基于熵值比-DTW度量奇异值相似度指标的滚动轴承退化历程辨识

针对滚动轴承健康状态监测现有退化指标单调性及鲁棒性差,且数据波动造成不同退化状态区分度低等问题,提出了一种基于熵值比-动态时间规整(DTW)度量的奇异值相似度指标并用于辨识滚动轴承不同退化历程。首先,利用奇异值分解(SVD)算法对不同时刻采集的轴承信号矩阵进行分解,将奇异值作为轴承退化特征;其次,基于DTW算法计算轴承连续退化奇异值时间序列的相似度,表征轴承的全寿命周期历程;最后,考虑到轴承不同退化状态的差异性,将熵值比作为权值对相似度指标进行优化,提高相似度退化指标的单调性及对早期异常点的敏感性。对IMS轴承全寿命周期数据的研究结果表明:奇异值相似度指标的单调性、鲁棒性及敏感性较好,可有效避免数据波动对轴承健康状态带来的干扰,能更准确地反映轴承全寿命退化历程。