CN109376962B - 滚动轴承的实际寿命预测方法、装置及智能终端 - Google Patents
滚动轴承的实际寿命预测方法、装置及智能终端 Download PDFInfo
- Publication number
- CN109376962B CN109376962B CN201811490711.6A CN201811490711A CN109376962B CN 109376962 B CN109376962 B CN 109376962B CN 201811490711 A CN201811490711 A CN 201811490711A CN 109376962 B CN109376962 B CN 109376962B
- Authority
- CN
- China
- Prior art keywords
- rolling bearing
- life
- calculating
- service life
- finite element
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Geometry (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明提供了一种滚动轴承的实际寿命预测方法、装置及智能终端,涉及机械设备寿命预测技术领域,该方法包括:根据高周疲劳寿命算法,计算滚动轴承的理想寿命;基于所述滚动轴承的寿命影响因素,建立所述滚动轴承的有限元模型;根据所述滚动轴承的理想寿命和所述有限元模型,计算所述滚动轴承的实际寿命。本发明能够有效提高滚动轴承寿命预测的准确性。
Description
技术领域
本发明涉及机械设备寿命预测技术领域,尤其是涉及一种滚动轴承的实际寿命预测方法、装置及智能终端。
背景技术
滚动轴承是机械设备中的重要零部件,其寿命直接影响到整个机组设备的运行可靠性和寿命,甚至影响到整个工厂的正常运转和生产,因此,准确预测滚动轴承的寿命尤为重要。现有方法中,很多是运用高周疲劳寿命理论,来计算轴承的寿命时间,对于滚动轴承来说,其计算的寿命是滚动轴承在理想情况下的疲劳寿命,并没有考虑轴承在运转过程中的实际状态,滚动轴承的寿命预测的准确性有待提高。
发明内容
有鉴于此,本发明的目的在于提供一种滚动轴承的实际寿命预测方法、装置及智能终端,能够有效提高滚动轴承寿命预测的准确性。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种滚动轴承的实际寿命预测方法,该方法包括:根据高周疲劳寿命算法,计算滚动轴承的理想寿命;基于滚动轴承的寿命影响因素,建立滚动轴承的有限元模型;其中,寿命影响因素包括磨损颗粒因素;根据滚动轴承的理想寿命和有限元模型,计算滚动轴承的实际寿命。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,基于滚动轴承的寿命影响因素,建立滚动轴承的有限元模型的步骤,包括:对滚动轴承进行油液检测和铁谱分析诊断,获得滚动轴承所包含的磨损颗粒信息;其中,磨损颗粒信息包括颗粒形状和颗粒尺寸;根据磨损颗粒信息,建立滚动轴承的有限元模型。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,根据滚动轴承的理想寿命和有限元模型,计算滚动轴承的实际寿命的步骤,包括:根据有限元模型和高周疲劳寿命算法,计算滚动轴承的第一寿命值;获取滚动轴承的润滑脂用量和铁谱膜片的取样量;根据滚动轴承的第一寿命值、润滑脂用量和铁谱膜片的取样量,计算滚动轴承的寿命影响因子;根据滚动轴承的理想寿命和寿命影响因子,计算滚动轴承的实际寿命。
结合第一方面的第二种可能的实施方式,本发明实施例提供了第一方面的第三种可能的实施方式,其中,根据滚动轴承的第一寿命值、润滑脂用量和铁谱膜片的取样量,计算滚动轴承的寿命影响因子的步骤,包括:根据润滑脂用量和铁谱膜片的取样量,计算滚动轴承中所包含的磨损颗粒数量;根据滚动轴承的第一寿命值、理论寿命和磨损颗粒数量,计算滚动轴承的寿命影响因子。
结合第一方面的第三种可能的实施方式,本发明实施例提供了第一方面的第四种可能的实施方式,其中,根据滚动轴承的第一寿命值、理论寿命和磨损颗粒数量,计算滚动轴承的寿命影响因子的步骤,包括:
按照以下公式计算滚动轴承的寿命影响因子σ:
σ=(F2/F1)a
其中,F2表示滚动轴承的第一寿命值,F1表示理论寿命,a表示所述磨损颗粒数量。
结合第一方面的第二种可能的实施方式,本发明实施例提供了第一方面的第五种可能的实施方式,其中,根据滚动轴承的理想寿命和寿命影响因子,计算滚动轴承的实际寿命的步骤,包括:按照以下公式计算滚动轴承的实际寿命F3:
F3=σ×F1
其中,σ表示滚动轴承的寿命影响因子,F1表示理论寿命。
第二方面,本发明实施例还提供一种滚动轴承的实际寿命预测装置,包括:理想寿命计算模块,用于根据高周疲劳寿命算法,计算滚动轴承的理想寿命;有限元模型建立模块,用于基于滚动轴承的寿命影响因素,建立滚动轴承的有限元模型;其中,寿命影响因素包括磨损颗粒因素;实际寿命计算模块,用于根据滚动轴承的理想寿命和有限元模型,计算滚动轴承的实际寿命。
结合第二方面,本发明实施例提供了第二方面的第一种可能的实施方式,其中,有限元模型建立模块用于:对滚动轴承进行油液检测和铁谱分析诊断,获得滚动轴承所包含的磨损颗粒信息;其中,磨损颗粒信息包括颗粒形状和颗粒尺寸;根据磨损颗粒信息,建立滚动轴承的有限元模型。
第三方面,本发明实施例提供了一种智能终端,包括处理器和存储器;存储器上存储有计算机程序,计算机程序在被处理器运行时执行如第一方面至第一方面的第五种可能的实施方式任一项的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行上述第一方面至第一方面的第五种可能的实施方式任一项的方法的步骤。
本发明实施例提供了一种滚动轴承的实际寿命预测方法、装置及智能终端,根据高周疲劳寿命算法,计算滚动轴承的理想寿命,并基于滚动轴承的寿命影响因素,建立滚动轴承的有限元模型,从而根据滚动轴承的理想寿命和有限元模型,计算滚动轴承的实际寿命。由于寿命影响因素包括磨损颗粒因素,因此能够有效提高滚动轴承寿命预测的准确性。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本发明实施例所提供的一种滚动轴承的实际寿命预测方法的流程图;
图2示出了本发明实施例所提供的一种滚动轴承的有限元模型的示意图;
图3示出了本发明实施例所提供的另一种滚动轴承的实际寿命预测方法的流程图;
图4示出了本发明实施例所提供的一种铁谱膜片的磨损颗粒分布情况的示意图;
图5示出了本发明实施例所提供的一种滚动轴承润滑脂铁谱膜片的实际磨损颗粒图;
图6示出了本发明实施例所提供的一种滚动轴承的实际寿命预测装置的结构框图;
图7示出了本发明实施例所提供的一种智能终端的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前现有方法中,很多是运用高周疲劳寿命理论,来计算轴承的寿命时间,对于滚动轴承来说,其计算的寿命是滚动轴承在理想情况下的疲劳寿命,并没有考虑轴承在运转过程中的实际状态,滚动轴承的寿命预测的准确性有待提高,基于此,本发明实施例提供的一种滚动轴承的实际寿命预测方法、装置及智能终端,能够有效提高寿命预测的准确性。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种滚动轴承的实际寿命预测方法进行详细介绍。
参见图1所示的一种滚动轴承的实际寿命预测方法的流程图,该方法由诸如计算机等智能终端执行,该方法包括以下步骤:
步骤S102,根据高周疲劳寿命算法,计算滚动轴承的理想寿命。
运用高周疲劳寿命算法,结合滚动轴承的实际运转载荷特性和材料特性,计算得出滚动轴承理想寿命值,即不含磨损颗粒时的寿命值。
步骤S104,基于滚动轴承的寿命影响因素,建立滚动轴承的有限元模型;其中,寿命影响因素包括磨损颗粒因素。
由于滚动轴承在实际运转过程中,因为载荷过大和润滑不良等原因,会产生一些不同尺寸(通常为10μm-200μm)和不同形状(通常为疲劳剥落、黏着擦伤、切屑磨损)的磨损颗粒。由于滚动轴承的润滑剂通常为润滑脂,其流动性较差,难以将金属颗粒运送出去,这些滞留在滚动轴承内的颗粒会在轴承滚道内被反复碾压,且金属颗粒脱落后会在滚道上留下凹坑,从而对轴承的寿命产生极大的影响,因此滚动轴承的寿命影响因素包括磨损颗粒因素。
根据长期的油液检测和铁谱分析诊断经验,选取最常出现和最具代表性的磨损颗粒,作为典型颗粒预设在有限元模型中。而轴承润滑脂中最典型的颗粒为50μm左右的疲劳剥落颗粒,该尺寸和类型的颗粒占据了磨粒的绝大多数,其为接近圆形的扁平状颗粒。为了便于实际建模计算,将滚动轴承中的典型颗粒即预设的磨损颗粒的尺寸和形状分别设定为50μm×50μm×10μm和正方柱形,即预设的磨损颗粒为50μm×50μm×10μm的正方柱形颗粒。
为了计算滚动轴承的实际寿命,需建立滚动轴承在含有预设的磨损颗粒的有限元模型,如图2所示的一种滚动轴承的有限元模型的示意图,在滚动轴承外圈内侧的底部,按照预设的磨损颗粒尺寸预设一个正方柱形凹坑,以模拟轴承在实际运转中碾压颗粒和滚过剥落凹坑时的状态。
步骤S106,根据滚动轴承的理想寿命和有限元模型,计算滚动轴承的实际寿命。
根据滚动轴承的有限元模型,可以仿真计算得出轴承在滚动时的应力响应,并运用高周疲劳寿命算法,可以得出轴承在含有预设的磨损颗粒时的第一寿命值。获取滚动轴承的润滑脂用量和铁谱膜片的取样量,根据润滑脂用量和铁谱膜片的取样量,计算滚动轴承中所包含的磨损颗粒数量,从而根据滚动轴承的第一寿命值、理论寿命和磨损颗粒数量,计算滚动轴承的寿命影响因子,计算滚动轴承的实际寿命为寿命影响因子和理论寿命的乘积。
本发明实施例提供的上述滚动轴承的实际寿命预测方法,根据高周疲劳寿命算法,计算滚动轴承的理想寿命,并基于滚动轴承的寿命影响因素,建立滚动轴承的有限元模型,从而根据滚动轴承的理想寿命和有限元模型,计算滚动轴承的实际寿命。由于结合了影响滚动轴承实际寿命的磨损颗粒因素计算滚动轴承的实际寿命,因此本发明能够有效提高滚动轴承寿命预测的准确性。
为便于理解,以下给出基于本实施例提供的另一种滚动轴承的实际寿命预测方法,参见图3所示的一种滚动轴承的实际寿命预测方法的流程图,该方法包括以下步骤:
步骤S302,根据高周疲劳寿命算法,计算滚动轴承的理想寿命。
步骤S304,对滚动轴承进行油液检测和铁谱分析诊断,获得滚动轴承所包含的磨损颗粒信息;其中,磨损颗粒信息包括颗粒形状和颗粒尺寸。
对实际运行中的滚动轴承进行润滑脂取样并制备铁谱膜片,通过在铁谱显微镜下观测分析,可以获取润滑脂中的磨损颗粒的尺寸、类型和分布情况,铁谱膜片的磨损颗粒分布情况,如图4所示的铁谱膜片的磨损颗粒分布情况的示意图,从图4中可以看出,磨损颗粒有不同的尺寸和形状,图5示出了滚动轴承润滑脂铁谱膜片的实际磨损颗粒图,图5是通过铁谱显微镜下观测的磨损颗粒图。
步骤S306,根据磨损颗粒信息,建立滚动轴承的有限元模型。
具体的,可以将上述预设的磨损颗粒,即50μm×50μm×10μm的正方柱形颗粒作为典型磨损颗粒预设在有限元模型中。
步骤S308,根据有限元模型和高周疲劳寿命算法,计算滚动轴承的第一寿命值。
根据建立的滚动轴承的有限元模型,可以仿真计算得出轴承在滚动时的应力响应,并运用高周疲劳寿命算法,可以得出轴承在含有典型磨损颗粒即预设的磨损颗粒时的第一寿命值。
步骤S310,获取滚动轴承的润滑脂用量和铁谱膜片的取样量。
滚动轴承的润滑脂用量和铁谱膜片的取样量是根据滚动轴承在实际工作中所需的用量获得的。
步骤S312,根据润滑脂用量和铁谱膜片的取样量,计算滚动轴承中所包含的磨损颗粒数量。
根据滚动轴承的润滑脂用量和制备铁谱膜片的取样量,可等效计算出轴承中实际的磨损颗粒数量。
步骤S314,根据滚动轴承的第一寿命值、理论寿命和磨损颗粒数量,计算滚动轴承的寿命影响因子。
按照以下公式计算滚动轴承的寿命影响因子σ:
σ=(F2/F1)a
其中,F2表示滚动轴承的第一寿命值,F1表示理论寿命,a表示所述磨损颗粒数量。
步骤S316,根据滚动轴承的理想寿命和寿命影响因子,计算滚动轴承的实际寿命。
按照以下公式计算滚动轴承的实际寿命F3:
F3=σ×F1
其中,σ表示滚动轴承的寿命影响因子,F1表示理论寿命。
根据上述公式计算得到了滚动轴承的实际寿命,由于滚动轴承在实际运行过程中受到磨损颗粒的影响,因此滚动轴承的实际寿命一般比理论寿命要小。
综上所述,本发明实施例提供的上述滚动轴承的寿命确定方法,由于结合了影响滚动轴承实际寿命的磨损颗粒因素计算滚动轴承的实际寿命,因此本发明能够有效提高滚动轴承寿命预测的准确性。
对应于前述滚动轴承的寿命预测方法,本发明实施例提供了一种滚动轴承的实际寿命预测装置,参见图6示出的一种滚动轴承的实际寿命预测装置的结构框图,该装置包括以下模块:
理想寿命计算模块602,用于根据高周疲劳寿命算法,计算滚动轴承的理想寿命;
有限元模型建立模块604,用于基于滚动轴承的寿命影响因素,建立滚动轴承的有限元模型;其中,寿命影响因素包括磨损颗粒因素;
实际寿命计算模块606,用于根据滚动轴承的理想寿命和有限元模型,计算滚动轴承的实际寿命。
本发明实施例提供的上述滚动轴承的实际寿命预测装置,由于结合了影响滚动轴承实际寿命的磨损颗粒因素计算滚动轴承的实际寿命,因此本发明能够有效提高滚动轴承寿命预测的准确性。
上述有限元模型建立模块604进一步用于:对滚动轴承进行油液检测和铁谱分析诊断,获得滚动轴承所包含的磨损颗粒信息;其中,磨损颗粒信息包括颗粒形状和颗粒尺寸;根据磨损颗粒信息,建立滚动轴承的有限元模型。
本实施例所提供的装置,其实现原理及产生的技术效果和前述实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
本发明实施例提供了一种智能终端,参见图7所示的一种智能终端的结构示意图,该智能终端包括:处理器70、存储器71、总线72和通信接口73,所述处理器70、通信接口73和存储器71通过总线72连接;处理器70用于执行存储器71中存储的可执行模块,例如计算机程序。
其中,存储器71可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口73(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线72可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图7中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器71用于存储程序,所述处理器70在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器70中,或者由处理器70实现。
处理器70可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器70中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器70可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器71,处理器70读取存储器71中的信息,结合其硬件完成上述方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行前述实施例任一项的方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统具体工作过程,可以参考前述实施例中的对应过程,在此不再赘述。
本发明实施例所提供的滚动轴承的实际寿命预测方法、装置及智能终端的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (4)
1.一种滚动轴承的实际寿命预测方法,其特征在于,包括:
根据高周疲劳寿命算法,计算滚动轴承的理想寿命;
基于所述滚动轴承的寿命影响因素,建立所述滚动轴承的有限元模型;其中,所述寿命影响因素包括磨损颗粒因素;
根据所述滚动轴承的理想寿命和所述有限元模型,计算所述滚动轴承的实际寿命;
基于所述滚动轴承的寿命影响因素,建立所述滚动轴承的有限元模型的步骤,包括:在所述滚动轴承外圈内侧的底部,按照预设的磨损颗粒尺寸预设一个正方柱形凹坑,建立所述滚动轴承在含有预设的磨损颗粒的有限元模型;
所述基于所述滚动轴承的寿命影响因素,建立所述滚动轴承的有限元模型的步骤,包括:对所述滚动轴承进行油液检测和铁谱分析诊断,获得所述滚动轴承所包含的磨损颗粒信息;其中,所述磨损颗粒信息包括颗粒形状和颗粒尺寸;根据所述磨损颗粒信息,建立所述滚动轴承的有限元模型;
所述根据所述滚动轴承的理想寿命和所述有限元模型,计算所述滚动轴承的实际寿命的步骤,包括:根据所述有限元模型和所述高周疲劳寿命算法,计算所述滚动轴承的第一寿命值;获取所述滚动轴承的润滑脂用量和铁谱膜片的取样量;根据所述滚动轴承的第一寿命值、所述润滑脂用量和所述铁谱膜片的取样量,计算所述滚动轴承的寿命影响因子;根据所述滚动轴承的理想寿命和所述寿命影响因子,计算所述滚动轴承的实际寿命;
所述根据所述滚动轴承的第一寿命值、所述润滑脂用量和所述铁谱膜片的取样量,计算所述滚动轴承的寿命影响因子的步骤,包括:
根据所述润滑脂用量和所述铁谱膜片的取样量,计算所述滚动轴承中所包含的磨损颗粒数量;
根据所述滚动轴承的第一寿命值、所述理想寿命和所述磨损颗粒数量,计算所述滚动轴承的寿命影响因子;
所述根据所述滚动轴承的第一寿命值、所述理想寿命和所述磨损颗粒数量,计算所述滚动轴承的寿命影响因子的步骤,包括:
按照以下公式计算所述滚动轴承的寿命影响因子σ:
σ=(F2/F1)a
其中,F2表示所述滚动轴承的第一寿命值,F1表示所述理想寿命,a表示所述磨损颗粒数量;
所述根据所述滚动轴承的理想寿命和所述寿命影响因子,计算所述滚动轴承的实际寿命的步骤,包括:
按照以下公式计算所述滚动轴承的实际寿命F3:
F3=σ×F1
其中,σ表示所述滚动轴承的寿命影响因子,F1表示所述理想寿命。
2.一种滚动轴承的实际寿命预测装置,其特征在于,包括:
理想寿命计算模块,用于根据高周疲劳寿命算法,计算滚动轴承的理想寿命;
有限元模型建立模块,用于基于所述滚动轴承的寿命影响因素,建立所述滚动轴承的有限元模型;其中,所述寿命影响因素包括磨损颗粒因素;
实际寿命计算模块,用于根据所述滚动轴承的理想寿命和所述有限元模型,计算所述滚动轴承的实际寿命;
有限元模型建立模块还用于:在所述滚动轴承外圈内侧的底部,按照预设的磨损颗粒尺寸预设一个正方柱形凹坑,建立所述滚动轴承在含有预设的磨损颗粒的有限元模型;
所述有限元模型建立模块还用于:对所述滚动轴承进行油液检测和铁谱分析诊断,获得所述滚动轴承所包含的磨损颗粒信息;其中,所述磨损颗粒信息包括颗粒形状和颗粒尺寸;根据所述磨损颗粒信息,建立所述滚动轴承的有限元模型;
实际寿命计算模块还包括:
第一寿命值计算单元,用于根据所述有限元模型和所述高周疲劳寿命算法,计算所述滚动轴承的第一寿命值;
寿命影响因子计算单元,用于获取所述滚动轴承的润滑脂用量和铁谱膜片的取样量;根据所述滚动轴承的第一寿命值、所述润滑脂用量和所述铁谱膜片的取样量,计算所述滚动轴承的寿命影响因子;
实际寿命计算单元,用于根据所述滚动轴承的理想寿命和所述寿命影响因子,计算所述滚动轴承的实际寿命;
所述寿命影响因子计算单元还用于:根据所述润滑脂用量和所述铁谱膜片的取样量,计算所述滚动轴承中所包含的磨损颗粒数量;根据所述滚动轴承的第一寿命值、所述理想寿命和所述磨损颗粒数量,计算所述滚动轴承的寿命影响因子;
所述寿命影响因子计算单元还用于:
按照以下公式计算所述滚动轴承的寿命影响因子σ:
σ=(F2/F1)a
其中,F2表示所述滚动轴承的第一寿命值,F1表示所述理想寿命,a表示所述磨损颗粒数量;
所述实际寿命计算单元还用于:
按照以下公式计算所述滚动轴承的实际寿命F3:
F3=σ×F1
其中,σ表示所述滚动轴承的寿命影响因子,F1表示所述理想寿命。
3.一种智能终端,其特征在于,包括处理器和存储器;
所述存储器上存储有计算机程序,所述计算机程序在被所述处理器运行时执行如权利要求1所述的方法。
4.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行上述权利要求1所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811490711.6A CN109376962B (zh) | 2018-12-06 | 2018-12-06 | 滚动轴承的实际寿命预测方法、装置及智能终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811490711.6A CN109376962B (zh) | 2018-12-06 | 2018-12-06 | 滚动轴承的实际寿命预测方法、装置及智能终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109376962A CN109376962A (zh) | 2019-02-22 |
CN109376962B true CN109376962B (zh) | 2021-06-01 |
Family
ID=65376232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811490711.6A Active CN109376962B (zh) | 2018-12-06 | 2018-12-06 | 滚动轴承的实际寿命预测方法、装置及智能终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109376962B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110967188B (zh) * | 2019-11-08 | 2020-11-24 | 珠海格力电器股份有限公司 | 基于迭代相关向量机的滚动轴承剩余寿命预测方法、系统 |
CN112762100B (zh) * | 2021-01-14 | 2021-08-10 | 哈尔滨理工大学 | 一种基于数字孪生的轴承全生命周期监测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102541053A (zh) * | 2012-02-28 | 2012-07-04 | 上海发电设备成套设计研究院 | 一种汽轮发电机护环高周疲劳寿命的预测方法与监控装置 |
CN103604688A (zh) * | 2013-12-01 | 2014-02-26 | 北京航空航天大学 | 一种基于临界面法的塑性金属材料多轴高周疲劳寿命预测方法 |
CN106202647A (zh) * | 2016-06-29 | 2016-12-07 | 北京科技大学 | 电主轴的多轴疲劳寿命预测方法及疲劳寿命可靠性评估方法 |
CN106644424A (zh) * | 2015-12-02 | 2017-05-10 | 北京航空航天大学 | 一种基于磨粒信息的寿命终结标志及寿命预测方法 |
-
2018
- 2018-12-06 CN CN201811490711.6A patent/CN109376962B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102541053A (zh) * | 2012-02-28 | 2012-07-04 | 上海发电设备成套设计研究院 | 一种汽轮发电机护环高周疲劳寿命的预测方法与监控装置 |
CN103604688A (zh) * | 2013-12-01 | 2014-02-26 | 北京航空航天大学 | 一种基于临界面法的塑性金属材料多轴高周疲劳寿命预测方法 |
CN106644424A (zh) * | 2015-12-02 | 2017-05-10 | 北京航空航天大学 | 一种基于磨粒信息的寿命终结标志及寿命预测方法 |
CN106202647A (zh) * | 2016-06-29 | 2016-12-07 | 北京科技大学 | 电主轴的多轴疲劳寿命预测方法及疲劳寿命可靠性评估方法 |
Non-Patent Citations (1)
Title |
---|
基于有限元分析和油液监测的轴承疲劳磨损寿命研究;覃楚东等;《润滑与密封》;20180731;正文第1页第1段-第5页最后1段 * |
Also Published As
Publication number | Publication date |
---|---|
CN109376962A (zh) | 2019-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109376962B (zh) | 滚动轴承的实际寿命预测方法、装置及智能终端 | |
CN112393931B (zh) | 检测方法、装置、电子设备和计算机可读介质 | |
CN110232249B (zh) | 一种滚动轴承剩余寿命预测方法 | |
CN109388888B (zh) | 一种基于车辆荷载空间分布的桥梁结构使用性能预测方法 | |
CN105183669A (zh) | 一种数据存储方法及装置 | |
CN117010571A (zh) | 一种业务量的预测方法、装置及设备 | |
CN108243032B (zh) | 一种服务等级信息的获取方法、装置及设备 | |
CN109062769B (zh) | It系统性能风险趋势预测的方法、装置和设备 | |
CN114202238A (zh) | 供电设备健康度评估方法、运维方法、装置及服务器 | |
CN111835536B (zh) | 一种流量预测方法和装置 | |
CN112032031B (zh) | 一种空压机的云数据分析方法、装置及系统 | |
CN117148169B (zh) | 基于大数据的电池使用时间预测方法、系统、设备及介质 | |
CN111400294B (zh) | 数据异常监测方法、装置及系统 | |
CN114117655A (zh) | 用于估计轴承的剩余使用寿命的系统、装置和方法 | |
CN113123955B (zh) | 柱塞泵异常检测方法、装置、存储介质及电子设备 | |
CN115640706B (zh) | 锂电池的可靠性测试方法、设备及计算机可读存储介质 | |
CN111918315B (zh) | 基站退服原因分析方法及装置、设备、存储介质 | |
CN116776631A (zh) | 一种基于数据分析的连接器性能评估方法及系统 | |
CN110910061A (zh) | 一种物料管理方法、系统、存储介质以及电子设备 | |
CN113608953B (zh) | 测试数据生成方法、装置、电子设备及可读存储介质 | |
CN111881259B (zh) | 一种基于文本挖掘的设备故障概率评估方法及系统 | |
CN112988536B (zh) | 一种数据异常检测方法、装置、设备及存储介质 | |
CN115219935A (zh) | 新能源设备的健康状况测评方法、系统、装置及介质 | |
CN112398706B (zh) | 数据评估标准确定方法、装置及存储介质、电子设备 | |
CN108664401B (zh) | 埋点合理性的评估方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |