联合频域相关分析和改进粒子滤波的滚动轴承寿命预测方法

为了解决滚动轴承退化状态识别难、剩余使用寿命（Remaining Useful Life, RUL）预测误差大这两个关键问题，提出一种联合频域特征相关分析及改进粒子滤波的寿命预测方法。基于滚动轴承在退化过程中频域特征存在短期相似性和长期差异性这一特点，对不同时间序列傅里叶变换后的幅值谱进行相关分析，构建平均相关系数（Average Correlation Coefficient, ACC）曲线。当ACC达到设定阈值时，利用初始故障时间（Degradation Initial Timepoint, DIT）将轴承状态划分为正常和损伤两阶段。利用损伤阶段的归一均方根值作为观测样本输入，构建考虑了全局指数式退化趋势与局部波动双重因素的粒子滤波（Dual Factor Particle Filter, DFPF）模型，实现粒子分布校正并完成RUL预测。试验结果表明，所提方法相比传统的均方根值法和峭度法能够更准确地识别轴承初始故障时间。在寿命预测精度方面，相比传统粒子滤波（Particle Filter, PF）算法，所提方法减小了异常观测值对预测趋势的影响，具有更高的RUL预测精度。     

一种极值搜索的齿轮系统振动信号阶次跟踪方法

在变速工况下，齿轮系统的振动信号具有非平稳性，频谱特征模糊，不利于特征提取和故障诊断。阶次跟踪方法作为一种非平稳信号分析方法，将原信号从时间域转换到角度域，有助于抑制变转速导致的频率模糊现象。广泛应用的计算阶次跟踪分析方法在实现等角度重采样过程中，通过提取瞬时转速积分求取瞬时角位移，或者基于相位解调获取角度-时间关系，受限于积分累计误差或小的转速跟踪范围。利用齿轮系统啮合振动信号峰峰值对应的等角度间隔特征，提出一种基于时域信号极值搜索的无键相阶次跟踪方法。所提方法不需要通过转速积分获取瞬时角位移，同时允许较大转速变化范围，降低了阶次分析域变换过程的误差，抗噪性能良好，使阶次谱能量集中度和特征成分辨识度得到明显提高。理论分析、仿真对比分析和试验测试结果均验证了所提方法的有效性，适用于变转速工况下的齿轮箱非平稳振动信号频谱分析和故障诊断。