程 立, 夏新涛,2, 马文锁,2

(1. 河南科技大学 机电工程学院, 河南 洛阳 471003;2. 河南科技大学 机械装备先进制造河南省协同创新中心, 河南 洛阳 471003)

1 引 言

滚动轴承在机械设备上有着广泛应用,一旦出现故障会造成巨大的经济损失和严重的人员伤亡[1,2],这使得滚动轴承的可靠性[3～6]成为了一个热门的研究领域。大量的关于滚动轴承可靠性的研究是建立在概率分布与趋势均已知的经典统计学基础上[7,8],并根据失效数据来构建寿命可靠性预报模型。但是这类方法的缺陷在于难以解决事先概率分布与趋势未知的可靠性预报问题[9,10]。针对上述问题,夏新涛等[11]根据滚动轴承的振动性能数据建立了滚动轴承的性能保持可靠性评估模型。滚动轴承的性能退化描述的是滚动轴承的运转性能从正常到失效的过程,精准的评估滚动轴承的退化历程能够避免意外停机造成的经济损失。传统的方法主要从时域、频域以及时频域方面进行研究,近年来人工智能、混沌理论、熵理论[12]在滚动轴承退化研究上得到广泛的应用。王冰等[13]针对轴承性能退化状态的识别问题,提出一种基于基本尺度熵与GG(gath-geva)聚类的退化状态识别方法。许迪等[14]提出基于流形学习和M-KH-SVR(multivariable-krill herd-support vector regression)的滚动轴承衰退预测方法。姜万录等[15]出了一种基于变分模态分解(VMD)和支持向量数据描述(SVDD)相结合的滚动轴承性能退化程度定量评估方法。以上的文献均是对滚动轴承性能退化进行研究,但是关于滚动轴承的性能退化历程和可靠性之间存在怎样的关系研究较少。……