基于高斯混合模型的滚动轴承故障预警.pdf

第 期 年 月组 合 机 床 与 自 动 化 加 工 技 术 .文章编号:():./.收稿日期:修回日期:基金项目:国家自然科学基金项目()湖北省重点研发计划项目()作者简介:朱炜杰()男硕士研究生研究方向为故障诊断、故障预警和信号分析().通信作者:肖涵()男教授研究方向为信号分析、故障诊断、模式识别和设备健康监测().基于高斯混合模型的滚动轴承故障预警朱炜杰肖 涵易灿灿徐增丙(武汉科技大学.冶金装备及其控制教育部重点实验室.机械传动与制造工程湖北省重点实验室.精密制造研究院武汉)摘要:滚动轴承的早期故障预警一直是研究人员和相关行业关注的问题及时发现滚动轴承的早期故障并预警有助于降低生产中因零件损坏引发的损失 在分析了主流故障预警方法后提出一种基于高斯混合模型()的轴承故障预警方法通过 对轴承的振动信号建模描述其不同阶段的分布情况提出一种新的基于 散度的轴承健康指标()用来描述轴承劣化过程利用 准则提取出健康指标中的异常值实现故障预警 利用轴承寿命加速试验数据对所提方法进行验证并通过包络谱验证其精确性 结果表明该方法较常用的故障特征具有良好的时效性可以实现对轴承故障进行有效预警关键词:滚动轴承故障预警高斯混合模型中图分类号:.文献标识码:(.):.().().:引言滚动轴承是各类机械设备中应用广泛且容易损坏的部件之一研究表明有 以上的机械设备故障由滚动轴承引起 轴承故障往往造成设备及生产线停产严重时甚至会危及人身安全 因此有必要对机械设备滚动轴承失效进行深入研究并进行失效预警目前滚动轴承失效预警主要采用信号处理的方法和机器学习方法等 李翠省等提出一种结合了集成经验模态分解()预处理与参数自适应变分模态分解()的方法郑凡帆通过降噪自编码器()建立设备正常运行时的特征自学习模型 这些方法虽能及时发现设备早期故障但基于信号处理的方法对信号质量要求较高应用场景多局限于实验室环境而基于机器学习的方法依赖海量样本和巨大算力来完成训练训练样本不足易使机器学习的训练误差增大基于概率分布的统计模型对噪声等背景信息具有更好的鲁棒性对训练样本数量和质量的要求相对较低 提出了一种将局部保持投影()和 相结合的新方法来识别轴承的退化阶段王冉等通过 与威布尔分布联合提取特征指标来训练隐马尔可夫模型()这些统计模型对轴承退化情况的判断有较好的效果基于统计模型的故障预警方法从振动信号中提取相应特征值如峰度、均方根()等通过特征值的变化情况反映轴承的健康状态 但是这类方法对早期故障的敏感性不强早期故障产生时特征值不一定有明显变化 若使用大量的时域、频域、时频域特征作为健康状况的判断指标会使无用指标对健康状况的判断造成不利影响 为了排除无用的特征对故障识别的干扰朱天煦等尝试利用主成分分析()方法对提取的特征进行优化但是 的降维优化基于特征之间的线性相关性因此有非线性依赖关系的大量特征无法通过 得到理想的优化结果鉴于此本文将从数据的概率结构出发对原始数据的分布情况进行建模与分析即对原始数据建立旨在从完整全面的数据中提取出合理有效的特征 若能够准确建立不同故障阶段振动信号的统计分布模型并准确定量描述统计模型之间的差异即可实现轴承故障预警 为此本文提出一种基于 的故障预警方法 该方法通过 对不同劣化阶段的轴承振动信号进行统计分布建模然后通过 描述轴承劣化状态用于滚动轴承故障预警 基础理论.高斯混合模型高斯混合模型将多个具有不同权重的单一高斯概率密度函数进行线性组合来近似的拟合数据在空间的分布 理论上讲只要有足够的混合数就能通过高斯混合模型来拟合数据空间的任意分布其广泛应用于语种识别和发音者识别中在图像识别和声学识别领域也有一些研究和应用高斯混合模型的数学表达式为:()()()式中:()()/()()是高斯密度函数 是输入的 维向量 是混合模型的数量是混合模型的权重系数 是第 个高斯密度函数的参数、分别为第 个密度函数的均值与协方差矩阵通过期望最大化()算法能够对高斯混合模型的参数进行估计.散度散度()可用于表征空间各点矢量场发散的强弱程度 在统计学意义上来说散度可以用来衡量两个分布之间的差异程度 若两者差异越小散度越小反之亦然 当两者分布一致时散度为 常见的散度有 散度、散度、散度、散度等其中 散度()最为常用 散度也被称为 距离或相对熵()是用概率分布 来近似 时所造成的信息损失量 散度是按照概率分布 的最优编码对真实分布为 的信息进行编码其平均编码长度(即交叉熵)()和 的最优平均编码长度(即熵)()之间的差异 对于离散概率分布 和 从 到 的 散度定义为:()()()()()()()()()基于高斯混合模型的故障预警方法.轴承健康指标 高斯混合模型构建完成后利用模型的概率分布情况构建轴承的健康指标基本思想是:当轴承在健康状态下运转时产生的振动与噪音相对稳定采集到数据的概率分布情况极其相似 当轴承产生一定的故障后出现了不稳定的情况使数据的概率分布情况产生了较大的变化 使用 散度将这种变化带来的差异性量化从而达到对轴承故障进行预警的效果 在不同的实验中即使轴承均处于健康状况下或者均产生的一定的故障 散度的数值依然存在较大的差异无法通过明确的数值来判断轴承的健康状况区间为了更好的体现轴承的健康状况提出基于函数()的健康指标形式为:()()()()式中:表示 散度函数图形整体取值范围 由于该函数在整个定义域具有可导性且在定义域接近 时近似线性因而具有较好的鲁棒性 一般情况下不同轴承的劣化速度存在波动即便在相同工况下轴承也会表现出不同的劣化速度而且该函数的取值范围包含了负区间为了更直观地表示轴承的健康状况减少健康指标的波动在式()的基础上进行一定的改进得到如式()所示的轴承健康指标():()()基于 散度的轴承健康指标()为最终的判断指标如果 的值在 附近可认为轴承处于健康状态当 的数值开始出现幅度较大的降低时可判断轴承出现早期故障随着轴承的逐步劣化 数值的也进一步降低 该指标在轴承健康时有着较强的稳定性各个模型之间的误差仅由随机误差产生因此使用 准则判断轴承是否产生故障并确定早期故障发生时间.轴承故障预警算法对轴承进行故障预警的流程如图 所示步骤:从新轴承运行开始每隔一段时间收集一次轴承的振动信号并对每次收集到的信号建立为一个 步骤:将每个时刻的 与健康状态下的 进行差异性度量得到每个时刻对应的 散度通过进一步处理得到每个时刻对应的 值步骤:得到一定数量的 指标以后计算已有指标的均值 与方差 判断新得到的 是图 轴承故障预警流程图否在 范围内若在说明轴承此时处于健康状态并将该 值纳入下一轮 与 的计算若不在说明轴承此时处于故障阶段 值不纳入下一轮 与 的计 年 月 朱炜杰等:基于高斯混合模型的滚动轴承故障预警算同时为防止误差存在只有当连续两次 值异常时才认为产生早期故障并发出警告 试验验证将所提出的方法应用于某大学()和某公司()提供的加速数据集 试验台如图 所示图 轴承加速寿命试验台轴承试验台包含交流感应电机、电动机转速控制器、转轴、滚动轴承()、液压加载系统以确保滚动轴承的快速退化 两个振动加速度传感器安装在轴承外壳 方向上一个用于水平方向测量另一个用于垂直方向测量 采样频率为.每次样本采集包含 个数据点采样间隔为 选取转速为/即电机频率为 轴承的水平方向施加径向载荷 时的数据进行第一次轴承故障预警试验转速为 /即电机频率为.轴承的水平方向施加径向载荷 时的数据进行第二次轴承故障预警试验 试验条件如表 所示表 轴承数据信息工况数据集样本总数实际寿命失效位置/外圈./外圈本次试验中先建立每组样本的 将轴承振动信号转换为概率密度函数通过式()式()计算其与健康样本 之间的 并判断其早期故障产生时间 再将包络谱法分析结果与所提出方法的结果进行对比验证本方法在故障预警中的及时性与有效性第一次试验的结果如下图所示其中图 表示通过 准则判断 值状态变化情况在 时 值开始出现异常 时仍然异常故此时发出故障警告认为在 时出现早期故障图 故障预警(基于 准则)图 为本文提出指标 的随时间变化的趋势图与关键部位的放大图()变化趋势图()报警产生处局部放大图图 健康状况指标()及其局部放大图通过健康指标的变化情况来判断轴承的健康状态结论如表 所示表 轴承健康状态判断时刻/变化趋势数值平稳且接近 数值小幅下降数值大幅下降状态判断健康出现早期故障故障加剧试验轴承的故障频率如表 所示表 轴承各工况下的故障频率()工况外圈故障内圈故障滚动体故障保持架故障/./.分析计算 与 时刻的包络谱结果如图 所示 由图 可知在 时外圈故障频率确实已经出现等到 时故障频率的幅值大幅增加且倍频也非常明显 说明轴承确实在 时出现了早期故障且在 时健康状况出现了明显的劣化为了验证基于 的故障预警方法的性能计算得到的原始信号的均方根()、峭度()和均方根频率()如图 所示图 在 与 数据的包络谱图 的各类特征指标图中原始信号的均方根在 以前比较平稳峭度值与均方根频率在 与 时出现了较高的数值 直接观察可以判断轴承约在 时出现故障为排除人工判断导致的误差对这些特征同样使用 准则进行状态判断结果如图 所示图 特征故障判断图中均方根在 首次认为异常在 发出警告 峭度与均方根频率由于仅在故障加速劣化时出现较大值 准则判断效果不如人工判断 可以发现本文提出的健康指标发现早期故障的时刻要早于这些经典特征第二次试验的故障产生情况判断与健康指标变化情况如图 所示 由图 可知虽然在 时 的值首次出现异常但后续数值判断为正常直至 与 首次连续两次为异常值在 时发出故障警告认为在 时出现早期故障组合机床与自动化加工技术 第 期图 故障预警(基于 准则)表 为通过图 中 值的整体变化趋势状况来判断轴承的健康状态结论()变化趋势图()报警产生处局部放大图图 健康状况指标()及其局部放大图表 轴承健康状态判断时刻/变化趋势数值平稳且接近数值波动变大数值小幅下降数值大幅下降状态判断健康出现早期故障故障劣化故障劣化加剧图 为 与 时的包络谱结果 结合表 中对应的故障频率可以发现 时外圈故障频率幅值较小存在弱故障 时外圈故障频率已经较为明显其他经典指标分析情况如图 所示均方根、峭度和均方根频率的数值均在 左右出现了较大的变化图 在 与 数据的包络谱图 的各类特征指标图 为这些特征的 准则状态判断均在 时出现异常值有两项在 持续异常故发出警报 这些时刻均明显晚于本文提出方法发现早期故障的时刻 且后续持续预警的稳定性也明显劣于本文提出的方法图 特征故障判断表 为西安交大数据集中部分其他轴承的预警情况简介均采用 准则进行异常判断且连续两次出现异常值时开始预警表 其他数据集轴承预警情况()数据集 故障预警时间 故障预警时间包络谱分析故障时间由于峭度与均方根频率通过的预警效果不如均方根故此处仅选用均方根与本文提出方法进行对比 可以看出本文提出方法发现早期故障的时刻早于或等于均方根法且这些时刻的包络谱分析中均发现了故障频率 结论本文研究了轴承的故障预警方法通过及时发出警告来避免机器意外故障造成生产时间损失 提出了一种基于 的故障预警方法以混合模型的方式描述不同状态下轴承信号的分布情况 提出一种新的基于 散度的轴承性能指标 试验结果表明相对于经典的故障特征本文提出的方法无需获取轴承的故障频率可以更早地故障预警且故障预警具有更好的稳定性 本文提出的方法基于数据驱动结果更加直观利于实现智能预警 目前仅实现在实验条件中单工况下的轴承预警而未考虑实际中变工况的情况今后将尝试能否在变工况情况下达到预警效果参考文献 郝如江卢文秀褚福磊.声发射检测技术用于滚动轴承故障诊断的研究综述.振动与冲击():.马小平李博华蔡蔓利等.基于谱熵梅尔积和改进 的轴承故障预警.北京理工大学学报():.李翠省廖英英刘永强.基于 和参数自适应 的高速列车轮对轴承故障诊断.振动与冲击():.郑凡帆.基于深度学习的机械设备故障预警与诊断技术研究.北京:北京化工大学.:.:.:.():.王冉周雁翔胡雄等.基于 多尺度威布尔分布与 的轴承性能退化评估方法.振动与冲击():.:.():.(下转第 页)年 月 朱炜杰等:基于高斯混合模型的滚动轴承故障预警算法相比在搜索节点数量上减少了.平均运行时间缩短了.极大地提高了路径规划的效率尤其是转弯数量减少了.极大程度上提高了移动机器人运行的稳定性与障碍物之间的距离增加了 倍使得移动机器人在实际工作中可以以更大的速度运行所规划的路径可执行性和安全性更高综上所述与传统的 算法相比本文改进的 算法在离散障碍环境和复杂障碍环境中均可以较快地规划出路径并且所规划的路径符合阿克曼六轮移动机器人的转向特征整体路径更具执行性和安全性 结论本文研究了阿克曼六轮移动机器人的路径规划算法以提高移动机器人路径规划的效率和所规划路径的安全性为准则提出了一种改进 算法的路径规划方法 通过改进启发式函数引入距离惩罚函数提高了距离障碍物较远节点的搜索优先级减少了不必要的节点和区域搜索提高了路径规划效率通过构建安全走廊引入安全惩罚函数约束搜索节点均在安全走廊之内避免与障碍物距离过近而发生碰撞在代价函数中加入前进节点、转弯和后退节点的惩罚项使得所规划的路径更具执行性和安全性 与传统 算法相比不论在稀疏障碍地图还是在复杂障碍地图中改进 算法均能更快地规划出符合阿克曼六轮移动机器人转向特征的全局路径尤其是在复杂障碍地图中改进 算法在搜索节点数量减少了.平均运行时间上缩短了.所规划的路径中转弯数量减少了.与最近障碍物的平均距离增加了 倍整体路径平滑、连续使得机器人能在安全范围内以更大速度运行充分发挥出阿克曼六轮移动机器人的良好性能 本文仅是通过算法进行全局路径规划并没有考虑对全局路径进行优化后续将对阿克曼六轮移动机器人最优轨迹进行深入研究参考文献 .:.():.张元勋黄靖韩亮亮.星表移动探测机器人研究现状综述.航空学报():.杨春雨张鑫.煤矿机器人环境感知与路径规划关键技术.煤炭学报():.李晓杰梁健李海泉.基于/与 的地震救援机器人设计.机械设计():.时培成陈旭杨爱喜等.智能车阿克曼转向轨迹规划及位置估算.工程设计学报():.:.():.林韩熙向丹欧阳剑等.移动机器人路径规划算法的研究综述.计算机工程与应用():.():.陈伟华林颖文宗明等.基于双重 算法的移动机器人动态环境路径规划.组合机床与自动化加工技术():./().:.():./().焦嵩鸣陈雨溪白健鹏.改进 的拖挂式移动机器人路径规划算法.电子测量技术():.宫金良马全坤张彦斐.阿克曼转向农业机器人的多级模糊控制避障.农机化研究():.辛鹏马希青.优化改进 和动态窗口法的机器人路径规划.组合机床与自动化加工技术():.任秉韬王淅淅邓伟文等.基于混合 和可变半径 曲线的自动泊车路径优化方法.中国公路学报():.陈鑫鹏徐彪胡满江等.一种基于等步长分层拓展的混合 路径规划方法.控制与信息技术():.(编辑 赵 蓉)(上接第 页)朱天煦臧朝平.基于 的滚动轴承信号混合特征选取与故障诊断.航空发动机():.():.():.崔桂香丁晓明.基于 的说话人识别系统研究.北京电子科技学院学报():.钟鑫.基于逻辑回归和高斯混合模型的设备故障诊断技术研究与应用.北京:北京化工大学.肖涵.基于高斯混合模型与子空间技术的故障识别研究.湖北:武汉科技大学.():.(编辑 祝智铭)组合机床与自动化加工技术 第 期