基于改进动态偏最小二乘法故障检测方法

目的 针对滚动轴承早期故障的特征信号微弱，在实际运转中由于数据具有时序相关性，使得滚动轴承早期阶段的故障特征提取难度增大等问题，提出一种基于深度分解理论的改进动态偏最小二乘法(DeepDPLS)的滚动轴承早期故障检测方法。方法 首先选择时滞参数使原始数据矩阵形成动态增广矩阵，确定深度分解的阶数；再应用深度分解理论得到分解生成的各个子空间；最后用偏最小二乘法(PLS)计算各个子空间的统计量和控制限，通过将每一个子空间的统计量与其对应的控制限进行比较来判别系统是否发生故障。结果 提出的DeepDPLS与PLS及其相关方法相比，极大地提高了滚动轴承的早期故障检测率；与DeepPLS相比，在一阶分解时故障检测率可达到100%,建立的模型更加精确，能更早地检测出滚动轴承的早期故障。结论 笔者提出的基于DeepDPLS的检测方法对于滚动轴承的早期故障检测是可行、有效的。