謝雨潔，肖友剛，王田天，謝勁松

(1.中南大學(xué)交通運(yùn)輸工程學(xué)院，湖南長沙，410083；2.湖南大學(xué)機(jī)械與運(yùn)載工程學(xué)院，湖南長沙，410082)

軸承是高速列車傳動(dòng)系統(tǒng)中的關(guān)鍵組成部分，其性能表現(xiàn)對高速列車運(yùn)行的安全性、穩(wěn)定性和舒適性產(chǎn)生重要影響[1]。為了避免軸承突然失效對列車造成的損壞，有必要對軸承進(jìn)行剩余使用壽命預(yù)測(RUL)。剩余使用壽命的準(zhǔn)確預(yù)測也是制定合理的性能檢查和維護(hù)計(jì)劃的前提[2]。軸承的全壽命周期通?？蓜澐譃檎ｋA段和不可逆的退化階段[3]。在正常運(yùn)行階段，軸承處于健康狀態(tài)，狀態(tài)監(jiān)測數(shù)據(jù)在小范圍內(nèi)隨機(jī)波動(dòng)，監(jiān)測的振動(dòng)信號中難以觀察到顯著的變化；在不可逆的退化階段，軸承因發(fā)生早期故障而開始退化，并且隨著運(yùn)行時(shí)間的推移，故障越來越嚴(yán)重。但是，不同軸承所處的工作環(huán)境和損傷的機(jī)理不同，因此，退化特征也各不相同。若不區(qū)分軸承全壽命周期內(nèi)的正常階段和退化階段，將軸承開始運(yùn)行的時(shí)刻選為預(yù)測起始點(diǎn)，則可能對軸承的剩余使用壽命預(yù)測造成較大的誤差。因此，為了對軸承進(jìn)行早期狀態(tài)監(jiān)測并準(zhǔn)確估計(jì)其退化水平，分析退化過程各階段至關(guān)重要。

然而，退化階段的準(zhǔn)確識別難度大、復(fù)雜性高[4-5]。在軸承性能退化評估和剩余使用壽命的預(yù)測中，學(xué)者們常采用3σ法識別軸承退化過程中的不同階段，如LI 等[6]認(rèn)為當(dāng)軸承健康指標(biāo)超過3σ時(shí)進(jìn)入退化階段。基于假設(shè)檢驗(yàn)理論，LI等[7]采用均方根(RMS)或峰值作為退化指數(shù)實(shí)現(xiàn)壽命預(yù)測階段的選擇。WANG 等[8]基于3σ法設(shè)置退化閾值，并建立軸承退化趨勢預(yù)測的兩階段策略。在實(shí)際工作中，軸承正常運(yùn)行階段的振動(dòng)信號會(huì)被噪聲和隨機(jī)發(fā)生的異常沖擊所覆蓋[9]，從而影響退化預(yù)警區(qū)間的設(shè)置，難以準(zhǔn)確地識別退化階段。因此，一些降噪的方法常用于振動(dòng)信號的預(yù)處理中，PEI等[10]為了減少噪聲對剩余使用壽命預(yù)測的影響，采用經(jīng)驗(yàn)?zāi)B(tài)分解(EDM)方法進(jìn)行噪聲平滑處理。紀(jì)俊卿等[11]提出了一種自適應(yīng)的小波閾值函數(shù)對滾動(dòng)軸承的故障振動(dòng)信號實(shí)現(xiàn)降噪處理。賈晉軍等[12]采用分?jǐn)?shù)階傅里葉變換濾波和最小均方算法(LMS)對變轉(zhuǎn)速工況下軸承振動(dòng)信號進(jìn)行降噪。上述降噪研究為退化階段的準(zhǔn)確識別提供多種途徑和方法，但均會(huì)削弱原始信號，或者將一些關(guān)鍵的信號一并去除。振動(dòng)信號的質(zhì)量反映了信號數(shù)據(jù)與軸承健康狀態(tài)之間的相關(guān)程度，不精準(zhǔn)、不確定、不完整的低質(zhì)量數(shù)據(jù)導(dǎo)致不準(zhǔn)確的性能退化評估和不可靠的剩余使用壽命預(yù)測。與正常運(yùn)行階段中大量的穩(wěn)定信號相比，噪聲信號和隨機(jī)出現(xiàn)的異常沖擊顯示出巨大的差異。基于密度的異常值檢測方法能夠通過將數(shù)據(jù)點(diǎn)周圍的密度與其局部鄰近的密度進(jìn)行比較，有效地檢測異常值。BREUNIG 等[13]提出了局部離群因子(LOF)檢測方法，LOF 法作為一種經(jīng)典的基于密度的異常值檢測方法，能夠在無監(jiān)督的情況下給出異常值偏離正常值的程度，并且能夠檢測其他異常值檢測方法可能無法識別的異常值。因此，LOF 法檢測異常值的研究已經(jīng)引起了廣泛的關(guān)注。

綜上所述，針對軸承正常運(yùn)行過程中隨機(jī)出現(xiàn)的異常而導(dǎo)致退化階段識別不準(zhǔn)確的問題，本文作者對傳統(tǒng)3σ法確定退化點(diǎn)的方法[14]進(jìn)行改進(jìn)，提出一種基于多尺度局部核回歸異常值檢測的退化階段識別方法，并將所提出的方法應(yīng)用于真實(shí)的旋轉(zhuǎn)機(jī)械數(shù)據(jù)集，分析退化階段的識別結(jié)果，并與現(xiàn)有的方法進(jìn)行對比，驗(yàn)證該方法的有效性。

1 現(xiàn)有方法及局限性

1.1 傳統(tǒng)的3σ法

3σ法根據(jù)軸承的健康指標(biāo)自適應(yīng)地設(shè)置退化預(yù)警區(qū)間，以實(shí)現(xiàn)早期退化點(diǎn)的準(zhǔn)確識別，該方法的基本理論為切比雪夫不等式[15]：

式中：P為概率；X為隨機(jī)變量；K為任一正實(shí)數(shù)；μ為均值；σ為標(biāo)準(zhǔn)差。

由式(1)可得，當(dāng)K=3 時(shí)，任一樣本落在3σ區(qū)間(即[μ-3σ,μ+3σ])之外的概率小于等于1/9。通過選取軸承正常運(yùn)行階段的健康指標(biāo)，設(shè)置預(yù)警區(qū)間的閾值。圖1所示為漸進(jìn)退化軸承退化階段傳統(tǒng)3σ法識別結(jié)果。當(dāng)健康指標(biāo)超出3σ預(yù)警區(qū)間時(shí)，則認(rèn)為軸承發(fā)生故障而開始退化，并將該位置作為退化點(diǎn)以劃分退化階段。

圖1 漸進(jìn)退化軸承退化階段傳統(tǒng)3σ法識別結(jié)果Fig.1 Degradation stage recognition results of progressive degradation bearings by traditional 3σ method

但是，對于真實(shí)的軸承振動(dòng)信號，由于運(yùn)行過程中隨機(jī)發(fā)生的異常沖擊和噪聲，在軸承的正常階段監(jiān)測信號中仍然存在一些異常值。圖2所示為突變退化軸承退化階段傳統(tǒng)3σ法識別結(jié)果。圖2(b)中，真實(shí)的退化點(diǎn)應(yīng)該在退化點(diǎn)2 附近，而軸承正常運(yùn)行階段出現(xiàn)的異常值超出預(yù)警區(qū)間，導(dǎo)致了退化點(diǎn)判定在退化點(diǎn)1處，這是由于正常階段中出現(xiàn)的異常值造成了退化點(diǎn)誤判的情況。

圖2 突變退化軸承退化階段傳統(tǒng)3σ法識別結(jié)果Fig.2 Degradation stage recognition results of mutational degradation bearings by traditional 3σ method

1.2 改進(jìn)的3σ法

在軸承運(yùn)行過程中，正常階段出現(xiàn)的異常值會(huì)影響預(yù)警區(qū)間的設(shè)置，從而導(dǎo)致退化階段識別不準(zhǔn)確。但是，在軸承正常運(yùn)行階段，隨機(jī)發(fā)生的異常沖擊和噪聲引起的異常狀態(tài)幾乎不可能連續(xù)出現(xiàn)，只有當(dāng)退化健康指標(biāo)持續(xù)超出預(yù)警區(qū)間時(shí)，才意味著軸承發(fā)生了故障而開始退化。因此，提出一種改進(jìn)的3σ策略，它可以限制退化階段識別過程中隨機(jī)異常造成的干擾，即退化點(diǎn)滿足以下條件：

式中：ti為退化起始時(shí)刻。

根據(jù)文獻(xiàn)[16]，當(dāng)連續(xù)5 個(gè)數(shù)據(jù)點(diǎn)落在[μ-3σ,μ+3σ]區(qū)間外，則確定ti為退化起始時(shí)刻。改進(jìn)后的退化階段識別的結(jié)果如圖3所示。可見，改進(jìn)的3σ法較準(zhǔn)確地識別了軸承的退化階段，解決了采用傳統(tǒng)3σ法時(shí)退化點(diǎn)誤判的問題(圖2)。

圖3 突變退化軸承退化階段改進(jìn)3σ法識別結(jié)果Fig.3 Degradation stage recognition results of mutational degradation bearings by improved 3σ method

不同工況下的軸承表現(xiàn)出不同的退化狀態(tài)，有時(shí)采用改進(jìn)的3σ策略也不能避免軸承正常運(yùn)行階段隨機(jī)異常的干擾。圖4 所示為采用改進(jìn)3σ法識別軸承1 和軸承2 退化階段的結(jié)果，軸承1 和軸承2 數(shù)據(jù)來自PHM 2012 挑戰(zhàn)數(shù)據(jù)集。由圖4(a)和圖4(c)可見，軸承1正常階段的異常值導(dǎo)致退化預(yù)警區(qū)間的范圍設(shè)置過大，造成退化點(diǎn)判定延遲的情況，退化點(diǎn)后的退化階段忽略了一部分有用的退化信息。由圖4(b)和圖4(d)可見，軸承2 正常階段的異常值在峭度特征中表現(xiàn)出比退化階段更大的沖擊，在不準(zhǔn)確的退化預(yù)警區(qū)間內(nèi)，健康指標(biāo)都沒有持續(xù)超出此區(qū)間的上閾值，因此，無法識別出退化階段。

圖4 采用改進(jìn)的3σ法識別軸承1和軸承2退化階段的結(jié)果Fig.4 Degradation stage recognition results of bearing 1 and bearing 2 by improved 3σ method

2 基于異常值檢測的退化階段識別

2.1 方法介紹

針對上述問題，本文提出一種基于異常值檢測的退化階段識別方法。首先，對軸承的振動(dòng)信號進(jìn)行異常值檢測。采用LOF 法并結(jié)合多尺度鄰域的信息構(gòu)建異常指標(biāo)，通過循環(huán)迭代影響異常指標(biāo)的參數(shù)檢測異常值；然后，進(jìn)行異常值迭代去除。檢測到異常值后，在迭代過程中基于最佳參數(shù)去除軸承振動(dòng)信號中的異常數(shù)據(jù)；最后，確定退化過程的退化點(diǎn)。在異常處理后的信號上利用改進(jìn)的3σ法設(shè)置預(yù)警區(qū)間的上下閾值，從而實(shí)現(xiàn)退化階段的識別。

2.2 異常值檢測

2.2.1 數(shù)據(jù)預(yù)處理

采用滑動(dòng)窗口將原始振動(dòng)數(shù)據(jù)分割為多個(gè)片段，并從每個(gè)片段中提取出時(shí)域特征。廣泛用于機(jī)械狀態(tài)檢測的時(shí)域特征通常有均值、最大值、最小值、峰峰值、波峰因子、方差、均方根、平均振幅、方根幅值、波形因子、脈沖因子、裕度因子、峰度、峰值和偏度[17]。為了獲得良好的檢測性能，應(yīng)選擇合適的特征，構(gòu)成計(jì)算局部離群因子的數(shù)據(jù)集。

2.2.2 局部離群因子

局部離群因子主要是通過比較數(shù)據(jù)集中每個(gè)樣本的密度與其領(lǐng)域樣本點(diǎn)的密度來檢測異常，計(jì)算數(shù)據(jù)集中某點(diǎn)p的LOF表達(dá)式[18]如下：

式中：L(p)為p點(diǎn)的局部離群因子；o為點(diǎn)p第k距離鄰域的點(diǎn)；Nk(p)為點(diǎn)p的第k距離鄰域；wk(·)為第k局部可達(dá)密度。

2.2.3 基于多尺度核回歸的LOF法

LOF 法檢測異常值是基于局部密度的估計(jì)，這表明良好的檢測性能需要精確的密度估計(jì)。LOF法通過計(jì)算給定對象與其鄰域點(diǎn)之間的平均可達(dá)距離的倒數(shù)來粗略地估計(jì)局部密度，可能無法檢測到真正的異常值。并且LOF是在第k距離鄰域中計(jì)算的，因此LOF法對參數(shù)k十分敏感。當(dāng)異常值隨機(jī)分布在不同密度下的幾個(gè)簇中時(shí)，由于參數(shù)k不能滿足對所有異常值的檢測要求，LOF 法可能會(huì)獲得較差的異常檢測效果。為了克服上述缺點(diǎn)，通過Nadaraya-Watson 核回歸計(jì)算第k距離鄰域內(nèi)的回歸估計(jì)量構(gòu)造更具魯棒性的LOF[18]，以構(gòu)建最終進(jìn)行異常度評判的指標(biāo)?；贜adaraya-Watson核回歸計(jì)算某點(diǎn)p的LOF表達(dá)式如下：

式中：s為迭代的步數(shù)；γ為靈敏度，一般為2；d(p,o)為點(diǎn)p與o點(diǎn)之間的距離；dk(·)為第k距離；Lk(o)為o點(diǎn)的局部離群因子；K(·)為核函數(shù)，

參數(shù)x的核函數(shù)如下：

式中：β為常數(shù)，設(shè)置為1。

基于多尺度核回歸函數(shù)構(gòu)建的異常指標(biāo)表示與正常樣本的偏離程度，在軸承正常運(yùn)行階段，大部分信號數(shù)據(jù)都為正常樣本并且屬于同一個(gè)簇。異常數(shù)據(jù)的指標(biāo)值遠(yuǎn)遠(yuǎn)大于正常數(shù)據(jù)。為了更準(zhǔn)確地檢測異常值，當(dāng)異常指標(biāo)大于設(shè)定異常閾值T時(shí)，則被判定為異常值。

2.3 異常值迭代去除

異常值的檢測效果依賴于構(gòu)建異常指標(biāo)構(gòu)所需的參數(shù)，即滑動(dòng)窗口長度和LOF的k值。本研究通過迭代不斷更新窗長與k值，獲得最佳參數(shù)。在大數(shù)據(jù)下機(jī)械狀態(tài)監(jiān)測中，采集的數(shù)據(jù)量巨大，若迭代過程中采用較小的步長或參數(shù)的增值過小都會(huì)降低計(jì)算效率，大大增加異常檢測的時(shí)間。為了能夠更快、更有效地處理異常值，本研究將迭代步長設(shè)為滑動(dòng)窗口長度，每次迭代窗長的增量為上一步迭代參數(shù)的20%?；诿看蔚淖罴褏?shù)檢測異常值，并根據(jù)最佳滑動(dòng)窗口的長度去除原始振動(dòng)信號中的異常片段。然后，再對上述異常值檢測及去除的步驟進(jìn)行迭代以達(dá)到更好的異常值處理效果。

2.4 算法流程

軸承運(yùn)行過程中監(jiān)測到的振動(dòng)信號會(huì)被噪聲等因素干擾，造成不準(zhǔn)確的退化階段識別結(jié)果。常用的降噪方法在一定程度上會(huì)改變原始振動(dòng)信號，導(dǎo)致在軸承性能退化評估和剩余使用壽命的預(yù)測中產(chǎn)生較大的誤差。因此，本文提出一種基于異常檢測的退化階段識別方法，其流程圖如圖5所示，具體的方法步驟如下。

圖5 基于異常值檢測的退化階段識別流程圖Fig.5 Flow chart of degradation stage recognition based on outlier detection

Step 1：數(shù)據(jù)預(yù)處理。以初始滑動(dòng)窗長w1將軸承振動(dòng)信號的數(shù)據(jù)分割為多個(gè)片段，步長為窗長長度。并從所有分割的片段中提取統(tǒng)計(jì)的時(shí)域特征，構(gòu)成LOF所需的數(shù)據(jù)集。

Step 2：構(gòu)建異常指標(biāo)。根據(jù)上述異常指標(biāo)的構(gòu)建方法，以初始值k1計(jì)算數(shù)據(jù)集中每個(gè)樣本的LOF 值，然后采用核函數(shù)計(jì)算回歸估計(jì)量構(gòu)造異常指標(biāo)。若未達(dá)到k1≥kmax的條件，則令k1=k1+1 重新執(zhí)行Step 2。若k1≥kmax，但未達(dá)到w1≥w2的條件，為了提高迭代過程計(jì)算的效率，則令w1=w1+0.2w1轉(zhuǎn)到Step 1。

Step 3：異常檢測。從Step 2 得到的異常指標(biāo)中找到LOF 的最大值，認(rèn)為最大LOF 值所在的窗口長度w和k值為最佳參數(shù)值，通過設(shè)定的異常閾值T判斷最佳參數(shù)下，超出異常閾值的指標(biāo)判定為異常值。

Step 4：異常迭代去除。以Step 3 中獲得的最佳滑動(dòng)窗長，去除異常處對應(yīng)的振動(dòng)信號窗口長度片段。為了進(jìn)一步去除異常，迭代步驟s初始值設(shè)為1，若未達(dá)到s≥smax的條件，令s=s+1 轉(zhuǎn)到Step 1。

Step 5：退化點(diǎn)識別。由于峭度對機(jī)械部件的早期故障極其敏感，通常認(rèn)為早期故障一發(fā)生，機(jī)械部件就開始退化[19]。因此，本文采用峭度特征作為軸承狀態(tài)監(jiān)測的健康指標(biāo)，根據(jù)[μ-3σ，μ+3σ]區(qū)間選取健康階段的指標(biāo)，并設(shè)置預(yù)警區(qū)間，實(shí)現(xiàn)退化階段的識別。

3 實(shí)驗(yàn)驗(yàn)證

采用從滾動(dòng)軸承退化實(shí)驗(yàn)中獲得的2個(gè)真實(shí)振動(dòng)信號數(shù)據(jù)集驗(yàn)證所提出的基于異常檢測退化階段識別方法的有效性。

3.1 數(shù)據(jù)集簡介

3.1.1 XJTU-SY數(shù)據(jù)集

XJTU-SY 數(shù)據(jù)集由西安交通大學(xué)和長興昇陽科技公司提供[20]。在3種工況下測試LDK UER204滾動(dòng)軸承，從運(yùn)行到故障失效的振動(dòng)加速度數(shù)據(jù)是由軸承外殼上的加速度傳感器獲得的。試驗(yàn)中的采樣頻率為25.6 kHz，每間隔1 min 采樣時(shí)長1.28 s，每次采集32 768 個(gè)數(shù)據(jù)點(diǎn)。本次研究中僅采用水平方向的振動(dòng)數(shù)據(jù)，為安全起見，當(dāng)振動(dòng)幅值超過10Ah(Ah為振動(dòng)信號正常階段最大幅值)時(shí)，加速退化軸承試驗(yàn)停止，此時(shí)刻被視為軸承的失效時(shí)間。

3.1.2 PHM 2012數(shù)據(jù)集

PHM 2012 數(shù)據(jù)集在加速軸承退化的PRONOSTIA平臺(tái)上收集，采用電機(jī)、軸承、變速箱和2個(gè)滑輪組件用于改變滾動(dòng)軸承的速度。加速度傳感器固定在軸承外圈上，分別在水平和垂直方向采集振動(dòng)信號。同樣，本次研究中也只采用水平方向的振動(dòng)數(shù)據(jù)?；赑RONOSTIA 平臺(tái)的PHM 2012 挑戰(zhàn)數(shù)據(jù)集[21]中，包含不同工況下17個(gè)運(yùn)行至失效的軸承故障數(shù)據(jù)，采樣頻率為25.6 kHz，每間隔10 s 采樣0.1 s，每次采集2 560 個(gè)數(shù)據(jù)點(diǎn)。為安全起見，當(dāng)振動(dòng)數(shù)據(jù)的振幅超過20g時(shí)，試驗(yàn)停止。

3.2 驗(yàn)證結(jié)果與分析

為了說明滑動(dòng)窗口長度對所提出的異常值檢測方法的影響，將窗口長度分別設(shè)為200 和20 000，并基于核回歸的LOF 構(gòu)建異常評判指標(biāo)進(jìn)行異常檢測。截取軸承1全壽命周期的某段，異常值檢測結(jié)果如圖6所示。從圖6可見，使用不合適的窗口長度檢測到很多本屬于健康狀態(tài)的數(shù)據(jù)片段，這是由于振動(dòng)信號被滑動(dòng)窗口分割成多個(gè)過小或者過大的片段，它們與大部分正常數(shù)據(jù)片段的差異較大，不屬于相同的簇。因此，這些大于設(shè)定的異常閾值的異常數(shù)據(jù)片段則被判定為異常值。

圖6 基于隨機(jī)滑動(dòng)窗長的異常值檢測結(jié)果Fig.6 Outlier detection results with a random length of sliding window

本實(shí)驗(yàn)選取來自PHM 2012 數(shù)據(jù)集的軸承1、軸承2 和XJTU-SY 數(shù)據(jù)集的軸承3、軸承4 進(jìn)行分析。首先對4個(gè)軸承退化過程中的振動(dòng)信號進(jìn)行異常值檢測，滑動(dòng)窗口初始長度w1設(shè)為500，初始k值k1設(shè)為5，迭代步驟最大值smax為2。循環(huán)迭代后異常值的檢測結(jié)果如圖7所示，從圖7可見：本文提出的方法可以較準(zhǔn)確地檢測出軸承運(yùn)行過程中的異常值。

圖7 異常值檢測結(jié)果Fig.7 Outlier detection results

提取經(jīng)異常值處理后的軸承振動(dòng)信號峭度特征構(gòu)建進(jìn)行退化狀態(tài)分析的健康指標(biāo)。將本文所提出的方法與基于隨機(jī)參數(shù)的異常檢測和原始振動(dòng)信號的退化階段識別結(jié)果進(jìn)行對比。圖8～11 所示分別為軸承1～4 經(jīng)過不同方法識別退化階段的結(jié)果。

圖8 軸承1的退化階段識別Fig.8 Degradation stage recognition of bearing 1

圖9 軸承2的退化階段識別Fig.9 Degradation stage recognition of bearing 2

圖10 軸承3的退化階段識別Fig.10 Degradation stage recognition of bearing 3

從圖8～11 可以看出，本文選取的健康指標(biāo)非常適合監(jiān)測軸承的健康狀況。在軸承未發(fā)生故障的正常運(yùn)行階段，退化健康指標(biāo)一般保持在較低水平，振幅在較小的范圍內(nèi)波動(dòng)。當(dāng)出現(xiàn)異常值或者軸承開始退化時(shí)，隨著振動(dòng)越來越劇烈，健康指標(biāo)的振幅也會(huì)顯著增加，并且健康指標(biāo)的單調(diào)性趨勢經(jīng)異常值檢測后得到了顯著的改善。

在未經(jīng)異常檢測和基于隨機(jī)參數(shù)異常檢測的情況下，使用改進(jìn)策略的3σ法無法準(zhǔn)確識別退化階段。此時(shí)，軸承1所設(shè)置的退化預(yù)警區(qū)間范圍大于本文方法設(shè)置的區(qū)間范圍，判定的退化點(diǎn)有明顯的延遲，忽略了一部分有用的退化信息。這是由于選取的健康階段包含了一些正常運(yùn)行階段中的隨機(jī)異常數(shù)據(jù)，從而導(dǎo)致退化預(yù)警區(qū)間的范圍設(shè)置過大。同樣由于正常階段隨機(jī)異常的干擾，軸承2、3 和4 在全壽命周期內(nèi)的健康指標(biāo)都沒有連續(xù)5個(gè)以上的點(diǎn)超出預(yù)警區(qū)間，識別的退化點(diǎn)停留在初始時(shí)刻。

圖11 軸承4的退化階段識別Fig.11 Degradation stage recognition of bearing 4

本文所提出的異常檢測方法能有效地處理軸承運(yùn)行過程中的異常干擾。采用不同方法識別軸承的退化點(diǎn)時(shí)刻如表1所示。可見，本文所提出的基于異常檢測的退化階段識別方法能夠準(zhǔn)確地識別到退化點(diǎn)，更好地區(qū)分軸承的正常階段與退化階段。

表1 退化點(diǎn)的識別時(shí)刻Table 1 Recognition time of degradation point s

4 結(jié)論

1)提出了一種基于多尺度局部核回歸異常檢測的軸承退化階段識別方法，將離群值檢測的方法應(yīng)用到旋轉(zhuǎn)機(jī)械異常狀態(tài)監(jiān)測中，通過循環(huán)迭代自適應(yīng)地選擇最優(yōu)參數(shù)并去除異常振動(dòng)信號。該方法在完全保留原始有用信號的情況下，能更好地抑制隨機(jī)異常造成的干擾，準(zhǔn)確地實(shí)現(xiàn)軸承退化階段的識別。

2)采用真實(shí)的旋轉(zhuǎn)機(jī)械數(shù)據(jù)集將所提出的方法進(jìn)行實(shí)驗(yàn)驗(yàn)證，并與未經(jīng)異常值處理的數(shù)據(jù)對比，驗(yàn)證了該方法的有效性。

3)所提出的退化階段識別方法能夠準(zhǔn)確地估計(jì)軸承的退化水平并確定退化點(diǎn)，該方法不僅適用于旋轉(zhuǎn)機(jī)械性能退化評估，還能為剩余使用壽命的預(yù)測開拓思路、提供指導(dǎo)。