摘要：基于数据驱动的轴承寿命预测方法主要采用轴承信号的滤波系数、时域和频域的统计量等作为反映轴承性能退化的特征量.进一步研究发现,这些指标要么对轴承早期缺陷敏感度不够,要么缺乏寿命预测所需要的上升或下降的性能退化特征.由于轴承在制造和工作过程中存在较多随机因素,即使同一种轴承在同一种工况下的工作寿命也会存在差异.因此,寻找一种稳定有效的特征值来刻画轴承的退化状态是十分重要的.提出基于时频图像融合的轴承性能退化特征提取方法.采用平滑伪威格纳-维尔分布（Smoothed pseudo Wigner-Ville distribution,SPWVD）表征轴承振动信号的时频能量分布特征,并利用灰度共生矩阵的统计特征作为轴承的性能退化特征;同时利用图像融合方法将同一轴不同方向的振动信号加以综合利用,消除一些随机因素对性能退化特征的影响.采用2012 PHM Competition的轴承数据集,验证了该方法在轴承的性能退化特征提取中的有效性.

关键词：性能退化特征 时频分析 灰度共生矩阵 图像融合 

单位：北京科技大学国家材料服役安全科学中心 北京100083 北京科技大学国家板带生产先进装备工程技术研究中心 北京100083