基于评估指标平面角度的时间序列加速退化点辨识方法

1.本发明涉及一种基于评估指标平面角度的时间序列加速退化点辨识方法，属于机械装备状态评估与剩余寿命预测领域。


背景技术：

2.滚动轴承作为旋转机械的重要部件，其性能状态优劣将直接影响到整个机械系统的运行情况。滚动轴承运行过程中，其性能将逐渐发生退化，对应的振动信号也会发生变化。因此，依赖滚动轴承的振动信号构建性能评估指标来评估其状态退化过程，进而依据性能评估指标预测剩余寿命来配置精准的维护资源，对于提高机械装备的可靠性具有重要的现实意义。
3.滚动轴承的退化过程可大致分为稳定退化阶段与加速退化阶段，稳定退化阶段与加速退化阶段的分段点称为加速退化点，依赖评估指标而开展的剩余寿命预测工作需要从轴承加速退化点后选择数据然后基于相应的预测模型开展训练，进而预测剩余寿命，所以加速退化点的位置选择会影响滚动轴承剩余寿命预测结果精度。
4.总结来看，状态评估与寿命预测领域亟需解决加速退化点的辨识问题。


技术实现要素：

5.为解决滚动轴承加速退化点难以确定的问题，本发明的主要目的是提供一种基于评估指标平面角度的时间序列加速退化点辨识方法，采集被测滚动轴承的水平振动信号，构成水平振动信号的时间序列集；将时间序列分割成多个时间单位，提取每个时间单位内的绝对峰值；进而求解得到滚动轴承在每个时间单位所对应的累积和绝对峰值，并将累积和绝对峰值作为滚动轴承状态评估指标，表征滚动轴承运行过程中的累积退化效应。求取评估指标与坐标系x轴正方向的夹角，得到一组关于夹角的时间序列数据集；依次遍历夹角时间序列数据集中的每个夹角值，寻求同时满足以下三个条件的夹角数据值所对应的时刻点，条件
①
：该时刻点后边所有时刻点所对应的夹角数据值大于等于该时刻点所对应的夹角数据值；条件
②
：该时刻点后边短期阶段内所对应的夹角数据值的正向增长指标大于等于0.9；条件
③
：该时刻点前边短期阶段内所对应的夹角数据值大于该时刻点所对应夹角数据值的数据数量小于等于短期阶段数据总量的10％。若某时刻点同时满足上述三个条件，则辨识得到滚动轴承的加速退化点。本发明能够提高对滚动轴承加速退化点辨识的准确性，进而提升对滚动轴承剩余寿命预测的精度。
6.本发明的目的是通过下述技术方案实现的：
7.本发明公开的基于评估指标平面角度的时间序列加速退化点辨识方法，包括以下步骤：
8.步骤1：采集被测滚动轴承的水平振动信号进而组成一个时间序列w＝[v1,v2,
…
,vn]，n为时间序列样本数量；将水平振动信号时间序列进行分割，每个时间单位内的采样信号为v＝[v1,v2,
…
,vk]，k为单位时间内的采样点数目，共得到n/k个时间单位。
[0009]
步骤2：提取每个时间单位内的绝对峰值，构成绝对峰值时间序列集。
[0010]
步骤3：依据绝对峰值时间序列集求解被测滚动轴承在每个时间单位所对应的累积和绝对峰值，并将累积和绝对峰值作为轴承状态评估指标，通过轴承状态评估指标表征滚动轴承运行过程中的累积退化效应。所述某个时间单位所对应的累积和绝对峰值，等于该时间单位及该时间单位之前所有时间单位内所对应的绝对峰值之和。
[0011]
步骤4：将步骤3构建的轴承状态评估指标作为输入，根据夹角求解公式求取被测滚动轴承评估指标与坐标系x轴正方向的夹角，得到一组关于夹角的时间序列数据集。
[0012]
步骤5：构建用于辨识滚动轴承退化点的三个条件：条件
①
：该时刻点后边所有时刻点所对应的夹角数据值大于等于该时刻点所对应的夹角数据值；条件
②
：该时刻点后边短期阶段内所对应的夹角数据值的正向增长指标大于等于0.9；
③
该时刻点前边短期阶段内所对应的夹角数据值大于该时刻点所对应夹角数据值的数据数量小于等于短期阶段数据总量的10％。根据步骤4得到的夹角时间序列数据集，依次遍历夹角数据集的每个夹角值，判断该夹角值所对应的时刻点是否同时满足滚动轴承加速退化点的三个条件，如该时刻点未能同时满足上述滚动轴承加速退化点的三个条件，则判定该时刻点不是滚动轴承加速退化点，继续遍历，直至同时满足滚动轴承加速退化点的三个条件，则判定该时刻点为滚动轴承的加速退化点，即基于评估指标平面角度的时间序列实现滚动轴承加速退化点辨识，基于辨识结果提高对滚动轴承加速退化点辨识的准确性，进而提升对滚动轴承剩余寿命的预测精度。
[0013]
步骤5所述短期阶段指n*p个数量的数据所对应的时间序列过程。作为优选，所述p取值范围为1.5％～2％；为了提高辨识结果的准确性，作为进一步优选，所述p取值范围为1.5％。
[0014]
所述的步骤2中提取每个时间单位内绝对峰值的过程为：被测轴承在某个单位时间内的采样信号为vi＝[v1,v2,
…
,vk]，其中j＝1,2,
…
,k，k代表单位时间点内的采样点数，则某个时间单位内的绝对峰值计算公式如下：
[0015]
peaki＝max|vj|
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0016]
根据公式(1)求解得到所有时间单位内的绝对峰值，得到绝对峰值的时间序列集，表示为[peak1,peak2,
…
,peak
n/k
]，i＝1,2,
…
,n/k。
[0017]
所述步骤3中的某个时间单位所对应的累积和绝对峰值(cumulative and absolute peaks,cba)，等于该时间单位及该时间单位之前所有时间单位所对应的绝对峰值之和；得到累积和绝对峰值的数据集可表示为[cba1,cba2,
…
,cba
n/k
]，i＝1,2,
…
,n/k，并将累积和绝对峰值作为轴承状态评估指标。
[0018]
所述步骤4中的求解被测滚动轴承评估指标与坐标系x轴正方向夹角的方法如下，某个时间单位的顺序位于所有时间单位的第x个位置，对应的评估指标为y，则该评估指标与x轴正方向的夹角求解公式为：
[0019][0020]
式(2)中，atan代表反正切函数，根据式(2)求解所有时刻评估指标值与x轴正方向的夹角，得到所有评估指标值与x轴正方向夹角的时间序列数据集为[angle1,angle2,
…
,angle
n/k
]，i＝1,2,
…
,n/k。
[0021]
所述步骤5实现方法，包括以下子步骤：
[0022]
步骤5.1：从步骤4中的夹角数据集的第一个时刻点所对应的夹角值开始，依次遍历，寻求所需要的时刻点，该时刻点需要满足条件
①
：该时刻点后边所有时刻点所对应的夹角数据值大于等于该时刻点所对应的夹角数据值，若寻求满足上述条件的时刻点，则继续进行步骤5.2；
[0023]
步骤5.2：根据步骤5.1所得到的时刻点，判断该时刻点是否满足条件
②
：该时刻点后边短期阶段内所对应的夹角数据值的正向增长指标大于等于0.9，若该时刻点满足条件
②
则继续进行步骤5.3，否则返回步骤5.1，所述短期阶段指n*p个数量的数据所对应的时间序列过程。作为优选，所述p取值范围为1.5％～2％；为了提高辨识结果的准确性，作为进一步优选，所述p取值范围为1.5％，所述的正向增长指标求解方法如下：
[0024]
时间序列对时间序列进行一阶差分得到差分时间序列集，可表示为则时间序列的正向增长指标求解公式为：
[0025][0026]
式(3)中，num(df＞0)代表差分时间序列集中大于0的个数，num(df＝0)代表差分时间序列集中等于0的个数，num(df＜0)代表差分时间序列集中等于0的个数，num(df)代表差分时间序列中的数据总数。
[0027]
步骤5.3：根据步骤5.2所得到的时刻点，判断该时刻点是否满足条件
③
：该时刻点前边短期阶段内所对应的夹角数据值大于该时刻点所对应夹角数据值的数据数量小于等于短期阶段数据总量的10％，所述短期阶段指n*p个数量的数据所对应的时间序列过程。作为优选，所述p取值范围为1.5％～2％；为了提高辨识结果的准确性，作为进一步优选，所述p取值范围为1.5％，若满足条件，则该时刻点为辨识得到的加速退化点，结束运算，若否，则返回步骤5.1，直至寻求得到同时满足步骤5.1、步骤5.2与步骤5.3中所述条件的时刻点，该点即为滚动轴承的加速退化点。
[0028]
有益效果：
[0029]
1.本发明公开的基于评估指标平面角度的时间序列加速退化点辨识方法，提取滚动轴承时间序列中每个单位时间内的绝对峰值，依据绝对峰值时间序列集求解被测滚动轴承在每个时间单位所对应的累积和绝对峰值，并将累积和绝对峰值作为轴承状态评估指标，所述累积和绝对峰值，等于该时间单位及该时间单位之前所有时间单位所对应的绝对峰值之和，即通过对绝对峰值进行累积和处理，得到构建反映滚动轴承退化过程评估指标，评估指标在坐标系中与x轴正方向的夹角能够反映滚动轴承的性能变化趋势，滚动轴承从稳定退化状态进入加速退化状态时，评估指标将逐渐增大，所对应的评估指标与x轴正方向的夹角数据值也将逐渐增大，表现为轴承的加速退化点处评估指标与x轴正方向夹角数据值将发生较大变化的现象，对所述现象进行总结，提出辨识滚动轴承退化点的三个条件，同时满足所提三个条件所对应的时刻点即为轴承加速退化点。本发明根据评估指标所对应的夹角数据值辨识退化点，辨识结果更加高效，进而可以提升剩余寿命的预测精度。
[0030]
2.本发明公开的基于评估指标平面角度的时间序列加速退化点辨识方法，提取滚动轴承时间序列中每个单位时间内的绝对峰值，通过对绝对峰值进行累积和处理，得到能
够描述滚动轴承退化过程评估指标；与传统评估指标均方根不同的是，该指标通过累积和的途径实现对轴承的累积退化过程的表征，轴承实际运行过程中，轴承当前时刻的退化量会累积持续影响到后续时刻的轴承性能，因此本发明中所构建的评估指标更符合轴承的实际运行工况。
附图说明
[0031]
图1是本发明的一种基于评估指标平面角度的时间序列加速退化点辨识方法；
[0032]
图2是测试轴承bearing1_1的绝对峰值时域图；
[0033]
图3是测试轴承bearing1_1的cba时域图与rms时域图，其中图3a)为测试轴承bearing1_1的cba时域图，3b)为测试轴承bearing1_1的rms时域图；
[0034]
图4是三种工况下每种测试轴承的评估指标与x轴正方向夹角的时域图，其中图4a)为工况一情况下测试轴承bearing1_1的评估指标与x轴正方向夹角的时域图，4b)为工况一情况下测试轴承bearing1_2的评估指标与x轴正方向夹角的时域图，4c)为工况二情况下测试轴承bearing2_1的评估指标与x轴正方向夹角的时域图，4d)为工况二情况下测试轴承bearing2_2的评估指标与x轴正方向夹角的时域图，4e)为工况三情况下测试轴承bearing3_1的评估指标与x轴正方向夹角的时域图，4f)为工况三情况下测试轴承bearing3_2的评估指标与x轴正方向夹角的时域图；
[0035]
图5是工况一情况下测试轴承bearing1_1的加速退化点辨识结果；
[0036]
图6是工况一情况下测试轴承bearing1_2的加速退化点辨识结果；
[0037]
图7是工况二情况下测试轴承bearing2_1的加速退化点辨识结果；
[0038]
图8是工况二情况下测试轴承bearing2_2的加速退化点辨识结果；
[0039]
图9是工况三情况下测试轴承bearing3_1的加速退化点辨识结果；
[0040]
图10是工况三情况下测试轴承bearing3_2的加速退化点辨识结果。
具体实施方式
[0041]
为了更好的说明本发明的目的和优点，下面结合附图和实例对发明内容做进一步说明。
[0042]
如图1所示；本实施例公开的基于评估指标平面角度的时间序列加速退化点辨识方法，具体实现步骤如下：
[0043]
步骤1：采集被测滚动轴承的水平振动信号进而组成一个时间序列w＝[v1,v2,
…
,vn]，n为时间序列样本数量；将水平振动信号时间序列进行分割，每个时间单位内的采样信号为v＝[v1,v2,
…
,vk]，k为单位时间内的采样点数目，共得到n/k个时间单位；
[0044]
步骤2：提取每个时间单位内的绝对峰值，构成绝对峰值时间序列集；
[0045]
步骤3：依据绝对峰值时间序列集求解被测滚动轴承在每个时间单位所对应的累积和绝对峰值，并将累积和绝对峰值作为轴承状态评估指标，通过轴承状态评估指标表征滚动轴承运行过程中的累积退化效应。所述某个时间单位所对应的累积和绝对峰值，等于该时间单位及该时间单位之前所有时间单位内所对应的绝对峰值之和；
[0046]
步骤4：将步骤3构建的轴承状态评估指标作为输入，根据夹角求解公式求取被测滚动轴承评估指标与坐标系x轴正方向的夹角，得到一组关于夹角的时间序列数据集；
[0047]
步骤5：构建用于辨识滚动轴承退化点的三个条件：条件
①
：该时刻点后边所有时刻点所对应的夹角数据值大于等于该时刻点所对应的夹角数据值；条件
②
：该时刻点后边短期阶段内所对应的夹角数据值的正向增长指标大于等于0.9；条件
③
：该时刻点前边短期阶段内所对应的夹角数据值大于该时刻点所对应夹角数据值的数据数量小于等于短期阶段数据总量的10％。根据步骤4得到的夹角时间序列数据集，依次遍历夹角数据集的每个夹角值，判断该夹角值所对应的时刻点是否同时满足滚动轴承加速退化点的三个条件，如该时刻点未能同时满足上述滚动轴承加速退化点的三个条件，则判定该时刻点不是滚动轴承加速退化点，继续遍历，直至同时满足滚动轴承加速退化点的三个条件，则判定该时刻点为滚动轴承的加速退化点。
[0048]
步骤5所述短期阶段指n*p个数量的数据所对应的时间序列过程。作为优选，所述p取值范围为1.5％～2％；为了提高辨识结果的准确性，作为进一步优选，所述p取值为1.5％。
[0049]
实施例
[0050]
数据来源于ieee phm 2012挑战赛，该数据集由法国femto-st研究所提供。试验中轴承振动信号的采样频率为25.6khz，每间隔10s采样一次，采样时间为0.1s，试验中可调节的工况包括转速和径向力，试验台共设置了三种不同的工况，分别为工况一(转速1800rpm，径向力4000n)、工况二(转速1650rpm，径向力4200n)及工况三(转速1500rpm，径向力5000n)，试验分别提供了三种工况的训练数据和测试数据，由于测试数据种类过多，因此以每组工况下的训练数据为例实施本发明所提方法。
[0051]
步骤1：采集被测滚动轴承的水平振动信号进而组成一个时间序列w＝[v1,v2,
…
,vn]，n为时间序列样本数量；将水平振动信号时间序列进行分割，每个时间单位内的采样信号为v＝[v1,v2,
…
,vk]，k为单位时间内的采样点数目，共得到n/k个时间单位；；
[0052]
以第一种工况下的轴承bearing1_1为例，采集被测滚动轴承的水平振动信号进而组成一个时间序列w＝[v1,v2,
…
,vn]，n为序列样本数量，n＝7175680；将水平振动信号时间序列进行分割，每个时间单位内的采样信号为v＝[v1,v2,
…
,vk]，k为单位时间内的采样点数目，k＝2560；水平振动信号的时间序列总共可以被分割成2803个时间单位。
[0053]
步骤2：提取每个时间单位内的绝对峰值，构成绝对峰值时间序列集。
[0054]
被测轴承在某个时间单位内的采样信号为vi＝[v1,v2,
…
,vk]，其中j＝1,2,
…
,k，k代表时间单位内的采样点数，则某个时间单位内的绝对峰值计算公式如下：
[0055]
peaki＝max|vj[0056]
以第一种工况下的轴承bearing1_1为例，提取每个时间单位内的绝对峰值的时域图如图2所示。
[0057]
步骤3：依据绝对峰值时间序列集求解被测滚动轴承在每个时间单位所对应的累积和绝对峰值，并将累积和绝对峰值作为轴承状态评估指标，通过轴承状态评估指标表征滚动轴承运行过程中的累积退化效应；
[0058]
被测滚动轴承在某个时间单位所对应的累积和绝对峰值(cumulative and absolute peaks,cba)，等于该时间单位及该时间单位之前所有时间单位所对应的绝对峰值之和；得到累积和绝对峰值的数据集可表示为[cba1,cba2,
…
,cba
n/k
]，i＝1,2,
…
,n/k，将累积和绝对峰值作为轴承状态评估指标。
[0059]
以第一种工况下的轴承bearing1_1为例，求解得到评估指标，为了对比评估指标的优越性，求取得到传统评估指标均方根(root mean square,rms)，然后将本专利所构建的评估指标(cba)的时域图与均方根的时域图绘制于图3。
[0060]
如图3所示，训练轴承无论是在何种工况下，本发明所提出的评估指标cba的曲线变化趋势都是有着很明显的随运行时间增加而上升的趋势，这与轴承的实际运行情况是符合的，轴承的退化主要是由磨损或者变形造成的，而当前时刻的磨损或变形量会对后续时刻轴承的状态造成一定影响，因此轴承的退化是一个累积退化的过程，轴承每时刻的评估指标应该反映出轴承性能的累积退化量，本发明所构建的评估指标正好能反映出上述的变化过程。而观测传统评估指标rms的时域图可知，rms无法描述出轴承的累积退化过程，因此本发明所构建的轴承评估指标性能更优。
[0061]
单调性是衡量轴承性能评估指标的重要依据，进一步地，为证明本发明所构建评估指标的优势，求解不同工况下每种测试轴承的cba与rms的单调性，单调性求解过程如下：
[0062]
一组时间序列为[x1,x2,
…
,x
n/k
]，对时间序列进行一阶差分得到差分时间序列集，可表示为则时间序列的单调性(monotonic)求解公式为：
[0063][0064]
式中，num(df
x
＞0)代表差分时间序列集中大于0的个数，num(df
x
＜0)代表差分时间序列集中等于0的个数，num(df)代表差分时间序列中的数据个数。然后求解得到不同工况下每种测试轴承的cba与rms的单调性，结果如表1所示。
[0065]
表1测试轴承的cba与rms的单调性
[0066][0067]
根据表1可知，本发明所构建评估指标cba的单调性在任何一种工况下都为1，远远高于传统评估指标rms的单调性。因此也能进一步说明本发明所构建评估指标在描述轴承退化过程上的优越性。
[0068]
步骤4：将步骤3构建的轴承状态评估指标作为输入，根据夹角求解公式求取被测滚动轴承评估指标与坐标系x轴正方向的夹角，得到一组关于夹角的时间序列数据集；
[0069]
求取被测滚动轴承在每一个时间单位所对应评估指标与坐标系x轴正方向夹角的方法如下，某个时间单位的顺序位于所有时间单位的第x个位置，对应的评估指标为y，则该评估指标与x轴正方向的夹角求解公式为：
[0070][0071]
式中，atan代表反正切函数，然后求解所有时刻评估指标值与x轴的夹角，得到所有时刻评估指标值与x轴夹角的数据集为[angle1,angle2,
…
,angle
n/k
]，i＝1,2,
…
,n/k。
[0072]
分别求解得到三种工况下每个测试轴承的夹角数据集，绘制时域图如图4所示。
[0073]
如图4所示，每种工况的测试轴承下，夹角时域图大致可分为两部分，第一部分是夹角数据从较大波动到趋于稳定状态，这主要是轴承刚开始运行时，性能不稳定，造成评估指标变动较大，等运行一段时间后，会逐步趋于稳定，处于稳定退化阶段；第二部分为夹角数据逐步上升阶段，这主要轴承进入了加速退化阶段，性能逐渐下降，造成评估指标的变动幅度也越来越大，在时域中便体现出夹角数据逐渐越来越大的现象。根据对夹角数据集曲线趋势的深刻分析，进行步骤5。
[0074]
步骤5：构建用于辨识滚动轴承退化点的三个条件：条件
①
：该时刻点后边所有时刻点所对应的夹角数据值大于等于该时刻点所对应的夹角数据值；条件
②
：该时刻点后边短期阶段内所对应的夹角数据值的正向增长指标大于等于0.9；
③
该时刻点前边短期阶段内所对应的夹角数据值大于该时刻点所对应夹角数据值的数据数量小于等于短期阶段数据总量的10％。根据步骤4得到的夹角时间序列数据集，依次遍历夹角数据集的每个夹角值，判断该夹角值所对应的时刻点是否同时满足滚动轴承加速退化点的三个条件，如该时刻点未能同时满足上述滚动轴承加速退化点的三个条件，则判定该时刻点不是滚动轴承加速退化点，继续遍历，直至同时满足滚动轴承加速退化点的三个条件，则判定该时刻点为滚动轴承的加速退化点。
[0075]
步骤5所述短期阶段指n*p个数量的数据所对应的时间序列过程。作为优选，所述p取值范围为1.5％～2％；为了提高辨识结果的准确性，作为进一步优选，所述p取值为1.5％。
[0076]
步骤5中，还包括以下子步骤：
[0077]
步骤5.1：从步骤4中的夹角数据集的第一个时刻点所对应的夹角值开始，依次遍历，寻求所需要的时刻点，该时刻点需要满足条件
①
：该时刻点后边所有时刻点所对应的夹角数据值大于等于该时刻点所对应的夹角数据值，若得到满足上述条件的时刻点，则继续进行步骤5.2。
[0078]
由于从加速退化点之后，夹角数据逐渐增加，因此后边的夹角数据肯定都比加速退化点所对应的夹角要大，所述步骤5.1是需要加速退化点满足上述分析要求。
[0079]
步骤5.2：根据步骤5.1所得到的时刻点，判断该时刻点是否满足条件
②
：该时刻点后边短期阶段内所对应的夹角数据值的正向增长指标大于等于0.9，若该时刻点满足条件
②
则继续进行步骤5.3，否则返回步骤5.1，所述短期阶段指n*p个数量的数据所对应的时间序列过程。所述p取值为1.5％，所述的正向增长指标求解方法如下：
[0080]
时间序列为[angle'1,angle'2,
…
,angle'
n/k
]，对时间序列进行一阶差分得到差分时间序列集，可表示为则时间序列的正向增长指标求解公式为：
[0081][0082]
式中，num(df＞0)代表差分时间序列集中大于0的个数，num(df＝0)代表差分时间序列集中等于0的个数，num(df＜0)代表差分时间序列集中等于0的个数，num(df)代表差分时间序列中的数据个数。
[0083]
在加速退化点之后，短期内夹角数据的值相对于加速退化点处的夹角值应保持正向增长趋势，但是由于实际情况中存在随机因素影响，可能存在加速退化点短期内夹角值递增之后又发生少量夹角值呈下降趋势的情况，将这种情况的接受程度定义为加速退化点短期内夹角数据的正向增长指标大于等于0.9。
[0084]
步骤5.3：根据步骤5.2所得到的时刻点，判断该时刻点是否满足条件
③
：该时刻点前边短期阶段内所对应的夹角数据值大于该时刻点所对应夹角数据值的数据数量小于等于短期阶段数据总量的10％，所述短期阶段指n*p个数量的数据所对应的时间序列过程。作为优选，所述p取值范围为1.5％～2％；为了提高辨识结果的准确性，作为进一步优选，所述p取值范围为1.5％，若满足条件，则该时刻点为辨识得到的加速退化点，结束运算，若否，则返回步骤5.1，直至寻求得到同时满足步骤5.1、步骤5.2与步骤5.3中所述条件的时刻点，该点即为滚动轴承的加速退化点。
[0085]
随着轴承的退化，夹角值将逐渐增大，轴承从稳定退化阶段进入加速退化阶段附近，夹角数据也是保持一个增加的趋势，因此在加速退化点前边短期内，夹角数据的值应该小于加速退化点所对应的夹角值，但是由于环境等随机影响，可能在加速退化点前期阶段，可能会出现偶然变大的值，将这些偶然因素出现的值规定小于等于短期内数据总量的10％。因此该步骤是确保满足上述分析要求的。
[0086]
然后根据本发明所提出的方法，求解得到不同工况下每种测试轴承的退化点，为验证本发明所提方法的优越性，在这里给出基于传统评估指标均方根的三西格玛的退化点识别方法。最后的加速退化点辨识对比结果见表2。
[0087]
表2加速退化点辨识结果
[0088][0089]
由于测试轴承的加速退化点目前没有客观的比较对象，且也没有相关的理论公式来确定，但是振动信号的变化情况是轴承性能的最直观体现，因此，可利用轴承振动信号的变化情况大致辨识加速退化点位置。通常来说，在加速退化点处，轴承的振动信号会有比较
明显的增大情况。根据表2的结果，在测试轴承上的振动信号上将不同方法辨识得到的加速退化点标记出来，展开对比分析，辨识结果如图5至图10所示。
[0090]
如图5所示，可看出测试轴承bearing1_1在1300时刻点附近处振动信号逐渐增大，用本发明所辨识的加速退化点位置在1345时刻点，与振动信号变化情况基本一致，而三西格玛方法辨识在25时刻点为加速退化点，与振动信号的变化情况不符。
[0091]
如图6所示，可看出测试轴承bearing1_2在826时刻点附近处振动信号逐渐增大，本发明所提方法与三西格玛方法所辨识的退化点位置几乎一致，但本发明所提方法比三西格玛方法早1个时刻点。
[0092]
如图7所示，可看出测试轴承bearing2_1在150时刻点附近处振动信号逐渐增大，用本发明所辨识的加速退化点位置在147时刻点，与振动信号变化情况基本一致，而三西格玛方法辨识在34时刻点为加速退化点，从图7中可看出振动信号确实在34时刻突然增大，但是该点过后轴承的振动信号又趋于稳定状态，因此34时刻点是一种随机情况，并不能确定为加速退化点。
[0093]
如图8所示，可看出测试轴承bearing2_2在200时刻点附近处振动信号逐渐增大，用本发明所辨识的加速退化点位置在204时刻点，而三西格玛方法在230时刻点才监测出振动信号增大的情况，本发明所提方法能够及时监测出振动信号的情况，比三西格玛方法早46个时刻点。
[0094]
如图9所示，可看出测试轴承bearing3_1在490时刻点附近处振动信号逐渐增大，用本发明所辨识的加速退化点位置在490时刻点，与振动信号变化情况基本一致，而三西格玛方法辨识在23时刻点为加速退化点，从图9中可看出振动信号确实在23时刻突然增大，但是该点过后轴承的振动信号又趋于稳定状态，因此34时刻点是一种随机情况，并不能确定为加速退化点。
[0095]
如图10所示，可看出测试轴承bearing3_2在1400时刻点附近处振动信号逐渐增大，用本发明所辨识的加速退化点位置在1432时刻点，而三西格玛方法在1598时刻点才监测出振动信号增大的情况，本发明所提方法能够及时监测出振动信号的情况，比三西格玛方法早166个时刻点。
[0096]
综上所得，无论在何种工况下，本发明所提出的方法能够较早的辨识出加速退化点，比三西格玛方法更具有普适性和优越性，是一种有效的辨识加速退化点方法。
[0097]
以上公开的具体描述，对发明的目的、技术方案和有效效果做了进一步的阐述，但是本发明的实施例并非局限于此，凡在本发明的精神和原则之内，所做的任何修改应纳入本发明的保护范围之内。

技术特征：
1.基于评估指标平面角度的时间序列加速退化点辨识方法，其特征在于：包括以下步骤，步骤1：采集被测滚动轴承的水平振动信号进而组成一个时间序列w＝[v1,v2,
…
,v
n
]，n为时间序列样本数量；将水平振动信号时间序列进行分割，每个时间单位内的采样信号为v＝[v1,v2,
…
,v
k
]，k为单位时间内的采样点数目，共得到n/k个时间单位；步骤2：提取每个时间单位内的绝对峰值，构成绝对峰值时间序列集；步骤3：依据绝对峰值时间序列集求解被测滚动轴承在每个时间单位所对应的累积和绝对峰值，并将累积和绝对峰值作为轴承状态评估指标，通过轴承状态评估指标表征滚动轴承运行过程中的累积退化效应；所述某个时间单位所对应的累积和绝对峰值，等于该时间单位及该时间单位之前所有时间单位内所对应的绝对峰值之和；步骤4：将步骤3构建的轴承状态评估指标作为输入，根据夹角求解公式求取被测滚动轴承评估指标与坐标系x轴正方向的夹角，得到一组关于夹角的时间序列数据集；步骤5：构建用于辨识滚动轴承退化点的三个条件：条件
①
：该时刻点后边所有时刻点所对应的夹角数据值大于等于该时刻点所对应的夹角数据值；条件
②
：该时刻点后边短期阶段内所对应的夹角数据值的正向增长指标大于等于0.9；
③
该时刻点前边短期阶段内所对应的夹角数据值大于该时刻点所对应夹角数据值的数据数量小于等于短期阶段数据总量的10％；根据步骤4得到的夹角时间序列数据集，依次遍历夹角数据集的每个夹角值，判断该夹角值所对应的时刻点是否同时满足滚动轴承加速退化点的三个条件，如该时刻点未能同时满足上述滚动轴承加速退化点的三个条件，则判定该时刻点不是滚动轴承加速退化点，继续遍历，直至同时满足滚动轴承加速退化点的三个条件，则判定该时刻点为滚动轴承的加速退化点，即基于评估指标平面角度的时间序列实现滚动轴承加速退化点辨识，基于辨识结果提高对滚动轴承加速退化点辨识的准确性，进而提升对滚动轴承剩余寿命的预测精度。2.如权利要求1所述的基于评估指标平面角度的时间序列加速退化点辨识方法，其特征在于：步骤5中所述p取值范围为1.5％～2％。3.如权利要求2所述的基于评估指标平面角度的时间序列加速退化点辨识方法，其特征在于：所述p取值范围为1.5％。4.如权利要求2或3所述的基于评估指标平面角度的时间序列加速退化点辨识方法，其特征在于：所述的步骤2中提取每个时间单位内绝对峰值的过程为：被测轴承在某个单位时间内的采样信号为v
i
＝[v1,v2,
…
,v
k
]，其中j＝1,2,
…
,k，k代表单位时间点内的采样点数，则某个时间单位内的绝对峰值计算公式如下：peak
i
＝max|v
j
|
ꢀꢀꢀꢀꢀꢀꢀꢀ
(1)根据公式(1)求解得到所有时间单位内的绝对峰值，得到绝对峰值的时间序列集，表示为[peak1,peak2,
…
,peak
n/k
]，i＝1,2,
…
,n/k。5.如权利要求4所述的基于评估指标平面角度的时间序列加速退化点辨识方法，其特征在于：所述步骤3中的某个时间单位所对应的累积和绝对峰值cba，等于该时间单位及该时间单位之前所有时间单位所对应的绝对峰值之和；得到累积和绝对峰值的数据集表示为[cba1,cba2,
…
,cba
n/k
]，i＝1,2,
…
,n/k，并将累积和绝对峰值作为轴承状态评估指标。6.如权利要求5所述的基于评估指标平面角度的时间序列加速退化点辨识方法，其特
征在于：所述步骤4中的求解被测滚动轴承评估指标与坐标系x轴正方向夹角的方法如下，某个时间单位的顺序位于所有时间单位的第x个位置，对应的评估指标为y，则该评估指标与x轴正方向的夹角求解公式为：式(2)中，atan代表反正切函数，根据式(2)求解所有时刻评估指标值与x轴正方向的夹角，得到所有评估指标值与x轴正方向夹角的时间序列数据集为[angle1,angle2,
…
,angle
n/k
]，i＝1,2,
…
,n/k。7.如权利要求6所述的基于评估指标平面角度的时间序列加速退化点辨识方法，其特征在于：所述步骤5实现方法，包括以下子步骤，步骤5.1：从步骤4中的夹角数据集的第一个时刻点所对应的夹角值开始，依次遍历，寻求所需要的时刻点，该时刻点需要满足条件
①
：该时刻点后边所有时刻点所对应的夹角数据值大于等于该时刻点所对应的夹角数据值，若寻求满足上述条件的时刻点，则继续进行步骤5.2；步骤5.2：根据步骤5.1所得到的时刻点，判断该时刻点是否满足条件
②
：该时刻点后边短期阶段内所对应的夹角数据值的正向增长指标大于等于0.9，若该时刻点满足条件
②
则继续进行步骤5.3，否则返回步骤5.1，所述短期阶段指n*p个数量的数据所对应的时间序列过程；所述的正向增长指标求解方法如下：时间序列[angle
′1，angle
′2,
…
,angle
′
n/k
]，对时间序列进行一阶差分得到差分时间序列集，可表示为则时间序列的正向增长指标求解公式为：式(3)中，num(df＞0)代表差分时间序列集中大于0的个数，num(df＝0)代表差分时间序列集中等于0的个数，num(df＜0)代表差分时间序列集中等于0的个数，num(df)代表差分时间序列中的数据总数；步骤5.3：根据步骤5.2所得到的时刻点，判断该时刻点是否满足条件
③
：该时刻点前边短期阶段内所对应的夹角数据值大于该时刻点所对应夹角数据值的数据数量小于等于短期阶段数据总量的10％；若满足条件，则该时刻点为辨识得到的加速退化点，结束运算，若否，则返回步骤5.1，直至寻求得到同时满足步骤5.1、步骤5.2与步骤5.3中所述条件的时刻点，该点即为滚动轴承的加速退化点。

技术总结
本发明公开的基于评估指标平面角度的时间序列加速退化点辨识方法，属于机械装备状态评估与剩余寿命预测领域。本发明采集被测滚动轴承的水平振动信号；将时间序列分割成多个时间单位，提取每个时间单位内绝对峰值；将累积和绝对峰值作为滚动轴承状态评估指标，表征滚动轴承运行过程中的累积退化效应；求取评估指标与坐标系x轴正方向的夹角，遍历夹角时间序列数据集中的每个夹角值；构建用于辨识得到滚动轴承的加速退化点的三个条件，寻求同时满足三个条件的夹角数据值所对应的时刻点，若某时刻点同时满足上述三个条件，则辨识得到滚动轴承的加速退化点。本发明能够提高对滚动轴承加速退化点辨识的准确性，进而提升对滚动轴承剩余寿命预测的精度。余寿命预测的精度。余寿命预测的精度。


技术研发人员：魏剑峰 张发平 卢继平 杨向飞
受保护的技术使用者：北京理工大学
技术研发日：2023.06.21
技术公布日：2023/9/22