科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有滚动轴承健康状态监测中构造的退化指标单调性及鲁棒性差、由于数据波动造成指标对不同退化状态区分度低等问题，本文提出了一种基于熵值比—动态时间规整 (Dynamic Time Warping， DTW)度量奇异值相似度的指标优化算法，并将其辨识滚动轴承不同退化历程。首先，利用奇异值分解(Singular Value Decomposition， SVD)算法对不同时刻采集的轴承信号矩阵进行分解，将奇异值作为轴承退化特征；其次，基于DTW算法计算轴承连续退化奇异值时间序列的相似度，表征轴承的全寿命周期历程。最后，考虑到轴承不同退化状态的差异性，将熵值比作为权值对相似度指标进行优化，提高相似度退化指标的单调性及对早期异常点的敏感性。采用美国IMS轴承全寿命数据开展了应用研究，结果表明：本文所提退化指标构建算法构建出的指标单调性、鲁棒性及对异常的敏感性较好，可有效避免数据波动对轴承健康状态带来的干扰，能更为准确地反映轴承全寿命退化历程。
- 单位
