小子样不确定条件下数模混合驱动的滚动轴承寿命预测

作     者：马霁宣 

作者单位：重庆理工大学 

学位级别：硕士

导师姓名：张明德;马婧华;马文生

授予年度：2024年

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] 

主      题：主轴轴承 寿命预测 特征筛选 概率密度函数 数模联动 

摘      要：电主轴滚动轴承在电主轴中扮演着关键角色,支撑和承载着旋转运动,确保了电主轴的稳定运行和精准加工。轴承的性能直接影响到电主轴的效率、精度和寿命,因此其质量和状态对整个系统的运行效果至关重要。然而,在实际工作中,轴承振动信号容易受环境影响干扰,影响轴承状态的判断;首先,采集的数据需经复杂处理和分析,提取具有退化信息的特征困难;其次,电主轴轴承易受力学、热学和化学因素影响,可能出现磨损、疲劳和过载等问题,导致轴承损坏和故障,而传统的定期维护和更换轴承方法效率低、成本高,现有的寿命预测方法受工作条件变化和不确定性因素影响,难以保证准确性。针对以上问题,本文以电主轴滚动轴承为目标对象,展开小子样不确定条件下数模混合驱动的滚动轴承寿命预测研究,具体研究内容如下: (1)针对多传感器轴承性能退化特征冗余问题,提出了基于相关系数-趋势移动平均法-单调性(Pearson correlation coefficient-Trend average method-Monotonicity criterion,PCCs-TA-MC)联合准则的性能退化敏感特征筛选方法。首先,使用基于深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Network,DCGAN)的方法来填补截尾样本;其次,利用皮尔逊相关系数法(PCCs)筛选相关性较大的特征;再次,通过趋势移动平均法(TA)解决平滑偏差问题并提升特征的单调性;随后筛选出单调性较好的特征,设定初始融合权重构建初始复合退化指标,并进行K-S检验;最后,实验数据验证了该方法的优越性。经实验数据集,验证三联合准则方法的优越性。 (2)针对轴承退化过程的个体差异性及退化指标融合权重的人为设置问题,提出了基于实时退化数据的自适应融合权重更新方法,构建基于数据-Wiener过程混合驱动的融合退化指标。该方法构建了优化目标函数,根据预测值与实际值差值,循环优化各特征融合权重和失效阈值,重新构建复合退化指标,再次输入Wiener模型中进行寿命预测,该方法有效提升了预测精度。经实验数据验证了该方法的有效性。 (3)针对Wiener模型未充分考虑监测数据在失效阈值附近上下波动的问题,导致寿命预测精度不高和设备过早停运等情况。提出了基于Wiener过程的分阶段概率密度函数(Piecewise Probability Density Function,PPDF)计算方法。该方法充分利用了Wiener过程的随机性进行寿命预测,并把复合退化指标分阶段,根据当前监测复合退化指标与失效阈值的大小关系构建三种形式的概率密度函数计算方法,实现数据分阶段+PPDF预测。经开源数据集-验证了该方法预测精度更高。