基于JRD和CUSUM的滚动轴承性能退化状态识别与评估

退化特征提取是滚动轴承性能退化状态识别和评估的关键,JRD克服了传统特征无法准确反应轴承当前技术状态的不足,但在全寿命阶段上稳定性、单调性差,应用累积和(CUSUM)对其进行改进,从而准确识别和评估轴承性能退化状态。应用小波包变换对原始信号进行降噪;计算不同技术状态下信号的Renyi熵,并对比与标准状态的相似程度得出JRD值,作为滚动轴承退化状态特征;应用CUSUM增强JRD值对于寿命微弱变化的敏感性及轴承全寿命的单调性。通过试验验证,滚动轴承性能退化状态的识别率能达到100%,同时能够分阶段、单调性地评估轴承性能退化状态。

基于MD-CUSUM和TD-SVR的滚动轴承健康状态预测

故障特征提取是轴承健康状态描述的关键,然而当前常用方法提取的特征往往维数较高或信息缺失,无法单调性地反应轴承健康状态,且预测结果不能有效反应轴承退化趋势。应用累积马氏距离(MD-CUSUM)实现特征降维并得到健康指标(HI),能够在低维层面上单调性地反应轴承健康状态;构建时滞性支持向量回归(TD-SVR)模型,提高滚动轴承健康状态预测精度。通过试验数据分析对比了MD-CUSUM与等距特征映射(ISOMAP)的优劣,结果表明MDCUSUM和TD-SVR相结合在轴承健康状态预测方面具有更好地效果。