势性如下：将各特征序列中的点以5个为一组划分，并将5个点中的后两个点作为下一组数据的起始点，以上面所述方法将序列划分为Z个子区域（最后一个区域通过补0找齐），计算每个子区域的特征均值得到子序列y，子序列共Z个值，如果Z为偶数，将子序列y以第Z/2个值为界将其划分为前半部分ya与后半部分yb，（假设Z为奇数，考虑到一个点对于整体趋势性的影响较小可去掉中间点，然后进行前后两部分的划分），并计算后半部分的第i个值与前半部分的第i个值的差值（i=1,2,…,m-1），计算得到差值为正数的个数，并通过差值为正数的个数与所有值个数的比值计算子序列的趋势性，计算方法如下：其中，函数表示取值函数，当括号中内容x>0,时，值取1；否则，值取为0；表示的差值为正数的个数，表示差值为非正数的个数；计算特征序列的重叠趋势性：。所述的一种多特征融合评估预测轴承性能寿命方法，所述步骤7.1计算第i个特征正常阶段前点的均值如下：其中，为i特征t时刻值，K为特征个数，为第i个特征正常阶段样本的个数；步骤7.2：计算特征类敏感度与重叠趋势性指数步骤7.3：归一化K个特征的类敏感度-重叠趋势性值，定义如下：步骤7.4：利用归一化的敏感度-重叠趋势性对特征进行加权融合得到多特征融合指标。本专利技术的优点与效果是：1.本专利技术针对混合域提取的多维特征可能出现的冗余问题，提出基于Hausdorff距离的相似性分析与综合评价准则结合进行特征的选择。在特征的相似性分析中，采用了Hausdorff距离，相比于欧式距离，Hausdorff距离考虑了两组数据中的双向距离，因此更适用于特征的相似性分析另外，综合评价准则可以兼顾退化特征的单调性与预测性。2.本专利技术提出了一种基于类敏感度-重叠趋势性的特征融合准则，融合过程考虑到滚动轴承退化特征在不同退化阶段的特点，同时兼顾了特征的阶段性趋势的；另外，为了避免其他因素的干扰，提出特征的重叠趋势性计算方法，避免在计算较长且波动幅度较大的序列的趋势性时陷入局部最优的情况。附图说明图1为本专利技术本文档来自技高网...

【技术保护点】
1.一种多特征融合评估预测轴承性能寿命方法，其特征在于，所述方法包括以下步骤：/n步骤1、对滚动轴承退化特征样本集X_org进行归一化处理，得到归一化的特征样本集X，X中的退化特征数目为M，样本个数为N；/n步骤2、依据Hausdorff距离计算所有特征之间的相似性，得到相似性矩阵S；/n步骤3、将归一化的特征样本集X的M个特征分为K类；/n步骤4、选取K类特征中每类的最优特征，形成最优特征样本集X_opt，X_opt中的退化特征数目为K，样本个数为N；/n步骤5、计算K个特征的类敏感度；/n步骤6、计算K个特征的重叠趋势性；/n步骤7、对类敏感度-重叠趋势性进行归一化，并利用归一化的类敏感度-重叠趋势性对特征进行融合得到融合退化指标。/n

【技术特征摘要】
1.一种多特征融合评估预测轴承性能寿命方法，其特征在于，所述方法包括以下步骤：
步骤1、对滚动轴承退化特征样本集X_org进行归一化处理，得到归一化的特征样本集X，X中的退化特征数目为M，样本个数为N；
步骤2、依据Hausdorff距离计算所有特征之间的相似性，得到相似性矩阵S；
步骤3、将归一化的特征样本集X的M个特征分为K类；
步骤4、选取K类特征中每类的最优特征，形成最优特征样本集X_opt，X_opt中的退化特征数目为K，样本个数为N；
步骤5、计算K个特征的类敏感度；
步骤6、计算K个特征的重叠趋势性；
步骤7、对类敏感度-重叠趋势性进行归一化，并利用归一化的类敏感度-重叠趋势性对特征进行融合得到融合退化指标。


2.根据权利要求1所述的一种多特征融合评估预测轴承性能寿命方法，其特征在于，所述步骤3将归一化的特征样本集X的M个特征分为K类如下：
步骤3.1：初始化分类树，从步骤2中计算出的Hausdorff距离相似性矩阵S中选择相似性最小的两个特征分别作为第一类与第二类的类中心；
步骤3.2：依据Hausdorff距离继续从其余待选特征中选择与已选特征相似性最小的特征作为下一类的类中心；
步骤3.3：重复步骤3.2，直至得到K个类中心；
步骤3.4：将剩余的待选特征依据Hausdorff距离相似性将其逐一归类到与之最为相似的类中，最终将归一化的特征样本集X中的M个特征分为K类。


3.根据权利要求1所述的一种多特征融合评估预测轴承性能寿命方法，其特征在于，所述步骤4选取K类特征中每类的最优特征，形成最优特征样本集X_opt，X_opt中的退化特征数目为K，样本个数为N如下：
步骤4.1：综合考虑特征的单调性与预测性两个指标，对K类中的所有M个特征进行评价，定义综合评价准则如下：



其中，表示第i个特征的综合评价值；表示第i个特征的单调性；表示第i个特征的预测性，为权重；
步骤4.2：依据特征的综合评价指标从K类特征集中分别选取每类中指标值最大的特征形成最优特征集，退化特征数目为K。


4.根据权利要求1所述的一种多特征融合评估预测轴承性能寿命方法...

【专利技术属性】
技术研发人员：齐晓轩，董海，刘英英，卞永钊，洪振麒，
申请(专利权)人：沈阳大学，
类型：发明
国别省市：辽宁;21