基于监测数据和损伤力学的复杂工况下滚动轴承故障预测研究

With the development of the diagnostic and prognostic techniques, many mechanical engineering researchers have pay significant attention to Condition based maintenance and Prognostic and Health Management in the past years, especially within the aero-engine area. This proposal is aimed at diagnostic and prognostic techniques of roller bearing, which are the key component of aero-engine. It has been demonstrated that spall of roller bearing has a very stable propagation regime and can be predicted with high confidence. This proposal combines simulations and experiments with roller bearing defects to investigate weak signals from defects of roller bearing; explore complement damage feature of rolling bearings extraction algorithm with adaptive capacity; study on degradation index that only change with health state of roller bearing and do not with operational conditions; build multi-spall roller bearing life prediction model based on damage mechanics model; adopt auxiliary or regular particle filter to estimate the optimal value of the remaining life and its confidence. The research work on the complex operational conditions of roller bearing weak signal detection, health state evaluation and residual life prediction of theoretical significance and practical value.

视情维护及故障预测与健康管理随着诊断与预测技术的发展在机械行业得到极大的重视，特别是在航空发动机领域。滚动轴承作为航空发动机承力传动环节的关键部件是本项目的研究重点。剥落作为滚动轴承疲劳失效的重要标识在萌生后存在稳定的扩展增殖阶段，这为滚动轴承的健康监控与寿命预测奠定了基础。本项目将故障仿真模拟和模拟实验结合研究滚动轴承微弱健康状态信号；探索具有自适应能力的优势互补滚动轴承损伤特征提取算法；开展仅随损伤而不随工况变化的滚动轴承劣化指标研究；构建基于损伤力学的滚动轴承多剥落寿命预测模型；采用辅助和正则粒子滤波器评估剩余寿命的最优值及其置信度。本项目的研究工作对实际复杂工况下的滚动轴承的微弱故障检测、健康状态评估和剩余寿命预测具有重要的理论意义和工程实用价值。

项目研究了基于监测数据和损伤力学的复杂工况下滚动轴承故障预测的相关问题，并取得了以下几方面的研究成果：（1）在滚动轴承微弱故障提升与诊断方面，提出了一种基于VMD分解的滚动轴承微弱故障集成诊断方法，将MED逆滤波处理后的振动信号进行VMD分解，利用自相关分析对各个分解模式进行降噪以凸显周期信号特征；同时提出一种MED最优滤波长度选择的新方法，该方法能够有效提升微弱故障信号中的周期脉冲成分，避免传统MED 方法最容易出现最大化单一随机脉冲现象的发生。通过模拟试验，成功在早期故障萌生阶段检测并提取出了轴承微弱的故障特征；（2）在自适应特征提取算法研究方面，针对振动监测的特征融合与状态评估技术进行了深入研究，提出了4种基于多特征超球优化-融合的滚动轴承故障检测与状态评估方法；提出一种新的滚动轴承早期预警技术及一种基于模糊逻辑方法的融合技术，以实现基于磨损和振动信息融合的滚动轴承状态评估；采用深度学习理论，提出一种卷积神经网络与小波尺度谱相结合的方法，实现了自适应特征提取与智能故障诊断；提出一种卷积神经网络与长短期记忆网络结合模型，实现了轴承损伤尺寸的定量评估；（3）在基于损伤力学的滚动轴承失效研究与寿命预测方面，将损伤力学与有限元分析相结合，根据滚动轴承疲劳损伤的机理建立了耦合损伤的滚动轴承接触疲劳模型，计算了其在不同情况下的预测寿命，结合试验验证了模型的准确性；（4）在基于辅助和正则粒子滤波器评估剩余寿命方面，采用粒子滤波算法结合四参数指数模型对滚动轴承的剩余有效寿命进行了预测，对两组加速寿命试验数据和一组全寿命试验数据进行跟踪预测，结果表明了算法预测的准确性。