一种改进基尼指数加权的轴承健康指标构建方法

作     者：钱门贵 陈涛 于耀翔 郭亮 高宏力 李威霖 QIAN Mengui;CHEN Tao;YU Yaoxiang;GUO Liang;GAO Hongli;LI Weilin

作者机构：西南交通大学机械工程学院成都610031 浙江方圆检测集团股份有限公司杭州310018 浙江省市场监管新能源汽车驱动系统重点实验室杭州310014 

出 版 物：《中国机械工程》 (China Mechanical Engineering)

年 卷 期：2023年第34卷第15期

页      面：1813-1819,1855页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金(51905452,51775452) 中央引导地方科技发展资金(2020ZYD012) 浙江省市场监督管理局雏鹰计划培育项目(CY2022111) 四川省科技项目(2021YFG0068) 

主　　题：滚动轴承 早期退化点 健康指标 集成经验模态分解 加权重构的集成经验模态分解 故障特征能量比 改进的基尼指数 

摘      要：在轴承的状态监测中,构建一个可以准确描述轴承退化趋势且能及时识别早期退化点(EDP)的健康指标(HI)至关重要。目前大多学者提出的健康指标能较好地描述轴承的退化趋势,但不能准确识别早期退化点。提出了一种改进基尼指数(IGI)加权的轴承健康指标构建方法。利用集成经验模态分解(EEMD)对原始信号进行分解,根据各分量的故障特征能量比(FCER),对其进行加权重构得到重构信号;计算重构信号的IGI;将IGI作为重构信号的FCER进行加权计算,得到最终的指标IGI-FCER-HI。通过两个实验验证了所提方法的有效性,并与其他健康指标进行了对比。结果表明,所提方法构建的指标不仅具有良好的单调性和趋势性,而且能准确监测轴承的早期退化点。