基于LFSS和改进BBA的滚动轴承在线性能退化评估特征选择方法

摘要：

在滚动轴承性能退化评估中,不同工况会影响振动信号特征对故障程度的敏感性,在早期有限样本中选择适用于状态评估的有效特征是实现在线评估轴承性能退化程度的关键.首先提出一种基于均方根的早期有限样本判定方法Limited Feature Select Sample(LFSS),其次提出一种针对性能退化评估特征选择的改进Binary Bat Algorithm(BBA)算法——Feedback Seeking Binary Bat Algorithm(FSBBA),将其应用于滚动轴承早期有限样本中进行故障特征选择,克服了原始BBA容易陷入局部寻优的缺点.基于LFSS与FSBBA算法,构建了滚动轴承在线状态评估模型,并将其运用于两例滚动轴承全寿命数据特征选择,性能退化评估指标分析结果表明了所提出方法的有效性.

关键词：滚动轴承、特征选择、有限样本判定方法、反馈寻求二进制蝙蝠算法、在线状态评估

所属期刊栏目：37

分类号：TH165.3;TN911.7

资助基金：国家重点研发计划项目2016YFF0203400;国家自然科学基金51375152,51575168;国家科技支撑计划课题2015BAF32B03;智能型新能源汽车国家2011协同创新中心;湖南省绿色汽车2011协同创新中心资助

在线出版日期：2018-12-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：89-94