CN113486455A - 一种自润滑关节轴承加速退化可靠性评估与寿命预测方法 - Google Patents

一种自润滑关节轴承加速退化可靠性评估与寿命预测方法 Download PDF

Info

Publication number
CN113486455A
CN113486455A CN202110471779.5A CN202110471779A CN113486455A CN 113486455 A CN113486455 A CN 113486455A CN 202110471779 A CN202110471779 A CN 202110471779A CN 113486455 A CN113486455 A CN 113486455A
Authority
CN
China
Prior art keywords
joint bearing
degradation
self
kji
bearing
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.)
Pending
Application number
CN202110471779.5A
Other languages
English (en)
Inventor
李军星
黄嘉鸿
邱明
庞晓旭
陈立海
董艳方
杨传猛
李迎春
杜辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Henan University of Science and Technology
Original Assignee
Henan University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Henan University of Science and Technology filed Critical Henan University of Science and Technology
Priority to CN202110471779.5A priority Critical patent/CN113486455A/zh
Publication of CN113486455A publication Critical patent/CN113486455A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • 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
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明提供了一种自润滑关节轴承加速退化可靠性评估与寿命预测方法，包括以下制备步骤：S1、采集关节轴承加速性能退化数据；S2、建立基于非线性Gamma过程的自润滑关节轴承加速退化模型；S3、自润滑关节轴承加速退化模型未知参数估计；S4、自润滑关节轴承可靠性评估与寿命预测；该方法将关节轴承的磨损量看作性能参数，同时考虑到轴承性能退化过程同时受到内部、外部多种随机因素的影响，具有非平稳随机时变特征，更加符合工程实际情况，从而评估精度更高。

Description

一种自润滑关节轴承加速退化可靠性评估与寿命预测方法
技术领域
本发明属于加速性能退化试验可靠性分析方法，具体涉及一种 自润滑关节轴承加速退化可靠性评估与寿命预测方法。
背景技术
关节轴承具有承载力大、抗冲击、润滑好等优点，广泛应用于 航空、轨道交通、重型装备等领域。目前，大多数关节轴承具有低摩 擦高性能、高可靠长寿命的特点，这给基于失效时间的传统可靠性分 析方法带来了巨大的挑战。因此，基于关节轴承性能退化数据建模是 解决其可靠性分析的一个关键途径。然而，由于受试验时间和和试验 成本的限制，在有限的时间内其性能参数变化极其微小，无法获得有 效的性能退化数据，这就需要开展加速性能退化试验。
基于关节轴承加速性能退化数据建模是目前解决其可靠性评 估的热点和难点。在现有的关节轴承加速试验可靠性评估方法中分为 两种：一种是基于加速寿命数据的方法，然后建立应力与寿命间的关 系模型；该方法有一个隐含假设，即在加速应力水平下一定能够获得 寿命数据，这在很多情况下是不现实的，特别是在研制周期紧、试验 时间限制的情况下。另一种是基于加速性能退化数据的方法，首先确 定关节轴承性能退化失效阈值，其次建立基于非线性回归分析的退化 模型，外推出轴承寿命，然后对寿命数据进行统计分析，然而该方法 忽略了不同测试时刻性能退化数据间的相关性，有时会导致评估精度不高。
发明内容
本发明的目的在于克服现有技术的不足，提供一种自润滑关节 轴承加速退化可靠性评估与寿命预测方法，基于非线性Gamma过程， 建立轴承性能参数，加速应力与可靠度和寿命之间的关系模型，从而 实现关节轴承加速退化试验的可靠性评估与寿命预测。
本发明为解决上述技术问题采用的技术方案是：一种自润滑关 节轴承加速退化可靠性评估与寿命预测方法，包括以下制备步骤：
S1、采集关节轴承加速性能退化数据；
S2、建立基于非线性Gamma过程的自润滑关节轴承加速退化模 型；
S3、自润滑关节轴承加速退化模型未知参数估计；
S4、自润滑关节轴承可靠性评估与寿命预测。
进一步的，S1中采集数据的方法为：假设有一批同型号自润滑 关节轴承在Q个加速应力水平S1＜S2,K,＜SQ下开展加速寿命试验，在 第k个应力水平Sk下投入Nk个试样轴承试验，同时在第k个应力水平 Sk下对第j个轴承依次在预先设定的测试时刻
Figure BDA0003045705280000021
处测 得相应的磨损量性能退化数据
Figure BDA0003045705280000022
其中Xkji为在应力 水平Sk下对第j个轴承的第i次性能参数测量值，tkji为在应力水平Sk下对第j个样品的第i次测量的时间点，k＝1,2,…,Q，j＝1,2,…,Nk， i＝1,2,…,Mkj。
进一步的，S2中模型的建立方法包括以下步骤：
S21：建立自润滑关节轴承非线性Gamma过程退化分析模型；令 X(t)表示关节轴承在t时刻的性能退化量，且{X(t)，X≥0}满足形状参 数为v＞0，尺度参数为u＞0的Gamma过程，即X(t):Ga(vΛ(t,θ),u)， 其中，Λ＝Λ(t,θ)为关于时间t的连续严格单调增函数，θ为未知参数； 方便起见，令Λkij＝Λ(tkij,θ)，k＝1,2,…,Q，j＝1,2,…,Nk，i＝1,2,…,Mkj， X(t)具有如下性质：
1)X(0)＝0；
2)X(t)＞0且单调递增；
3)X(t)是独立增量过程，即对于测试时间
Figure BDA0003045705280000031
X(tkj1) 与X(tkj2)-X(tkj1),K,X(tkji)-X(tkj(i-1))之间相互独立，其中，
X(tkj1):Ga(vΛkj1,u) (1)
X(tkji)-X(tkj(i-1)):Ga(vΛkji-Λkj(i-1),u) (2)
4)对于测试时间
Figure BDA0003045705280000032
性能退化量的增量为 ΔXkji＝Xkji-Xkj(i-1)，时间增量为Δtkji＝Λkji-Λkj(i-1)，则性能退化量增量的概 率密度函数为：
Figure BDA0003045705280000033
式中
Figure BDA0003045705280000034
S22：建立关节轴承性能参数与加速应力间的加速模型：根据加 速试验中失效机理不变原则，这里假设自润滑关节轴承非线性 Gamma过程退化分析模型中的形状参数v与加速应力有关，同时尺度 参数u与应力水平无关；考虑到在关节轴承加速退化试验中通常采用 载荷或速度为加速应力，选用逆幂律物理加速模型表征关节轴承非线 性Gamma过程退化分析模型中的形状参数v与加速应力S间关系，即
v(S)＝ASb (4)
式中，A和b为未知参数；
S23：建立基于非线性Gamma过程的自润滑关节轴承加速退化 模型：在以上分析的基础之上，联立公式(1)和公式(4)，可以建立基 于非线性Gamma过程的自润滑关节轴承加速退化模型如下：
Figure BDA0003045705280000041
其中，A,b,θ,u均为模型未知参数；
S24：函数形式Λ的确定：函数形式Λ＝Λ(t,θ)的确定采用基于退 化数据分析的方法，以加速应力Sk下的性能退化数据处理为例，令 xkji＝x(tkji)＝X(tkji)，假设每个样品在相同的测试时刻处测量，如不满 足条件，则可以通过插值，首先得到试样的平均退化路径数据
Figure BDA0003045705280000042
然后，采用相应的函数，如线性函数、 指数函数、幂函数等，分别对平均退化路径数据进行拟合；最后选择 拟合优度最佳的函数形式作为Λ的表达式。
进一步的，S3中退化模型未知参数估计实现过程包括以下步 骤：
S31、定义似然函数：令Θ＝(A,b,θ,u)为模型中未知参数阵，由式(3) 和式(4)可得自润滑关节轴承加速退化模型未知参数的似然函数为
Figure RE-GDA0003218551540000051
两边同时取对数可得对数似然函数为
Figure RE-GDA0003218551540000052
S32、未知参数估计：将S1中采集的性能退化数据的增量 ΔXkji＝Xkji-Xkj(i-1)，时间增量Δtkji＝Λkji-Λkj(i-1)，试验应力Sk代入公式(7)， 通过遗传算法对公式(7)进行最大化，可以得到参数Θ的极大似然估 计
Figure RE-GDA0003218551540000053
进一步的，S4的实现过程包括以下步骤：
S41、寿命分布函数确定：假设关节轴承性能参数失效阈值为 Df，则根据首达时概念，关节轴承在任一应力水平Sk下的寿命T可定 义为：
T＝inf{t:X(t|Sk)≥Df|X(0|Sk)＜Df} (8)
根据Gamma过程定义，可得关节轴承在任一应力水平Sk下的寿 命T的分布函数和概率密度函数分别如下：
Figure BDA0003045705280000055
Figure BDA0003045705280000061
为了方便起见，可以采用BS分布来逼近T的分布，因此可得关 节轴承在任一应力水平Sk下的寿命T的分布函数近似解析式为
Figure BDA0003045705280000062
式中，Φ(·)为标准正态分布，
Figure BDA0003045705280000063
关节轴承在任一应力水平Sk下的寿命T的近似解析式为
Figure BDA0003045705280000064
S42、可靠性评估：结合S3中的参数估计值和关节轴承在任一应 力水平Sk下的寿命T的分布函数近似解析式，可以得到关节轴承在任 一应力水平Sk下，在任一时刻t处的可靠度为
Figure BDA0003045705280000065
S43、寿命预测：在任一应力水平Sk下，定义如下函数
Figure BDA0003045705280000066
则求解函数g(tR|Sk)＝Φ-1(1-R)，即可得到在任一应力水平Sk下，关 节轴承在给定可靠度R时的可靠寿命tR。
本发明的有益效果为：
1.针对自润滑关节轴承高可靠长寿命的特点，提出了一种基于加 速性能退化数据的可靠性评估与寿命预测方法，为关节轴承可靠性分 析提供一种新的途径；
2.本发明方法克服了现有方法忽略不同测试时刻性能退化数据 间的相关性的问题，有效地提高了评估精度；
3.本发明给出了在任一应力水平下自润滑关节轴承可靠度近似 解析式和可靠寿命的求解方法，从而实现关节轴承在不同应力水平下 的可靠性分析。
附图说明
图1是本发明的方法流程示意图；
图2是本发明某关节轴承性能退化数据图；
图3是本发明某关节轴承可靠度函数图。
具体实施方式
结合附图对本发明实施例加以详细说明，本实施例以本发明技 术方案为前提，给出了详细的实施方式和具体的操作过程，但本发明 的保护范围不限于下述的实施例。
一种自润滑关节轴承加速退化可靠性评估与寿命预测方法，包 括以下制备步骤：
S1、采集关节轴承加速性能退化数据；
S2、建立基于非线性Gamma过程的自润滑关节轴承加速退化模 型；
S3、自润滑关节轴承加速退化模型未知参数估计；
S4、自润滑关节轴承可靠性评估与寿命预测。
进一步的，S1中采集数据的方法为：假设有一批同型号自润滑 关节轴承在Q个加速应力水平S1＜S2,K,＜SQ下开展加速寿命试验，在 第k个应力水平Sk下投入Nk个试样轴承试验，同时在第k个应力水平 Sk下对第j个轴承依次在预先设定的测试时刻
Figure BDA0003045705280000081
处测 得相应的磨损量性能退化数据
Figure BDA0003045705280000082
其中Xkji为在应力 水平Sk下对第j个轴承的第i次性能参数测量值，tkji为在应力水平Sk下对第j个样品的第i次测量的时间点，k＝1,2,…,Q，j＝1,2,…,Nk， i＝1,2,…,Mkj。
进一步的，S2中模型的建立方法包括以下步骤：
S21：建立自润滑关节轴承非线性Gamma过程退化分析模型；令 X(t)表示关节轴承在t时刻的性能退化量，且{X(t)，X≥0}满足形状参 数为v＞0，尺度参数为u＞0的Gamma过程，即X(t):Ga(vΛ(t,θ),u)， 其中，Λ＝Λ(t,θ)为关于时间t的连续严格单调增函数，θ为未知参数； 方便起见，令Λkij＝Λ(tkij,θ)，k＝1,2,…,Q，j＝1,2,…,Nk，i＝1,2,…,Mkj， X(t)具有如下性质：
1)X(0)＝0；
2)X(t)＞0且单调递增；
3)X(t)是独立增量过程，即对于测试时间
Figure BDA0003045705280000083
X(tkj1) 与X(tkj2)-X(tkj1),K,X(tkji)-X(tkj(i-1))之间相互独立，其中，
X(tkj1):Ga(vΛkj1,u) (15)
X(tkji)-X(tkj(i-1)):Ga(vΛkji-Λkj(i-1),u) (16)
4)对于测试时间
Figure BDA0003045705280000084
性能退化量的增量为 ΔXkji＝Xkji-Xkj(i-1)，时间增量为Δtkji＝Λkji-Λkj(i-1)，则性能退化量增量的概 率密度函数为：
Figure BDA0003045705280000091
式中
Figure BDA0003045705280000092
S22：建立关节轴承性能参数与加速应力间的加速模型：为了对 不同加速应力水平下的性能退化数据统计分析，需要建立关节轴承性 能参数与加速应力间的加速模型；根据加速试验中失效机理不变原 则，这里假设自润滑关节轴承非线性Gamma过程退化分析模型中的 形状参数v与加速应力有关，同时尺度参数u与应力水平无关；考虑 到在关节轴承加速退化试验中通常采用载荷或速度为加速应力，选用 逆幂律物理加速模型表征关节轴承非线性Gamma过程退化分析模型 中的形状参数v与加速应力S间关系，即
v(S)＝ASb (18)
式中，A和b为未知参数；除此之外，还可以采用统计分析的方法以 确定加速模型，常用的加速模型有阿伦尼斯(Arrhenius)模型、逆幂 律模型、广义艾林(Eyring)模型等；
S23：建立基于非线性Gamma过程的自润滑关节轴承加速退化 模型：在以上分析的基础之上，联立公式(1)和公式(4)，可以建立基 于非线性Gamma过程的自润滑关节轴承加速退化模型如下：
Figure BDA0003045705280000093
其中，A,b,θ,u均为模型未知参数；
S24：函数形式Λ的确定：目前，函数形式Λ＝Λ(t,θ)的确定主要 通过失效机理分析和基于退化数据分析两种方法，由于关节轴承的失 效机理分析难度较大，因此，工程中多采用基于退化数据分析的方法。 以加速应力Sk下的性能退化数据处理为例，令xkji＝x(tkji)＝X(tkji)，假 设每个样品在相同的测试时刻处测量，如不满足条件，则可以通过插值，首先得到试样的平均退化路径数据
Figure BDA0003045705280000101
然后，采用相应的函数，如线性函数、指数函数、幂函数等，分别对 平均退化路径数据进行拟合；最后选择拟合优度最佳的函数形式作为 Λ的表达式；同理，对其他加速应力水平下的性能退化数据做同样处 理，选择大多应力水平下都满足的最佳函数形式。
进一步的，S3中退化模型未知参数估计实现过程包括以下步 骤：
S31、定义似然函数：令Θ＝(A,b,θ,u)为模型中未知参数阵，由式(3) 和式(4)可得自润滑关节轴承加速退化模型未知参数的似然函数为
Figure RE-GDA0003218551540000102
两边同时取对数可得对数似然函数为
Figure RE-GDA0003218551540000103
Figure RE-GDA0003218551540000111
S32、未知参数估计：将S1中采集的性能退化数据的增量 ΔXkji＝Xkji-Xkj(i-1)，时间增量Δtkji＝Λkji-Λkj(i-1)，试验应力Sk代入公式(7)， 通过遗传算法对公式(7)进行最大化，可以得到参数Θ的极大似然估 计
Figure RE-GDA0003218551540000112
进一步的，S4的实现过程包括以下步骤：
S41、寿命分布函数确定：假设关节轴承性能参数失效阈值为 Df，则根据首达时概念，关节轴承在任一应力水平Sk下的寿命T可定 义为：
T＝inf{t:X(t|Sk)≥Df|X(0|Sk)＜Df} (22)
根据Gamma过程定义，可得关节轴承在任一应力水平Sk下的寿 命T的分布函数和概率密度函数分别如下：
Figure BDA0003045705280000114
Figure BDA0003045705280000115
为了方便起见，可以采用BS分布来逼近T的分布，因此可得关 节轴承在任一应力水平Sk下的寿命T的分布函数近似解析式为
Figure BDA0003045705280000116
式中，Φ(·)为标准正态分布，
Figure BDA0003045705280000121
关节轴承在任一应力水平Sk下的寿命T的近似解析式为
Figure BDA0003045705280000122
S42、可靠性评估：结合S3中的参数估计值和关节轴承在任一应 力水平Sk下的寿命T的分布函数近似解析式，可以得到关节轴承在任 一应力水平Sk下，在任一时刻t处的可靠度为
Figure BDA0003045705280000123
S43、寿命预测：在任一应力水平Sk下，定义如下函数
Figure BDA0003045705280000124
则求解函数g(tR|Sk)＝Φ-1(1-R)，即可得到在任一应力水平Sk下，关 节轴承在给定可靠度R时的可靠寿命tR。
本发明中符号说明如下：
Q为加速退化试验应力水平数；Sk为第k个应力；Mk为应力Sk下 每个样品性能退化量的测量次数；Xkji为应力Sk下第j个样品的第i次 测量值；tkji为应力Sk下第j个样品的第i次测量的时间点；t为测试时 刻；X(t)为产品在t时刻的真实性能退化量；v为形状参数；u为尺度 参数；Λ＝Λ(t,θ)为关于时间t的连续严格单调增函数；Γ(·)为Gamma 函数；K为退化速度；T为温度应力；A,b,θ均为未知参数；ln(·)为对 数似然函数；F(·)为失效时间分布函数；R(·)为可靠度函数；Df为关 节轴承性能退化量的阈值；Φ(·)为标准正态分布函数。
实施例1
本发明提供自润滑关节轴承加速性能退化可靠性评估与寿命 预测方法，其流程图如图1所示，本发明方法的具体实现包括以下步 骤：
S1：采集关节轴承加速性能退化数据；
假设有一批同型号自润滑关节轴承在Q个加速应力水平 S1＜S2,K,＜SQ下开展加速寿命试验，在第k个应力水平Sk下投入Nk个 试样轴承试验，同时在第k个应力水平Sk下对第j个轴承依次在预先 设定的测试时刻
Figure BDA0003045705280000131
处测得相应的磨损量性能退化数据
Figure BDA0003045705280000132
其中Xkji为在应力水平Sk下对第j个轴承的第i 次性能参数测量值，tkji为在应力水平Sk下对第j个样品的第i次测量 的时间点，k＝1,2,…,Q，j＝1,2,…,Nk，i＝1,2,…,Mkj。
S2：建立基于非线性Gamma过程的自润滑关节轴承加速退化 模型；
结合采集关节轴承加速性能退化数据，可以建立基于非线性 Gamma过程的自润滑关节轴承加速退化模型如下：
Figure BDA0003045705280000133
其中，A,b,θ,u均为模型未知参数。X(t)具有如下性质：
1)X(0)＝0；
2)X(t)＞0且单调递增；
3)X(t)是独立增量过程，即对于测试时间
Figure BDA0003045705280000141
X(tkj1) 与X(tkj2)-X(tkj1),K,X(tkji)-X(tkj(i-1))之间相互独立，其中，
X(tkj1):Ga(vΛkj1,u) (30)
X(tkji)-X(tkj(i-1)):Ga(vΛkji-Λkj(i-1),u) (31)
4)对于测试时间
Figure BDA0003045705280000142
性能退化量的增量为 ΔXkji＝Xkji-Xkj(i-1)，时间增量为Δtkji＝Λkji-Λkj(i-1)，则性能退化量增量的概 率密度函数为：
Figure BDA0003045705280000143
式中
Figure BDA0003045705280000144
、S3：自润滑关节轴承加速退化模型未知参数估计；
S31、定义似然函数。令Θ＝(A,b,θ,u)为模型中未知参数阵，由式(3) 和式(4)可得自润滑关节轴承加速退化模型未知参数的似然函数为
Figure RE-GDA0003218551540000147
两边同时取对数可得对数似然函数为
Figure RE-GDA0003218551540000148
S32、未知参数估计；将S1中采集的性能退化数据的增量 ΔXkji＝Xkji-Xkj(i-1)，时间增量Δtkji＝Λkji-Λkj(i-1)，试验应力Sk代入公式(7)， 通过遗传算法对公式(7)进行最大化，可以得到参数Θ的极大似然估 计
Figure RE-GDA0003218551540000151
S4、自润滑关节轴承可靠性评估与寿命预测；
S41、可靠性评估。结合S3中的参数估计值和关节轴承在任一应 力水平Sk下的寿命T的分布函数近似解析式，可以得到关节轴承在任 一应力水平Sk下，在任一时刻t处的可靠度为
Figure BDA0003045705280000153
S42、寿命预测。在任一应力水平Sk下，定义如下函数
Figure BDA0003045705280000154
则求解函数g(tR|Sk)＝Φ-1(1-R)，即可得到在任一应力水平Sk下，关 节轴承在给定可靠度R时的可靠寿命tR。
下面通过某关节轴承性能退化试验数据对本发明进行实验 验证：
关节轴承具有高可靠长寿命的特点，为对其进行可靠性分析，图 2给出了12个某关节轴承分别在应力S1＝10KN(4个试样)、应力 S2＝17KN(4个试样)、应力S2＝25KN(4个试样)性能退化数据，测 试时间间隔分别为36小时、22小时、17小时。正常应力S0＝5KN， 失效阈值取0.35毫米。
由S2中S24的方法对关节轴承的平均退化路径数据拟合，确 定出函数Λ＝Λ(t，θ)＝tθ，。因此，建立退化模型如公式(5)。
由图1中的S3的方法得出模型中未知参数参数估计结果如表1 所示；
表1模型中未知参数参数估计结果
Figure BDA0003045705280000161
最后，由公式(13)可以计算出正常应力S0＝5KN下关节轴承的可 靠度和可靠寿命，可靠度曲线如图3所示。同时，分别给出了可靠度 为99％、95％、90％相对应的可靠寿命，如表2所示。
表2可靠度和可靠寿命关系
产品可靠度 99％ 95％ 90％
可靠寿命/h 393.76 427.81 447.22
本发明将关节轴承的磨损量看作性能参数，同时考虑到轴承性 能退化过程同时受到内部、外部多种随机因素的影响，具有非平稳随 机时变特征，更加符合工程实际情况，从而评估精度更高。
本发明给出了一种自润滑关节轴承加速性能退化可靠性评估 与寿命预测方法，但本发明的保护范围并不局限于此，本发明提供的 方法还可以扩展到航空、兵器、医学、食品安全等中应用。
以上实施例仅用以说明本发明的技术方案而非限制，仅仅参照 较佳实施例对本发明进行了详细说明。本领域的普通技术人员应当理 解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发 明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。

Claims (5)

1.一种自润滑关节轴承加速退化可靠性评估与寿命预测方法，其特征在于：包括以下制备步骤：
S1、采集关节轴承加速性能退化数据；
S2、建立基于非线性Gamma过程的自润滑关节轴承加速退化模型；
S3、自润滑关节轴承加速退化模型未知参数估计；
S4、自润滑关节轴承可靠性评估与寿命预测。
2.根据权利要求1所述的一种自润滑关节轴承加速退化可靠性评估与寿命预测方法，其特征在于：S1中采集数据的方法为：假设有一批同型号自润滑关节轴承在Q个加速应力水平S1＜S2,...,＜SQ下开展加速寿命试验，在第k个应力水平Sk下投入Nk个试样轴承试验，同时在第k个应力水平Sk下对第j个轴承依次在预先设定的测试时刻
Figure FDA0003045705270000011
处测得相应的磨损量性能退化数据
Figure FDA0003045705270000012
其中Xkji为在应力水平Sk下对第j个轴承的第i次性能参数测量值，tkji为在应力水平Sk下对第j个样品的第i次测量的时间点，k＝1,2,…,Q，j＝1,2,…,Nk，i＝1,2,…,Mkj。
3.根据权利要求1所述的一种自润滑关节轴承加速退化可靠性评估与寿命预测方法，其特征在于：S2中模型的建立方法包括以下步骤：
S21：建立自润滑关节轴承非线性Gamma过程退化分析模型；令X(t)表示关节轴承在t时刻的性能退化量，且{X(t)，X≥0}满足形状参数为v＞0，尺度参数为u＞0的Gamma过程，即X(t)～Ga(vΛ(t,θ),u)，其中，Λ＝Λ(t,θ)为关于时间t的连续严格单调增函数，θ为未知参数；
方便起见，令Λkij＝Λ(tkij,θ)，k＝1,2,…,Q，j＝1,2,…,Nk，i＝1,2,…,Mkj，X(t)具有如下性质：
1)X(0)＝0；
2)X(t)＞0且单调递增；
3)X(t)是独立增量过程，即对于测试时间
Figure FDA0003045705270000021
与X(tkj2)-X(tkj1),...,X(tkji)-X(tkj(i-1))之间相互独立，其中，
X(tkj1)～Ga(vΛkj1,u) (1)
X(tkji)-X(tkj(i-1))～Ga(vΛkji-Λkj(i-1),u) (2)
4)对于测试时间tkj1＜tkj2＜,...,＜tkjMkj，性能退化量的增量为ΔXkji＝Xkji-Xkj(i-1)，时间增量为Δtkji＝Λkji-Λkj(i-1)，则性能退化量增量的概率密度函数为：
Figure FDA0003045705270000022
式中
Figure FDA0003045705270000023
S22：建立关节轴承性能参数与加速应力间的加速模型：根据加速试验中失效机理不变原则，这里假设自润滑关节轴承非线性Gamma过程退化分析模型中的形状参数v与加速应力有关，同时尺度参数u与应力水平无关；考虑到在关节轴承加速退化试验中通常采用载荷或速度为加速应力，选用逆幂律物理加速模型表征关节轴承非线性Gamma过程退化分析模型中的形状参数v与加速应力S间关系，即
v(S)＝ASb (4)
式中，A和b为未知参数；
S23：建立基于非线性Gamma过程的自润滑关节轴承加速退化模型：在以上分析的基础之上，联立公式和公式，可以建立基于非线性Gamma过程的自润滑关节轴承加速退化模型如下：
Figure FDA0003045705270000031
其中，A,b,θ,u均为模型未知参数；
S24：函数形式Λ的确定：函数形式Λ＝Λ(t,θ)的确定采用基于退化数据分析的方法，以加速应力Sk下的性能退化数据处理为例，令xkji＝x(tkji)＝X(tkji)，假设每个样品在相同的测试时刻处测量，如不满足条件，则可以通过插值，首先得到试样的平均退化路径数据
Figure FDA0003045705270000032
然后，采用相应的函数，如线性函数、指数函数、幂函数等，分别对平均退化路径数据进行拟合；最后选择拟合优度最佳的函数形式作为Λ的表达式。
4.根据权利要求1所述的一种自润滑关节轴承加速退化可靠性评估与寿命预测方法，其特征在于：S3中退化模型未知参数估计实现过程包括以下步骤：
S31、定义似然函数：令Θ＝(A,b,θ,u)为模型中未知参数阵，由式和式可得自润滑关节轴承加速退化模型未知参数的似然函数为
Figure FDA0003045705270000033
两边同时取对数可得对数似然函数为
Figure FDA0003045705270000041
S32、未知参数估计：将步骤一中采集的性能退化数据的增量ΔXkji＝Xkji-Xkj(i-1)，时间增量Δtkji＝Λkji-Λkj(i-1)，试验应力Sk代入公式，通过遗传算法对公式进行最大化，可以得到参数
Figure FDA0003045705270000045
的极大似然估计
Figure FDA0003045705270000042
5.根据权利要求1所述的一种自润滑关节轴承加速退化可靠性评估与寿命预测方法，其特征在于：S4的实现过程包括以下步骤：
S41、寿命分布函数确定：假设关节轴承性能参数失效阈值为Df，则根据首达时概念，关节轴承在任一应力水平Sk下的寿命T可定义为：
T＝inf{t:X(t|Sk)≥Df|X(0|Sk)＜Df} (8)
根据Gamma过程定义，可得关节轴承在任一应力水平Sk下的寿命T的分布函数和概率密度函数分别如下：
Figure FDA0003045705270000043
Figure FDA0003045705270000044
为了方便起见，可以采用BS分布来逼近T的分布，因此可得关节轴承在任一应力水平Sk下的寿命T的分布函数近似解析式为
Figure FDA0003045705270000051
式中，Φ(·)为标准正态分布，
Figure FDA0003045705270000052
关节轴承在任一应力水平Sk下的寿命T的近似解析式为
Figure FDA0003045705270000053
S42、可靠性评估：结合S3中的参数估计值和关节轴承在任一应力水平Sk下的寿命T的分布函数近似解析式，可以得到关节轴承在任一应力水平Sk下，在任一时刻t处的可靠度为
Figure FDA0003045705270000054
S43、寿命预测：在任一应力水平Sk下，定义如下函数
Figure FDA0003045705270000055
则求解函数g(tR|Sk)＝Φ-1(1-R)，即可得到在任一应力水平Sk下，关节轴承在给定可靠度R时的可靠寿命tR。
CN202110471779.5A 2021-04-29 2021-04-29 一种自润滑关节轴承加速退化可靠性评估与寿命预测方法 Pending CN113486455A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110471779.5A CN113486455A (zh) 2021-04-29 2021-04-29 一种自润滑关节轴承加速退化可靠性评估与寿命预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110471779.5A CN113486455A (zh) 2021-04-29 2021-04-29 一种自润滑关节轴承加速退化可靠性评估与寿命预测方法

Publications (1)

Publication Number Publication Date
CN113486455A true CN113486455A (zh) 2021-10-08

Family

ID=77933338

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110471779.5A Pending CN113486455A (zh) 2021-04-29 2021-04-29 一种自润滑关节轴承加速退化可靠性评估与寿命预测方法

Country Status (1)

Country Link
CN (1) CN113486455A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115795928A (zh) * 2023-02-10 2023-03-14 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 基于伽马过程的加速退化试验数据处理方法和装置
CN115841046A (zh) * 2023-02-10 2023-03-24 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 基于维纳过程的加速退化试验数据处理方法和装置
US12079550B1 (en) 2024-02-06 2024-09-03 China Electronic Product Reliability and Environmental Testing Research Institute (The Fifth Electronic Research Institute of Ministry of Industry and Information Technology) (CEPREI) Wiener process-based method and device for processing accelerated degradation testing data

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005345132A (ja) * 2004-05-31 2005-12-15 Toribo Tex Kk 転がり軸受の劣化評価方法
CN105205276A (zh) * 2015-10-09 2015-12-30 中国人民解放军国防科学技术大学 关节轴承磨损失效物理建模与分析方法
CN107885928A (zh) * 2017-11-06 2018-04-06 河南科技大学 考虑测量误差的步进应力加速性能退化可靠性分析方法
CN110398368A (zh) * 2019-07-26 2019-11-01 上海工程技术大学 基于fbm的长相关模型的轴承内圈故障剩余寿命预测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005345132A (ja) * 2004-05-31 2005-12-15 Toribo Tex Kk 転がり軸受の劣化評価方法
CN105205276A (zh) * 2015-10-09 2015-12-30 中国人民解放军国防科学技术大学 关节轴承磨损失效物理建模与分析方法
CN107885928A (zh) * 2017-11-06 2018-04-06 河南科技大学 考虑测量误差的步进应力加速性能退化可靠性分析方法
CN110398368A (zh) * 2019-07-26 2019-11-01 上海工程技术大学 基于fbm的长相关模型的轴承内圈故障剩余寿命预测方法

Non-Patent Citations (11)

* Cited by examiner, † Cited by third party
Title
YASHUN WANG: "Lifetime prediction of self-lubricating spherical plain bearings based on physics-of-failure model and accelerated degradation test", 《EKSPLOATACJA I NLEZAWODNOSC-MAINTENANCE AND RELLIABILITY》 *
YASHUN WANG: "Lifetime prediction of self-lubricating spherical plain bearings based on physics-of-failure model and accelerated degradation test", 《EKSPLOATACJA I NLEZAWODNOSC-MAINTENANCE AND RELLIABILITY》, 31 December 2016 (2016-12-31), pages 528 - 538 *
刘卫东 等: "基于退化数据和非线性伽马过程的光伏组件现场寿命评估", 计算机集成制造系统 *
尤琦等: "基于时序模型的加速退化数据可靠性评估", 《系统工程理论与实践》, no. 02, 28 February 2011 (2011-02-28), pages 328 - 332 *
张亚涛 等: "基于双应力加速寿命试验的关节轴承寿命预测与可靠性分析", 《润滑与密封》 *
张亚涛 等: "基于双应力加速寿命试验的关节轴承寿命预测与可靠性分析", 《润滑与密封》, vol. 45, no. 3, 31 March 2020 (2020-03-31), pages 51 - 56 *
董炳武: "高频轻载自润滑关节轴承加速寿命试验方法研究", 《万方数据库》 *
董炳武: "高频轻载自润滑关节轴承加速寿命试验方法研究", 《万方数据库》, 26 November 2020 (2020-11-26) *
董炳武: "高频轻载自润滑关节轴承加速寿命试验方法研究", 万方数据库 *
闫玉涛 等: "《基于家庭出行决策行为的交通需求预测研究》", 北京：首都经济贸易大学出版社, pages: 126 *
鲁相: "基于Gamma过程的关节轴承加速可靠性验证方法", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑(月刊), pages 1 - 4 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115795928A (zh) * 2023-02-10 2023-03-14 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 基于伽马过程的加速退化试验数据处理方法和装置
CN115841046A (zh) * 2023-02-10 2023-03-24 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 基于维纳过程的加速退化试验数据处理方法和装置
US12079550B1 (en) 2024-02-06 2024-09-03 China Electronic Product Reliability and Environmental Testing Research Institute (The Fifth Electronic Research Institute of Ministry of Industry and Information Technology) (CEPREI) Wiener process-based method and device for processing accelerated degradation testing data

Similar Documents

Publication Publication Date Title
CN113486455A (zh) 一种自润滑关节轴承加速退化可靠性评估与寿命预测方法
CN108959676B (zh) 一种考虑有效冲击的退化建模与寿命预测方法
CN111859658B (zh) 一种产品贮存寿命与可靠性评估方法
Caiza et al. A probabilistic Stüssi function for modelling the SN curves and its application on specimens made of steel S355J2+ N
CN107423495B (zh) 一种动态条件下的退化建模与寿命预测方法
CN108664700B (zh) 基于不确定数据包络分析的加速退化信息融合建模方法
Jardine et al. Proportional hazards analysis of diesel engine failure data
CN107451392A (zh) 一种含有多个相关退化过程的剩余寿命预测方法
CN111967717A (zh) 一种基于信息熵值的数据质量评价方法
CN115962797B (zh) 一种基于温度应力下的传感器可靠性测试方法及系统
CN108846239A (zh) 一种基于温湿度的弹性环氧树脂加速贮存试验及评估方法
CN108875169B (zh) 水面舰船装备用数字多用表的退化建模与寿命预测方法
CN110895625A (zh) 性能退化产品可靠度置信区间估计数值仿真方法
Wang et al. Determination of the Threshold for Extreme Load Extrapolation Based on Multi-Criteria Decision-Making Technology.
CN110889186B (zh) 灰关联分析的加速贮存与自然贮存退化数据一致性检验法
CN110889077A (zh) 基于Kendall相关系数的加速贮存与自然贮存退化数据一致性检验方法
CN110889187B (zh) 基于Pearson系数的贮存退化数据一致性检验法
CN111832731B (zh) 一种多指标监测的油液不确定状态表征及故障诊断的方法
Babishin et al. An algorithm for estimating the effect of maintenance on aggregated covariates with application to railway switch point machines
CN105224792B (zh) 一种滚动轴承性能保持可靠性的预测方法
CN110210066B (zh) 基于p值的性能退化数据与故障数据的一致性检验方法
Lyu et al. Gauge capability studies for attribute data
CN110889189B (zh) 一种产品在不同试验应力水平下的退化数据一致性检验法
CN112445632A (zh) 基于故障数据建模的hpc可靠性评估方法
Louahem M'Sabah et al. Simulation of Bearing Degradation by the Use of the Gamma Stochastic Process.

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20211008