CN113252348A - 一种隧道掘进机主驱动轴承动态性能测试评估方法 - Google Patents

Abstract

本发明提供了一种隧道掘进机主驱动轴承动态性能测试评估方法，包括如下步骤：动态性能参量数据采集；动态性能数据预处理；动态性能指标特征参量矩阵构建；多维动态性能特征参量融合评估。通过信息熵值模型构建多维特征参量权值矩阵，将动态性能特征参量及各权值进行多动态性能特征融合，获取隧道掘进机主驱动轴承动态性能检测评估值，进而对主驱动轴承出厂后、服役前的动态性能进行综合评估。本发明解决了隧道掘进机主驱动轴承这种大型非标件动态性能综合评估难题，可对大型非标轴承综合动态性能指标进行评价，保障主驱动轴承的动态性能质量，确保主驱动轴承服役后运行状态的良好可靠。

Description

一种隧道掘进机主驱动轴承动态性能测试评估方法

技术领域

本发明涉及隧道掘进机主驱动轴承检测评估技术领域，具体涉及一种隧道掘进机主驱动轴承动态性能测试评估方法。

背景技术

大型隧道掘进机主驱动轴承工况载荷恶劣、可靠性要求高、研制难度大，我国每年主驱动轴承进口费用达10多亿元，几乎100％依赖进口，其自主化研制已成为我国大型掘进机国产化过程典型的“卡脖子”问题，主驱动轴承的主要功能是在隧道掘进机作业过程中承受推力和修复力矩将其传递给刀盘，使得掘进机能够向前推进，并承受刀盘驱动系统的回转力矩(扭矩)，将其传递给刀盘使其进行破岩工作；此外主驱动轴承还联接刀盘和刀盘支撑并承受其重量，主驱动轴承作为隧道掘进机的核心关键部件一旦服役后性能不佳则会给整个掘进机装备和隧道工程施工带来灾难性后果，因此对主驱动轴承在掘进机服役前动态性能的综合评估至关重要。

针对目前的隧道掘进机主驱动轴承检测评估相关技术比对分析发现：

1.上海交通大学申请号为201810187290.3、名称为“盾构机主轴承密封性能健康评估方法与系统”的专利文件中，重点结合轴承服役后的盾构机本身运转的数据参数对其密封性能进行评估。2.温州大学申请号为201910392477.1、名称为“盾构主轴轴承的诊断方法”的专利文件中，是利用服役后主轴承的振动信号建立一种主轴轴承的诊断方法。3.中铁工程装备集团有限公司申请号为CN201810431555.X、名称为“一种用于隧道掘进机主轴承寿命状态定量预估方法”的专利文件中，是基于现场施工数据建立分析模型来评估主轴承服役后寿命的方法。

上述相关技术集中在对主驱动轴承服役后这一阶段开展检测评估，均不涉及轴承服役前动态动态性能评估内容，如何获取隧道掘进机主驱动轴承动态性能检测评估值，对主驱动轴承出厂后、服役前的动态性能进行综合评估，对确保主驱动轴承服役后运行状态的良好可靠具有重大意义。

发明内容

本发明的目的在于解决隧道掘进机主驱动轴承这种大型非标件服役前动态性能综合评估难题，通过对大型非标轴承综合动态性能指标进行评价，保障服役前主驱动轴承的动态性能质量。

为解决上述技术问题，本发明采用如下技术方案：

设计一种隧道掘进机主驱动轴承动态性能测试评估方法，包括下部步骤：

(1)动态性能参量数据采集：获取主驱动轴承动态性能原始测试数据；

(2)动态性能数据预处理：对步骤(1)获取的动态性能原始测试数据进行处理，去除异常数据测试点，确保测试评估数据源的可靠性；

(3)动态性能指标特征参量矩阵构建：将步骤(2)预处理后的数据进行归一化数据处理，对归一化后的动态性能指标参数分别提取特征参量，各特征参量分别组成特征数组，然后将特征数组组成特征参量矩阵；

(4)多维动态性能特征参量融合评估：对步骤(3)中所得的多个动态性能指标的多个特征参量进行权值分析后特征融合，最终获取隧道掘进机主驱动轴承动态性能检测评估值。

优选的，所述步骤(1)中至少获取隧道掘进机主驱动轴承温升、振动及摩擦力矩三类动态性能指标。

优选的，所述步骤(2)中动态性能数据预处理包括：对主驱动轴承动态性能原始测试数据有效、缺失、冗余、冲突及异常数据类型的判别，以及采用数据保留、判断补全、判断删除对应的处理方法对数据进行处理。处理后的数据不包括轴承常规的静态性能测试数据，数据处理后每组测试数据长度应一致。

优选的，所述步骤(3)中动态性能指标特征参量矩阵的构建方法为：

①将步骤(2)预处理后的动态性能指标参数进行归一化数据处理，参数归一化公式如下：

式中r为主驱动轴承动态性能指标的时间序列参数；

②分别对i个归一化后的动态性能指标参数分别提取j个特征参量，提取的特征参量至少包括：平均值、中位数、最小值、最大值、标准差、方差、峰度、偏度、调和平均值、几何平均值、标准偏度误差、标准峰度误差、标准平均值误差，将各特征参量分别组成特征数组：

平均值：p₁＝[x_1,1,x_2,1,…,x_i,1]^T；中位数：p₂＝[x_1,2,x_2,2,…,x_i,2]^T；

最小值：p₃＝[x_1,3,x_2,3,…,x_i,3]^T；最大值：p₄＝[x_1,4,x_2,4,…,x_i,4]^T；

标准差：p₅＝[x_1,5,x_2,5,…,x_i,5]^T；方差：p₆＝[x_1,6,x_2,6,…,x_i,6]^T；

峰度：p₇＝[x_1,7,x_2,7,…,x_i,7]^T；偏度：p₈＝[x_1,8,x_2,8,…,x_i,8]^T；

调和平均值：p₉＝[x_1,9,x_2,9,…,x_i,9]^T；

几何平均值：p₁₀＝[x_1,10,x_2,10,…,x_i,10]^T；

标准偏度误差：p₁₁＝[x_1,11,x_2,11,…,x_i,11]^T；

标准峰度误差：p₁₂＝[x_1,12,x_2,12,…,x_i,12]^T；

标准平均值误差：p₁₃＝[x_1,13,x_2,13,…,x_i,13]^T；

③将特征数组组成特征矩阵，则i个动态性能指标对应的j个特征参量组合为m×n的特征参量矩阵P：

优选的，所述步骤(4)中多维动态性能特征参量融合评估的方法为：

S1：利用信息熵值模型计算多个动态性能特征参量的无序度，评估其效用值和贡献度，具体为：

s11：获取第i个动态性能指标对应的j个特征参量信息比重：

s12：计算各特征无序度系数：

s13：获取多动态性能特征参量权值层次：

S2：利用信息熵值模型确定各参量贡献度及效用值后，可构建特征参量权值矩阵W：

S3：将获取的特征参量矩阵P和特征参量权值矩阵W进行数据融合，获取隧道掘进机主驱动轴承动态性能检测评估值

优选的，获取的隧道掘进机主驱动轴承动态性能检测评估值可以进一步的作为衡量轴承服役前质量分级标准的判断值。

本发明的有益效果在于：

本发明提供了一种隧道掘进机主驱动轴承动态性能测试评估方法，对提升大型掘进机主驱动轴承动态性能评估意义重大。本发明解决了隧道掘进机主驱动轴承这种大型非标件服役前动态性能综合评估难题，通过对大型非标轴承综合动态性能指标进行评价，保障了服役前主驱动轴承的动态性能质量，确保主驱动轴承服役后运行状态的良好可靠。

附图说明

图1为本发明隧道掘进机主驱动轴承动态性能测试评估方法流程图；

图2为动态性能数据预处理流程图。

具体实施方式

下面结合实施例来说明本发明的具体实施方式，但以下实施例只是用来详细说明本发明，并不以任何方式限制本发明的范围。在以下实施例中所涉及的设备元件如无特别说明，均为常规设备元件。

实施例1：一种隧道掘进机主驱动轴承动态性能测试评估方法，参见图1，包括以下步骤：

(1)动态性能参量数据采集：获取主驱动轴承动态性能原始测试数据，动态性能参量数据采集要求至少获取隧道掘进机主驱动轴承温升、振动及摩擦力矩三类动态性能指标。

(2)动态性能数据预处理：针对动态性能原始测试数据进行处理，去除异常数据测试点，确保测试评估数据源的可靠。

(3)动态性能指标特征参量矩阵构建：获取主驱动轴承多个动态性能指标的多个特征参量。图2为动态性能数据预处理流程图，动态性能数据预处理包括对主驱动轴承动态性能原始测试数据有效、缺失、冗余、冲突及异常数据类型的判别及采用数据保留、判断补全、判断删除对应的处理方法，不包括轴承常规的静态性能测试数据，数据处理后每组测试数据长度应一致。

动态性能指标特征参量矩阵构建主要包括如下步骤：

①对动态性能指标参数进行归一化数据处理，归一化公式如下：

式中r为主驱动轴承动态性能指标的时间序列参数。

②分别对i个归一化后的动态性能指标参数分别提取j个特征参量，其提取的特征参量应至少包括：平均值、中位数、最小值、最大值、标准差、方差、峰度、偏度、调和平均值、几何平均值、标准偏度误差、标准峰度误差、标准平均值误差等参量，各特征参量分别组成特征数组：

平均值：p₁＝[x_1,1,x_2,1,…,x_i,1]^T；中位数：p₂＝[x_1,2,x_2,2,…,x_i,2]^T；

最小值：p₃＝[x_1,3,x_2,3,…,x_i,3]^T；最大值：p₄＝[x_1,4,x_2,4,…,x_i,4]^T；

标准差：p₅＝[x_1,5,x_2,5,…,x_i,5]^T；方差：p₆＝[x_1,6,x_2,6,…,x_i,6]^T；

峰度：p₇＝[x_1,7,x_2,7,…,x_i,7]^T；偏度：p₈＝[x_1,8,x_2,8,…,x_i,8]^T；

调和平均值：p₉＝[x_1,9,x_2,9,…,x_i,9]^T；

几何平均值：p₁₀＝[x_1,10,x_2,10,…,x_i,10]^T

标准偏度误差：p₁₁＝[x_1,11,x_2,11,…,x_i,11]^T；

标准峰度误差：p₁₂＝[x_1,12,x_2,12,…,x_i,12]^T；

标准平均值误差：p₁₃＝[x_1,13,x_2,13,…,x_i,13]^T；

③将特征数组组成特征矩阵，则i个动态性能指标对应的j个特征参量组合为m×n的特征参量矩阵P

(4)多维动态性能特征参量融合评估：对多个动态性能指标的多个特征参量特征融合，获取隧道掘进机主驱动轴承动态性能检测评估值。主要包括如下步骤：

S1：利用信息熵值模型计算多动态性能特征参量的无序度，评估其效用值和贡献度，具体为：

s11：获取第i个动态性能指标对应的j个特征参量信息比重：

s12：计算各特征无序度系数：

s13：获取多动态性能特征参量权值层次：

S2：利用信息熵值模型确定各参量贡献度及效用值后，可构建特征参量权值矩阵

S3：将前述获取的特征参量矩阵P和特征参量权值矩阵W进行数据融合可获取隧道掘进机主驱动轴承动态性能检测评估值

针对同一级别主驱动轴承，同一批次量产的多个主驱动轴承进行抽检，取该抽检批次得出轴承动态性能检测评估值的最大值和最小值为评估边界，如果主驱动轴承动态性能检测评估值越大，说明出厂后的主驱动轴承动态性能越差。主驱动轴承动态性能检测评估值越小，说明出厂后的主驱动轴承动态性能越好。

上面结合实施例对本发明作了详细的说明，但是所属技术领域的技术人员能够理解，在不脱离本发明宗旨的前提下，还可以对上述实施例中的各个具体参数进行变更，形成多个具体的实施例，均为本发明的常见变化范围，在此不再一一详述。

Claims (6)

1.一种隧道掘进机主驱动轴承动态性能测试评估方法，其特征在于，包括下部步骤：

(1)动态性能参量数据采集：获取主驱动轴承动态性能原始测试数据；

(2)动态性能数据预处理：对步骤(1)获取的动态性能原始测试数据进行处理，去除异常数据测试点，确保测试评估数据源的可靠性；

(3)动态性能指标特征参量矩阵构建：将步骤(2)预处理后的数据进行归一化数据处理，对归一化后的动态性能指标参数分别提取特征参量，各特征参量分别组成特征数组，然后将特征数组组成特征参量矩阵；

(4)多维动态性能特征参量融合评估：对步骤(3)中所得的多个动态性能指标的多个特征参量进行权值分析后特征融合，最终获取隧道掘进机主驱动轴承动态性能检测评估值。

2.根据权利要求1所述的隧道掘进机主驱动轴承动态性能测试评估方法，其特征在于，所述步骤(1)中至少获取隧道掘进机主驱动轴承温升、振动及摩擦力矩三类动态性能指标。

3.根据权利要求1所述的隧道掘进机主驱动轴承动态性能测试评估方法，其特征在于，所述步骤(2)中动态性能数据预处理包括：对主驱动轴承动态性能原始测试数据有效、缺失、冗余、冲突及异常数据类型的判别，以及采用数据保留、判断补全、判断删除对应的处理方法对数据进行处理。

4.根据权利要求1所述的隧道掘进机主驱动轴承动态性能测试评估方法，其特征在于，所述步骤(3)中动态性能指标特征参量矩阵的构建方法为：

①将步骤(2)预处理后的动态性能指标参数进行归一化数据处理，参数归一化公式如下：

式中r为主驱动轴承动态性能指标的时间序列参数；

②分别对i个归一化后的动态性能指标参数分别提取j个特征参量，提取的特征参量至少包括：平均值、中位数、最小值、最大值、标准差、方差、峰度、偏度、调和平均值、几何平均值、标准偏度误差、标准峰度误差、标准平均值误差，将各特征参量分别组成特征数组：

平均值：p₁＝[x_1,1,x_2,1,…,x_i,1]^T；中位数：p₂＝[x_1,2,x_2,2,…,x_i,2]^T；

最小值：p₃＝[x_1,3,x_2,3,…,x_i,3]^T；最大值：p₄＝[x_1,4,x_2,4,…,x_i,4]^T；

标准差：p₅＝[x_1,5,x_2,5,…,x_i,5]^T；方差：p₆＝[x_1,6,x_2,6,…,x_i,6]^T；

峰度：p₇＝[x_1,7,x_2,7,…,x_i,7]^T；偏度：p₈＝[x_1,8,x_2,8,…,x_i,8]^T；

调和平均值：p₉＝[x_1,9,x_2,9,…,x_i,9]^T；

几何平均值：p₁₀＝[x_1,10,x_2,10,…,x_i,10]^T；

标准偏度误差：p₁₁＝[x_1,11,x_2,11,…,x_i,11]^T；

标准峰度误差：p₁₂＝[x_1,12,x_2,12,…,x_i,12]^T；

标准平均值误差：p₁₃＝[x_1,13,x_2,13,…,x_i,13]^T；

③将特征数组组成特征矩阵，则i个动态性能指标对应的j个特征参量组合为m×n的特征参量矩阵P：

5.根据权利要求4所述的隧道掘进机主驱动轴承动态性能测试评估方法，其特征在于，所述步骤(4)中多维动态性能特征参量融合评估的方法为：

S1：利用信息熵值模型计算多个动态性能特征参量的无序度，评估其效用值和贡献度，具体为：

s11：获取第i个动态性能指标对应的j个特征参量信息比重：

s12：计算各特征无序度系数：

s13：获取多动态性能特征参量权值层次：

S2：利用信息熵值模型确定各参量贡献度及效用值后，可构建特征参量权值矩阵W：

S3：将获取的特征参量矩阵P和特征参量权值矩阵W进行数据融合，获取隧道掘进机主驱动轴承动态性能检测评估值

6.根据权利要求5所述的隧道掘进机主驱动轴承动态性能测试评估方法，其特征在于，获取的隧道掘进机主驱动轴承动态性能检测评估值可以进一步的作为衡量轴承服役前质量分级标准的判断值。

Images