CN112131797B - 一种基于应力分析的主轴轴承寿命预测和可靠性评估方法 - Google Patents
一种基于应力分析的主轴轴承寿命预测和可靠性评估方法 Download PDFInfo
- Publication number
- CN112131797B CN112131797B CN202011038068.0A CN202011038068A CN112131797B CN 112131797 B CN112131797 B CN 112131797B CN 202011038068 A CN202011038068 A CN 202011038068A CN 112131797 B CN112131797 B CN 112131797B
- Authority
- CN
- China
- Prior art keywords
- bearing
- service life
- reliability
- life
- mathematical model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004458 analytical method Methods 0.000 title claims abstract description 25
- 238000013178 mathematical model Methods 0.000 claims abstract description 26
- 238000012549 training Methods 0.000 claims abstract description 20
- 230000036541 health Effects 0.000 claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims abstract description 9
- 238000010586 diagram Methods 0.000 claims abstract description 7
- 238000009826 distribution Methods 0.000 claims description 36
- 230000015556 catabolic process Effects 0.000 claims description 16
- 238000006731 degradation reaction Methods 0.000 claims description 16
- 230000004927 fusion Effects 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 10
- 238000007619 statistical method Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000007796 conventional method Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 230000035945 sensitivity Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Medical Informatics (AREA)
- Geometry (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种基于应力分析的主轴轴承寿命预测方法,涉及主轴寿命评估技术领域,包括以下步骤:建立累积失效数学模型,依据方法求解出二参数威布尔分部的两个未知数,得到轴承预测数学模型。本发明通过在内设置有数学模型建立法,对于轴承寿命进行分析时,还可对于影响轴承寿命的因素进行分析,从而可提高轴承寿命的预测的精准度,还在方法内设置有主轴轴承寿命预测可靠性评估方法,可对于多组数据进行检测,将多个训练轴承的健康指数绘制得到失效阈值图,利用ACPSO优化双指数模型将后续衰退时间带入参数确定好的公式,从而得到最为精确的轴承的剩余使用寿命,进一步提高了寿命预测的精准度,整体方法使用效果好,结构准确度高,且也不复杂。
Description
技术领域
本发明涉及主轴寿命评估技术领域,具体涉及一种基于应力分析的主轴轴承寿命预测和可靠性评估方法。
背景技术
在机械行业中,轴承的应用十分广泛,是不可缺少的部件。轴承的功能是承担负载传递负载,因此很多的机器能否正常的工作、工作时间的长短大多由轴承所决定。因此随时了解工作中轴承的剩余寿命可以及时阻止不可预知的轴承失效,从而对轴承进行合理的性能检测和替换。避免了因为轴承失效而导致的机械设备损坏,也可以降低工业成本和人员伤亡。
主轴轴承的寿命预测和可靠性评估技术在实际生产加工中,主轴角接触球轴承的运转精度、离心力、内部结构应力分布、转速和陀螺力矩等性能参数直接关系到机床主轴甚至整个机床系统的加工精度、使用寿命和稳定性,因此,能够准确预知主轴角接触球轴承可能发生疲劳损坏的位置和原因至关重要,通过角接触球轴承的寿命预测和可靠性评估技术,能够针对性强化轴承薄弱部位,但现如今的针对于主轴轴承的寿命预测方法较为麻烦,且预测结果并不精准,同时在最终也并未对于寿命预测进行一定评估,需要进行一定改进。
发明内容
本发明的目的是为了解决现有技术中存在的缺点,如:主轴轴承的寿命预测和可靠性评估技术在实际生产加工中,主轴角接触球轴承的运转精度、离心力、内部结构应力分布、转速和陀螺力矩等性能参数直接关系到机床主轴甚至整个机床系统的加工精度、使用寿命和稳定性,因此,能够准确预知主轴角接触球轴承可能发生疲劳损坏的位置和原因至关重要,通过角接触球轴承的寿命预测和可靠性评估技术,能够针对性强化轴承薄弱部位,但现如今的针对于主轴轴承的寿命预测方法较为麻烦,且预测结果并不精准,同时在最终也并未对于寿命预测进行一定评估,而提出的一种基于应力分析的主轴轴承寿命预测和可靠性评估方法。
为了实现上述目的,本发明采用了如下技术方案:
一种基于应力分析的主轴轴承寿命预测方法,包括以下步骤:
S1、建立累积失效数学模型,依据方法求解出二参数威布尔分部的两个未知数,得到轴承预测数学模型;
S2、对威布尔分布三参数的几何和物理意义进行了分析,建立威布尔似然方程组,依据方法得到三参数威布尔分布轴承可靠性数学模型;
S3、通过分析影响轴承寿命的因素,分别建立因素集、备择集和权重集,依据加权平均法理论,建立轴承模糊寿命数学模型;
S4、通过应用分析,得出常规方法计算轴承寿命;
S5、分别利用二参数威布尔分布统计法和三参数威布尔统计法对同一组轴承寿命数据进行处理;
S6、通过分析比较,得出当轴承的可靠度在一定区间时,利用二参数威布尔分布和三参数威布尔分布计算轴承可靠性具有较大的差异,但当轴承可靠度小于一定时,计算结果较近似。
进一步地,所述S1中,依据最小二乘法求解出二参数威布尔分布的两个未知参数。
进一步地,所述S2中,依据牛顿迭代法,得到三参数威布尔分布轴承可靠性数学模型。
进一步地,所述S6中,得出当轴承的可靠度在[0.9,1]区间时,利用二参数威布尔分布和三参数威布尔分布计算轴承可靠性具有较大的差异,但当轴承可靠度小于0.9时,计算结果较近似。
本发明还提供了一种基于应力分析的主轴轴承寿命预测可靠性评估方法,包括以下步骤:
S1、利用轴承振动信号建立反映其健康状态的指数,基于对正常工作时指数的学习获得用于判断轴承健康状态的异常阈值并截取出轴承从早期故障发生到失效这一性能退化阶段的数据;
S2、在剩余寿命预测部分,利用双指数函数拟合分析轴承退化数据;
S3、从原始振动信号提取多个特征;
S4、特征进行单调性和敏感性评估,利用公式量化特征对轴承退化状态跟踪能力的评定,设定阈值,筛选超过阈值的特征组成多维特征集M;
S5、对多维特征集M进行AP聚类,筛选每类特征跟踪能力最好的构成最优特征集N;
S6、选取一定寿命的训练样本进行SOM网络训练获取权值矢量,测试样本为全寿命最优特征集,通过SOM融合降维获得融合最小匹配距离I;
S7、将多个训练轴承的健康指数绘制得到失效阈值图;
S8、利用双指数模型将后续衰退时间带入参数确定好的公式,当模型曲线首次超过失效阈值,所对应的横坐标的时间点减去该轴承当前运行时间点,结果则为该轴承剩余使用寿命;
S9、对测试轴承寿命进行最终评估。
进一步地,所述S3中,从原始振动信号提取36个特征。
进一步地,所述S4中,利用公式量化特征对轴承退化状态跟踪能力的评定,设定阈值为0.5。
进一步地,所述S6中,选取全寿命的四分之一的训练样本进行SOM网络训练获取权值矢量。
进一步地,所述S7中,将6个训练轴承的健康指数绘制得到失效阈值图。
进一步地,所述S8中,利用ACPSO优化双指数模型将后续衰退时间带入参数确定好的公式。
与现有技术相比,本发明的有益效果是:
本发明通过在内设置有数学模型建立法,对于轴承寿命进行分析时,还可对于影响轴承寿命的因素进行分析,从而可提高轴承寿命的预测的精准度,还在方法内设置有主轴轴承寿命预测可靠性评估方法,可对于多个特征点进行提取,可对于多组数据进行检测,将多个训练轴承的健康指数绘制得到失效阈值图,利用ACPSO优化双指数模型将后续衰退时间带入参数确定好的公式,从而得到最为精确的轴承的剩余使用寿命,进一步提高了寿命预测的精准度,同时还可对于轴承寿命进行评估,整体方法使用效果好,结构准确度高,且也不复杂。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明主轴轴承寿命预测方法的流程图;
图2为本发明主轴轴承寿命预测可靠性评估方法的流程图。
具体实施方式
下面将结合本发明实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例1
如图1-2所示,一种基于应力分析的主轴轴承寿命预测方法,包括以下步骤:
S1、建立累积失效数学模型,依据最小二乘法求解出二参数威布尔分布的两个未知参数,得到轴承预测数学模型;
S2、对威布尔分布三参数的几何和物理意义进行了分析,建立威布尔似然方程组,依据牛顿迭代法,得到三参数威布尔分布轴承可靠性数学模型;
S3、通过分析影响轴承寿命的因素,分别建立因素集、备择集和权重集,依据加权平均法理论,建立轴承模糊寿命数学模型;
S4、通过应用分析,得出常规方法计算轴承寿命;
S5、分别利用二参数威布尔分布统计法和三参数威布尔统计法对同一组轴承寿命数据进行处理;
S6、通过分析比较,得出当轴承的可靠度在0.95时,利用二参数威布尔分布和三参数威布尔分布计算轴承可靠性具有较大的差异,但当轴承可靠度为0.7时,计算结果较近似。
本发明还提供了一种基于应力分析的主轴轴承寿命预测可靠性评估方法,包括以下步骤:
S1、利用轴承振动信号建立反映其健康状态的指数,基于对正常工作时指数的学习获得用于判断轴承健康状态的异常阈值并截取出轴承从早期故障发生到失效这一性能退化阶段的数据;
S2、在剩余寿命预测部分,利用双指数函数拟合分析轴承退化数据;
S3、从原始振动信号提取36个特征;
S4、特征进行单调性和敏感性评估,利用公式量化特征对轴承退化状态跟踪能力的评定,设定阈值为0.5,筛选超过阈值的特征组成多维特征集M;
S5、对多维特征集M进行AP聚类,筛选每类特征跟踪能力最好的构成最优特征集N;
S6、选取全寿命的四分之一的训练样本进行SOM网络训练获取权值矢量,测试样本为全寿命最优特征集,通过SOM融合降维获得融合最小匹配距离I;
S7、将6个训练轴承的健康指数绘制得到失效阈值图;
S8、利用ACPSO优化双指数模型将后续衰退时间带入参数确定好的公式,当模型曲线首次超过失效阈值,所对应的横坐标的时间点减去该轴承当前运行时间点,结果则为该轴承剩余使用寿命;
S9、对测试轴承寿命进行最终评估。
实施例2
如图1-2所示,一种基于应力分析的主轴轴承寿命预测方法,包括以下步骤:
S1、建立累积失效数学模型,依据最小二乘法求解出二参数威布尔分布的两个未知参数,得到轴承预测数学模型;
S2、对威布尔分布三参数的几何和物理意义进行了分析,建立威布尔似然方程组,依据牛顿迭代法,得到三参数威布尔分布轴承可靠性数学模型;
S3、通过分析影响轴承寿命的因素,分别建立因素集、备择集和权重集,依据加权平均法理论,建立轴承模糊寿命数学模型;
S4、通过应用分析,得出常规方法计算轴承寿命;
S5、分别利用二参数威布尔分布统计法和三参数威布尔统计法对同一组轴承寿命数据进行处理;
S6、通过分析比较,得出当轴承的可靠度在0.97时,利用二参数威布尔分布和三参数威布尔分布计算轴承可靠性具有较大的差异,但当轴承可靠度为0.6,计算结果较近似。
本发明还提供了一种基于应力分析的主轴轴承寿命预测可靠性评估方法,包括以下步骤:
S1、利用轴承振动信号建立反映其健康状态的指数,基于对正常工作时指数的学习获得用于判断轴承健康状态的异常阈值并截取出轴承从早期故障发生到失效这一性能退化阶段的数据;
S2、在剩余寿命预测部分,利用双指数函数拟合分析轴承退化数据;
S3、从原始振动信号提取36个特征;
S4、特征进行单调性和敏感性评估,利用公式量化特征对轴承退化状态跟踪能力的评定,设定阈值为0.5,筛选超过阈值的特征组成多维特征集M;
S5、对多维特征集M进行AP聚类,筛选每类特征跟踪能力最好的构成最优特征集N;
S6、选取全寿命的四分之一的训练样本进行SOM网络训练获取权值矢量,测试样本为全寿命最优特征集,通过SOM融合降维获得融合最小匹配距离I;
S7、将6个训练轴承的健康指数绘制得到失效阈值图;
S8、利用ACPSO优化双指数模型将后续衰退时间带入参数确定好的公式,当模型曲线首次超过失效阈值,所对应的横坐标的时间点减去该轴承当前运行时间点,结果则为该轴承剩余使用寿命;
S9、对测试轴承寿命进行最终评估。
实施例3
如图1-2所示,一种基于应力分析的主轴轴承寿命预测方法,包括以下步骤:
S1、建立累积失效数学模型,依据最小二乘法求解出二参数威布尔分布的两个未知参数,得到轴承预测数学模型;
S2、对威布尔分布三参数的几何和物理意义进行了分析,建立威布尔似然方程组,依据牛顿迭代法,得到三参数威布尔分布轴承可靠性数学模型;
S3、通过分析影响轴承寿命的因素,分别建立因素集、备择集和权重集,依据加权平均法理论,建立轴承模糊寿命数学模型;
S4、通过应用分析,得出常规方法计算轴承寿命;
S5、分别利用二参数威布尔分布统计法和三参数威布尔统计法对同一组轴承寿命数据进行处理;
S6、通过分析比较,得出当轴承的可靠度在0.98时,利用二参数威布尔分布和三参数威布尔分布计算轴承可靠性具有较大的差异,但当轴承可靠度小于0.4时,计算结果较近似。
本发明还提供了一种基于应力分析的主轴轴承寿命预测可靠性评估方法,包括以下步骤:
S1、利用轴承振动信号建立反映其健康状态的指数,基于对正常工作时指数的学习获得用于判断轴承健康状态的异常阈值并截取出轴承从早期故障发生到失效这一性能退化阶段的数据;
S2、在剩余寿命预测部分,利用双指数函数拟合分析轴承退化数据;
S3、从原始振动信号提取36个特征;
S4、特征进行单调性和敏感性评估,利用公式量化特征对轴承退化状态跟踪能力的评定,设定阈值为0.5,筛选超过阈值的特征组成多维特征集M;
S5、对多维特征集M进行AP聚类,筛选每类特征跟踪能力最好的构成最优特征集N;
S6、选取全寿命的四分之一的训练样本进行SOM网络训练获取权值矢量,测试样本为全寿命最优特征集,通过SOM融合降维获得融合最小匹配距离I;
S7、将6个训练轴承的健康指数绘制得到失效阈值图;
S8、利用ACPSO优化双指数模型将后续衰退时间带入参数确定好的公式,当模型曲线首次超过失效阈值,所对应的横坐标的时间点减去该轴承当前运行时间点,结果则为该轴承剩余使用寿命;
S9、对测试轴承寿命进行最终评估。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (2)
1.一种基于应力分析的主轴轴承寿命预测和可靠性评估方法,其特征在于:包括以下步骤:
S1、建立累积失效数学模型,依据最小二乘法求解出二参数韦布尔分布的两个未知参数,得到轴承预测数学模型;
S2、对韦布尔分布三参数的几何和物理意义进行了分析,建立威布尔似然方程组,依据方法得到三参数韦布尔分布轴承可靠性数学模型;
S3、通过分析影响轴承寿命的因素,分别建立因素集、备择集和权重集,依据加权平均法理论,建立轴承模糊寿命数学模型;
S4、通过应用分析,得出常规方法计算轴承寿命;
S5、分别利用二参数韦布尔分布统计法和三参数威布尔统计法对同一组轴承寿命数据进行处理;
S6、通过分析比较,得出当轴承的可靠度在[0.9,1]区间时,利用二参数韦布尔分布和三参数韦布尔分布计算轴承可靠性具有差异,但当轴承可靠度小于0.9时,计算结果近似,再进行轴承寿命预测可靠性评估,其具体步骤如下:
P1、利用轴承振动信号建立反映其健康状态的指数,基于对正常工作时指数的学习获得用于判断轴承健康状态的异常阈值并截取出轴承从早期故障发生到失效这一性能退化阶段的数据;
P2、在剩余寿命预测部分,利用双指数函数拟合分析轴承退化数据;
P3、从原始振动信号提取36个特征;
P4、特征进行单调性和敏感性评估,利用公式量化特征对轴承退化状态跟踪能力的评定,设定阈值为0.5,筛选超过阈值的特征组成多维特征集M;
P5、对多维特征集M进行AP聚类,筛选每类特征跟踪能力最好的构成最优特征集N;
P6、选取全寿命的四分之一的训练样本进行SOM网络训练获取权值矢量,测试样本为全寿命最优特征集,通过SOM融合降维获得融合最小匹配距离I;
P7、将6个训练轴承的健康指数绘制得到失效阈值图;
P8、利用ACPSO优化双指数模型将后续衰退时间带入参数确定好的公式,当模型曲线首次超过失效阈值,所对应的横坐标的时间点减去该轴承当前运行时间点,结果则为该轴承剩余使用寿命;
P9、对测试轴承寿命进行最终评估。
2.根据权利要求1所述的一种基于应力分析的主轴轴承寿命预测和可靠性评估方法,其特征在于,所述S2中,依据牛顿迭代法,得到三参数韦布尔分布轴承可靠性数学模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011038068.0A CN112131797B (zh) | 2020-09-28 | 2020-09-28 | 一种基于应力分析的主轴轴承寿命预测和可靠性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011038068.0A CN112131797B (zh) | 2020-09-28 | 2020-09-28 | 一种基于应力分析的主轴轴承寿命预测和可靠性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112131797A CN112131797A (zh) | 2020-12-25 |
CN112131797B true CN112131797B (zh) | 2024-02-02 |
Family
ID=73840363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011038068.0A Active CN112131797B (zh) | 2020-09-28 | 2020-09-28 | 一种基于应力分析的主轴轴承寿命预测和可靠性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112131797B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114460445B (zh) * | 2022-02-17 | 2024-03-08 | 重庆大学 | 考虑老化阈值与寿命的变压器老化不可用率评估方法 |
CN114781762B (zh) * | 2022-06-21 | 2022-09-23 | 四川观想科技股份有限公司 | 一种基于寿命消耗的装备故障预测方法 |
CN114800036B (zh) * | 2022-06-24 | 2022-10-25 | 成都飞机工业(集团)有限责任公司 | 一种设备健康状态评估方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003121304A (ja) * | 2001-10-12 | 2003-04-23 | Ntn Corp | 軸受の寿命予測方法 |
JP2011069681A (ja) * | 2009-09-25 | 2011-04-07 | Ntn Corp | 転がり軸受の余寿命推定方法および推定装置 |
CN104462836A (zh) * | 2014-12-17 | 2015-03-25 | 南京理工大学 | 基于全周期分段步加策略的小子样加速失效演变实验方法 |
CN108763654A (zh) * | 2018-05-03 | 2018-11-06 | 国网江西省电力有限公司信息通信分公司 | 一种基于威布尔分布和隐半马尔科夫模型的电力设备故障预测方法 |
CN109325629A (zh) * | 2018-10-10 | 2019-02-12 | 中国石油化工股份有限公司 | 在役转动设备机械密封泄漏故障预测方法 |
CN109635363A (zh) * | 2018-11-22 | 2019-04-16 | 北京科技大学 | 一种高铁齿轮箱体寿命分析预测中失效数据不足解决方法 |
CN110750899A (zh) * | 2019-10-18 | 2020-02-04 | 大连理工大学 | 基于概率服役寿命代理关系的核主泵系统可靠性分析方法 |
CN111159827A (zh) * | 2019-12-27 | 2020-05-15 | 电子科技大学 | 一种高铁轴承概率疲劳可靠性评估方法 |
-
2020
- 2020-09-28 CN CN202011038068.0A patent/CN112131797B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003121304A (ja) * | 2001-10-12 | 2003-04-23 | Ntn Corp | 軸受の寿命予測方法 |
JP2011069681A (ja) * | 2009-09-25 | 2011-04-07 | Ntn Corp | 転がり軸受の余寿命推定方法および推定装置 |
CN104462836A (zh) * | 2014-12-17 | 2015-03-25 | 南京理工大学 | 基于全周期分段步加策略的小子样加速失效演变实验方法 |
CN108763654A (zh) * | 2018-05-03 | 2018-11-06 | 国网江西省电力有限公司信息通信分公司 | 一种基于威布尔分布和隐半马尔科夫模型的电力设备故障预测方法 |
CN109325629A (zh) * | 2018-10-10 | 2019-02-12 | 中国石油化工股份有限公司 | 在役转动设备机械密封泄漏故障预测方法 |
CN109635363A (zh) * | 2018-11-22 | 2019-04-16 | 北京科技大学 | 一种高铁齿轮箱体寿命分析预测中失效数据不足解决方法 |
CN110750899A (zh) * | 2019-10-18 | 2020-02-04 | 大连理工大学 | 基于概率服役寿命代理关系的核主泵系统可靠性分析方法 |
CN111159827A (zh) * | 2019-12-27 | 2020-05-15 | 电子科技大学 | 一种高铁轴承概率疲劳可靠性评估方法 |
Non-Patent Citations (7)
Title |
---|
基于三参数威布尔分布的自动调整臂疲劳寿命的P-S-N曲线研究;罗哉;王岚晶;唐颖奇;田焜;;计量学报(第02期);45-49 * |
基于威布尔分布的疲劳剩余寿命可靠性预测方法;凌丹;何俐萍;许焕卫;汪忠来;朱顺鹏;;机械设计(第07期);53-57 * |
改进Logistic回归模型的滚动轴承可靠性评估方法;王奉涛;王贝;敦泊森;李宏坤;韩清凯;朱泓;;振动.测试与诊断(第01期);131-137+218 * |
水电机组结构寿命评价预测软件研究;刘铁鑫;张伟;张丽霞;;水电能源科学(第02期);5-6+24-26 * |
汽车轮毂轴承的可靠性建模分析;张吉健;王秋成;;机电工程(第09期);98-100 * |
滚动轴承疲劳失效过程与寿命模型的研究;徐鹤琴;汪久根;王庆九;;轴承(第04期);60-65 * |
面向轴承寿命预测的特征评估与模型优化;柏林;闫康;刘小峰;;振动.测试与诊断(第02期);153-158+214 * |
Also Published As
Publication number | Publication date |
---|---|
CN112131797A (zh) | 2020-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112131797B (zh) | 一种基于应力分析的主轴轴承寿命预测和可靠性评估方法 | |
CN108399277B (zh) | 一种基于温度与应变关联性的桥梁损伤识别方法 | |
CN108181105B (zh) | 基于逻辑回归和j散度的滚动轴承故障预诊方法及系统 | |
CN109765490B (zh) | 一种基于高维数据诊断的动力电池故障检测方法及系统 | |
CN111562108A (zh) | 一种基于cnn和fcmc的滚动轴承智能故障诊断方法 | |
CN106441896A (zh) | 滚动轴承故障模式识别及状态监测的特征向量提取方法 | |
CN115982602B (zh) | 一种光伏变压器电故障检测方法 | |
CN113934982B (zh) | 基于振-电信号融合的断路器操作机构机械寿命预测方法 | |
CN112417763B (zh) | 输电线路的缺陷诊断方法、装置、设备及存储介质 | |
CN106295858A (zh) | 一种电能表非健康度预测方法 | |
CN112129893B (zh) | 一种电池热失控监测系统的co传感器在线校准方法 | |
CN114626413A (zh) | 一种基于随机子空间算法的结构模态参数识别方法及装置 | |
CN116295948B (zh) | 大温差环境下工业温度传感器的异常检测方法、系统及存储介质 | |
CN116739829B (zh) | 一种基于大数据的电力数据分析方法、系统及介质 | |
CN110108474B (zh) | 一种旋转机械运行稳定性在线监测与评估方法及系统 | |
CN115683319A (zh) | 一种电力变压器绕组状态评估方法 | |
CN114186624B (zh) | 基于二维卷积神经网络的损伤识别模型建立方法及设备 | |
CN114597886A (zh) | 基于区间二型模糊聚类分析的配电网运行状态评估方法 | |
CN114186586A (zh) | 基于二维卷积神经网络的损伤识别方法及设备 | |
CN105631238B (zh) | 一种滚动轴承振动性能变异的检测方法及系统 | |
CN117216528A (zh) | 一种基于环境多因素-频率增强映射模型的桥梁性能预警方法 | |
CN114819768B (zh) | 一种电容器引出线焊接控制系统 | |
CN115659271A (zh) | 传感器异常检测方法、模型训练方法、系统、设备及介质 | |
CN112621381B (zh) | 机床进给系统健康状态智能评估方法及装置 | |
CN112069621B (zh) | 基于线性可靠度指标的滚动轴承剩余使用寿命的预测方法 |
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 |