随着工业和科学技术的进步和发展,机电系统逐步走向智能化、高效化和精密化。滚动轴承在很多机电系统中担当着承载和传递动力的关键性作用。滚动轴承一旦出现突发性故障,不仅严重影响设备的生产效率,甚至可能造成操作员工的伤亡。因此,及时掌握滚动轴承的性能退化状况、预测出滚动轴承的剩余寿命、合理安排滚动轴承维修更换计划,对于保障机电设备的正常运转和降低滚动轴承的维护成本具有相当重大的意义。轴承的全寿命周期中,从早期故障到最终完全失效,中间要经历加深、磨平、恶化的过程。如果在这个过程中,能够有效地监测和评估轴承的性能退化程度,甚至预测到轴承的剩余正常使用寿命,那就可以根据当前的状况安排轴承的保养和维修,从而保障轴承的安全可靠和设备的良好运行。本文以滚动轴承为研究对象,根据经验模态分解算法对滚动轴承的振动信号进行特征提取,以逻辑回归作为评估模型,定量评估滚动轴承的性能退化状况,并运用自回归移动平均模型和灰色模型实现对滚动轴承的信号特征值和剩余寿命预测。主要内容为:1.建立轴承的性能退化评估模型。随机选取轴承正常状态下和失效状态下的若干组数据,根据经验模态分解方法计算振动信号本征模函数作为特征向量。以训练样本建立逻辑回归模型,获取模型参数。2.进行轴承的性能退化评估及结果验证。提取待测轴承的振动信号特征向量作为测试样本,将测试样本输入已建立的评估模型中,计算待测轴承的性能退化评估指标。然后采用将经验模态分解(EMD)和包络解调相结合的分析方法,对得到的性能退化评估结果进行验证。3.进行轴承的剩余寿命预测。采用统计分析方法对轴承的振动数据或退化指标进行趋势预测并估算其剩余寿命。(1)取滚动轴承的振动信号数据求取振动烈度,以振动烈度时间序列建立自回归移动平均预测模型,再将检测数据处理后输入已建立的模型进行轴承的振动数据预测。(2)在轴承性能退化评估基础上,以获得的评估指标作为退化特征序列来训练灰色预测模型,再将待测轴承检测点的评估指标作为输入,通过已建立的灰色模型来计算轴承未来时间点的性能退化指标值,进而预测出滚动轴承的剩余寿命。