基于性能衰退评估的轴承寿命状态识别方法研究

董绍江，吴文亮，贺 坤，潘雪娇，蒙志强，汤宝平，赵兴新

(1.重庆交通大学 机电与车辆工程学院，重庆 400074；2.重庆大学 机械传动国家重点实验室，重庆 400032； 3.重庆长江轴承股份有限公司，重庆 401336)

轴承作为现代制造业的重要组成部分，在大多数旋转机械的运行中发挥着至关重要的作用。轴承寿命状态识别对机械系统的可靠性和安全性具有重大意义。但滚动轴承的寿命状况受各种因素影响，难以识别。因此，研究滚动轴承寿命状态识别方法显得非常重要。

近年来，数据驱动方法运用在轴承故障诊断、性能评估、剩余寿命预测等诸多方面。 在寿命识别领域，数据驱动方法试图使用机器学习技术从测量信号中推导出机械的衰退过程，根据衰退过程对寿命状态进行识别。轴承寿命状态识别存在两个必须解决的问题：如何构建合适的轴承性能衰退指标；如何建立有效的轴承寿命状态识别模型。

合适的轴承性能衰退指标必须充分利用复杂的信号特征，能够在轴承性能衰退的各个阶段获得轴承的性能演变。在机械故障诊断中有多种指标，如峰值指标、裕度指标、峭度指标等。Wang等[4]使用了原始振动信号的14个时域特征来捕获衰退特征。Boškoski等[5]提出了采用Rényi熵作为特征指标。Chen等[6]将均方根用于评估轴承性能下降。然而，这些指标要么对早期轴承缺陷不够敏感，要么后续稳定性不足。常用的指标针对不同的振动特性，仅对特定阶段的特定缺陷有效。张康等[7]通过降维算法建立盾构装备刀盘多传感器数据与其健康状态的关系，实现了刀盘性能衰退状态的有效量化评估。……