基于GRA-PLS的滾動軸承故障診斷*

郭煜濤,謝麗蓉,孫代青,劉文斌

(新疆大學可再生能源發電與并網技術教育部工程研究中心,烏魯木齊 830047)

0 引言

軸承的健康運行是確保機械設備高效運轉的關鍵因素之一，因此實現精確的滾動軸承故障診斷，對于及時掌握軸承運行狀態，準確發現故障原因從而避免財產損失具有重要意義[1]。

利用振動信號進行軸承故障診斷的方式被廣泛運用[2]，但未考慮樣本信號的有效性問題。為此，采用灰色關聯分析(grey relational analysis，GRA)提高有用振動信號占比。GRA可將信息不完全系統中數據的關系量化[3]。楊超等[4]通過GRA得到振動數據與健康數據的關系，并將關聯度的變化趨勢與早期故障時段做對比。

針對滾動軸承故障診斷的重要步驟是特征提取和模式識別[5]。對非穩態信號進行特征提取[6-8]時需要進行信號分解，且分解是非自適應的，增加了計算復雜度。偏最小二乘法(partial least-square，PLS)能有效辨識系統信息與噪音，增強有用變量，將PLS應用于故障診斷，可避免信號分解的問題。馬方圓等[9]利用PLS提取出緩變故障各變量的關系,提高了故障識別的速度。李鵬輝等[10]通過氣動執行機構的歷史數據建立PLS模型，對工況進行實時監控。

為了解決上述問題，本文提出了基于GRA-GA-ENN-PLS的滾動軸承故障診斷方法。首先將GRA引入樣本篩選中，提高了樣本中有用振動信號的占比；其次將改進后的遺傳算法(GA-ENN)應用于特征指標選取，消除特征信號之間的冗余；最后將PLS應用于軸承故障診斷，降低計算復雜度，在不對振動信號進行分解的情況下實現軸承故障準確識別，從而為滾動軸承的故障診斷提供了一種新方法。……