基于MSET重构模型整体优化的轴承性能退化评估方法

摘要：

针对传统单域特征指标无法充分表征轴承性能退化的状态信息,而基于多域高维特征向量的重构评估模型存在信息冗余且易受到不一致优化目标的影响而导致模型次优性能的问题,提出一种基于多元状态估计(multivariate state estimation technique,MSET)重构模型整体优化的轴承性能退化评估方法.首先,提取轴承振动信号的多个时域和频域特征、自回归模型系数和三层小波包Renyi熵组成高维多域特征向量,同时将健康状态的高维特征向量构建MSET重构模型的历史记忆矩阵;然后,利用遗传算法对轴承高维特征向量和MSET模型中的历史记忆矩阵进行同步联合优化,从而实现特征优选和重构评估模型的整体自适应优化,进一步提高降维后特征向量与重构模型的匹配性;最后,利用余弦相似度作为故障程度指标构建轴承性能退化评估曲线.西安交大-昇阳科技联合实验室滚动轴承疲劳试验全寿命数据分析结果表明,所提方法具有一定的有效性和可靠性.

关键词：多域特征向量、多元状态估计重构模型、历史记忆矩阵、遗传算法、同步联合优化

所属期刊栏目：42

分类号：TH133.3

资助基金：江西省自然科学基金;江西省教育厅科学技术研究项目;江西省研究生创新专项

在线出版日期：2023-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：251-261