[发明专利]一种机械部件损伤程度的评估方法

说明书

本发明公开了一种机械部件损伤程度的评估方法，该评估方法包括如下步骤：使用测点采集不同严重程度故障对应的原始数据；使用时域、频域及时频域结合方法提取故障增长特征，采用函数拟合故障增长趋势，建立测点描述的故障增长趋势曲线；分析不同测点描述的故障增长趋势曲线，选择对故障跟踪能力最大的测点数据；采用对故障跟踪能力最大的测点采集的数据作为损伤评估算法的输入，经过模型训练和智能推理流程评估当前时刻机械部件的损伤程度。通过分析不同测点数据对故障增长过程的跟踪能力，选择对故障增长过程跟踪能力最大的测点数据作为损伤程度评估方法的输入，能有效减小无效、冗余数据对损伤程度评估的影响，提高评估的准确度和精度。

技术领域

本发明涉及一种评估方法，具体是一种机械部件损伤程度的评估方法，属于机电系统技术领域。

背景技术

在机械系统的运行阶段，若不考虑维修措施，机械部件从正常状态到功能失效状态是一个损伤程度不断增长且不可逆转的过程。由于机械系统复杂的功能结构特点，导致通过传感器或检测设备采集的原始数据极易受到振动噪声干扰、信号传递耦合等因素的影响。

为了有效评估机械部件的损伤程度，采集的原始数据必须包含丰富的损伤增长信息，这些信息涉及两方面：一方面，不同损伤程度下采集的原始数据的特征之间具有显著的距离，以确保更敏感、准确的评估不同损伤状态下机械部件的损伤程度，提高损伤评估的准确度；另一方面，随着机械部件损伤程度不断增长变化，原始数据的特征也呈现单调变化，如随着损伤程度的增加，特征单调递增或者单调递减，以确保特征能有效刻画机械部件整个损伤增长过程，提高损伤评估的精度。

目前，现有技术中存在的机械部件损伤评估方法主要集中在数据处理、特征提取和诊断方法等方面，具体而言是采用时域、频域或时频域结合的方法从复杂噪声干扰的原始信号中提取故障特征，进而采用智能算法辨识机械部件的损伤状态。然而，现有技术中存在的机械部件损伤评估方法没有从数据采集的源头上考虑如何获取以上所述的损伤增长信息，导致以下三个问题：第一，不同损伤程度下的数据特征区别小、间距近，很难有效评估部件的损伤程度，尤其在部件损伤的早期阶段，正常状态和早期损伤状态的数据特征关系模糊，导致损伤评估准确度低；第二，在整个部件损伤过程中，随着部件损伤程度的增长，数据的特征的总体趋势呈现波动、随机变化，采集的原始数据信息不能有效刻画整个损伤增长过程，导致整个损伤过程的评估精度低；第三，将大量与损伤增长信息无关的无效数据作为评估算法的输入，导致了评估时间长、效率低。

发明内容

针对上述现有技术存在问题，本发明提供一种机械部件损伤程度的评估方法，该评估方法能够克服现有机械部件损伤评估方法缺少分析原始数据对故障增长过程跟踪的有效度分析，导致评估准确度和精度低、评估时间长、效率低等缺陷，创造性地提出了一种基于故障增长趋势分析的机械部件损伤程度评估方法，该方法主要针对机电系统中典型机械部件(如轴承、齿轮、轴等)，其通过分析不同测点采集数据对故障增长的跟踪能力，选择能敏感、稳定地感知故障增长过程的测点数据作为损伤评估算法的输入，确保有效提高损伤程度评估的准确度和精度。

本发明通过以下技术方案来实现上述目的：一种机械部件损伤程度的评估方法，该评估方法包括如下步骤：

1)使用测点采集不同严重程度故障对应的原始数据；

2)使用时域、频域及时频域结合方法提取故障增长特征，采用函数拟合故障增长趋势，建立测点描述的故障增长趋势曲线；

3)分析不同测点描述的故障增长趋势曲线，选择对故障跟踪能力最大的测点数据；

4)采用对故障跟踪能力最大的测点采集的数据作为损伤评估算法的输入，经过模型训练和智能推理流程评估当前时刻机械部件的损伤程度。