结合DSHDD和模糊评价的滚动轴承退化状态在线识别

周建民 尹文豪 游涛 张龙 王发令 余加昌

摘要： 提出一种用自适应噪声辅助的集合经验模态分解（CEEMDAN）和能量熵结合提取振动信号的特征的方法，将特征输入到双超球数据域描述（DSHDD）模型中，再将得到的结果输入到隶属度函数中，计算隶属度，以此作为性能退化评估的指标。使用3σ设置自适应阈值，确定轴承早期失效阈值。用CEEMDAN和Hilbert包络解调的方法验证评估结果的正确性。最后利用美国辛辛那提大学的轴承全寿命周期数据验证该模型的有效性和实用性。

关键词： 故障诊断;滚动轴承; 集合经验模态分解; 双超球数据域描述; 性能退化评估

中图分类号： TH165+.3; TH133.33    文献标志码： A    文章编号： 1004-4523（2021）03-0646-08

DOI：10.16385/j.cnki.issn.1004-4523.2021.03.023

引 言

在生产制造过程中，滚动轴承作为生产设备的核心部件，其运行状态是否正常一直是目前研究的热点[1]。随着运行时间的增加，滚动轴承的性能会出现不同程度的退化，如果能够对运行中的滚动轴承的状态进行定量评估，了解轴承所处的运行状态，提前做好应对措施，则可以避免不必要的经济损失。近年来，对滚动轴承的振动信号的分析，主要是集中在信号的特征提取和性能退化评估模型两方面。

在信号的特征提取方面，周建民等[2]提出了一种基于经验模态分解（EMD）和逻辑回归的滚动轴承性能退化评估，该方法能有效地描述早期故障。刘鲲鹏等[3]应用经验模态分解（EMD）将信号分解为若干个固有模态函数（IMFs），然后选择包含故障信息较为丰富的IMF分量进行包络谱分析，识别轴承的故障特征频率，从而实现对内燃机滚动轴承的故障诊断。……