[发明专利]基于周期数据及核密度估计的轴承安全状态在线监测方法

说明书

一种基于周期数据及核密度估计的轴承安全状态在线监测方法，包括：信号采集，通过传感器获得轴承的振动信号；获得监测指标，使用单个旋转周期内振动信号的均方根作为敏感特征，即监测指标；建立健康状态数据分布模型，使用所述监测指标利用核密度估计获得所述轴承在安全运行状态下的概率密度分布模型置信区间；获得当前状态样本概率分布，通过当前状态的监测指标样本获得当前状态样本概率分布；获得健康状态偏离度，将所述当前状态的新的监测指标样本与所述概率密度分布模型做实时比较，并计算当前状态的所述监测指标样本与所述概率密度分布模型的健康状态偏离度；以及安全状态评估，使用所述健康状态偏离度对所述轴承的安全状态进行评估。

技术领域

本发明涉及一种轴承安全健康状态在线监测方法，更具体地涉及利用旋转周期数据及核密度估计技术判断轴承是否处于安全健康状态的方法

背景技术

旋转机械作为工业机械设备中必不可少的通用部件，在航空航天、电力系统等大型工业设备中起着至关重要的作用。轴承，例如滚动轴承等，作为最广泛使用的旋转机械之一，其运行状态影响着整台设备是否正常运行。其工作状态一旦出现异常，轻则引起设备整体性能下降，重则可能导致严重的事故及经济损失。因此，保证轴承长期稳定的处于安全健康状态下运行，对延长设备整体的使用寿命，增加设备运行安全性及耐久性有着重要意义

目前，大多数轴承的状态监测及检修方法采用的是离线方法和定期检测方法，这种方法可以有效识别轴承是否出现异常，但仅能做到事后分析，即对已经发生的异常现象进行识别，无法满足实时在线评估的需求。因此需要寻求基于主动安全保障理念的轴承实时运行状态在线监测方法，关注轴承状态的渐进变化趋势，以尽可能准确地确定预防维修的时机，使得轴承的实际使用时间能够被充分利用。

此外，由于受到环境因素及测量误差的影响，在不同采样时间得到的轴承状态参数往往具有一定的波动性和随机性。即随着轴承运行及状态的变化，监测参数的概率密度分布会发生一定的偏移。核密度估计(Kernel Density Estimation，KDE)作为一种参数概率密度函数，能够准确表述参数概率密度分布发生的偏移。而Hu在文献《A probabilityevaluation method of early deterioration condition for the criticalcomponents of wind turbine generator systems》(Y.Hu,H.Li,X.Liao,E.Song,H.Liu,Z.Chen,A probability evaluation method of early deterioration condition forthe critical components of wind turbine generator systems,MECH SYST SIGNALPR,76-77(2016)729-741)中的健康状态划分方法涉及对健康状态进行评估的相关依据。基于此，为了实现轴承实时运行状态在线监测，本发明提供了一种基于周期数据及核密度估计的轴承安全状态在线监测方法。

发明内容

轴承是众多旋转机械的关键部件，往往工作在较为极端的环境下，其运行状态影响着整个机械设备的运行可靠性。为改变传统的定时或事后维修的监测方法，实现轴承故障的主动预防，需要在轴承运行过程中，监测其运行状态是否偏离其健康状态，同时检测其性能退化程度或状态偏离程度，为现场工作人员提供维修决策参考，以最大限度利用轴承寿命，避免事故的发生。

为了实现上述目的，本发明的实施方式提出一种基于周期数据及核密度估计的轴承安全状态在线监测方法。