王庆锋,张 程,卫炳坤,许述剑,刘 江

(1.北京化工大学 高端机械设备健康监控及自愈北京市重点实验室,北京 100029;2.中国石油化工股份有限公司 青岛安全工程研究院,山东 青岛 266000;3.中国石油四川石化有限责任公司,四川 彭州 611930)

0 引 言

对旋转机械的性能退化程度进行准确地评估,可以有效地预防因维护不当而引起的事故。滚动轴承是旋转设备的关键部件,在旋转部件的所有故障中,轴承故障的概率为30%,主要表现为长期运行引起的疲劳失效[1]。

近年来,许多研究者越来越重视对轴承的性能退化评估研究,并提出了大量关于轴承在线定量评估的方法。设备性能退化评估方法一般包括健康指数提取与评估模型构建两个部分[2]。其评估过程的基本原理就是通过度量待测信号健康指数与评估模型之间的相似程度,来识别设备当前的性能状态。

基于聚类分析的健康状态评估是常用的方法之一。它包括基于多聚类簇心的健康状态划分模型,与基于两聚类簇心的隶属度健康评估模型两类;它应用有效值、弯曲时间参数和C0复杂度或谱熵等,构建描述旋转设备性能退化过程的三维特征向量,并采用GG聚类算法(Gath-Geva,GG)对设备健康状态进行表征[3-5];基于振动信号,提取时域、频域及时频域故障敏感特征参数作为旋转设备性能退化监测参数[6],以数学形态分形维数、有效值和峰峰值作为设备性能退化指标[7,8],选取有效值和峭度因子组成设备性能退化指标集[9],提取小波包Tsallis熵作为性能退化指标[10],对设备性能退化指标开展了模糊聚类分析,利用隶属度方法对设备性能退化状态进行了识别和分类。……