近期，公司智能制造工程系剡昌锋研究员课题组在实时评价轴承性能退化方面取得新进展，研究成果以“Health Indicator of Bearing Constructed by rms-CUMSUM and GRRMD-CUMSUM with Multifeatures of Envelope Spectrum（构建基于包络谱多种特征的轴承健康指标rms-CUMSUM和GRRMD-CUMSUM）”为题，于2021年2月10日在线发表于仪器仪表、电子与电气测量领域的国际顶级学术期刊《IEEE Transactions on Instrumentation and Measurement》（IF：3.658）（DOI: 10.1109/TIM. 2021. 3054000.），剡昌锋研究员为通讯作者，博士生孟佳东为第一作者。

滚动轴承是旋转机械的核心基础件之一，由于其长期服役和工作环境复杂变化，不可避免会出现故障，其故障检测和严重程度的评估可以为合理地制定维护计划提供依据，及有效提升设备的安全性能，这是该领域的研究热点和难点。

该文基于监测的振动信号，利用了包络谱统计特征构建了rms-CUMSUM指标来反映轴承实时性能退化趋势；同时合成了实时马氏距离，研究速率变化趋势，得到了实时反映轴承性能退化速率的GRRMD-CUMSUM指标；根据回溯追踪策略确定的初始故障点和GRRMD-CUMSUM的特征点，将轴承性能退化过程分为正常、初始故障、严重故障和完全失效四个阶段，并通过IEEE Prognostics and Health Management (PHM) 2012 Prognostic Challenge和辛辛那提大学智能维护系统中心（IMS）的公开数据进行了验证，表明利用轴承性能退化速率变化能够对其进行阶段划分。

在该文，作者首次提出使用性能退化速率来实时评价轴承故障严重程度，该工作为轴承故障严重程度的评定提供了新思路。

该团队近年来一直致力于轴承初始故障点的确定和性能退化的评估，并先后在《IEEE Access》（Health Indicator Construction Based on MD-CUMSUM with Multi-Domain Features Selection for Rolling Element Bearing Fault Diagnosis，DOI: 10.1109/ACCESS. 2019. 2942371）、《Journal of Mechanical Science and Technology》（Initial Fault Time Estimation of Rolling Element Bearing by Backtracking Strategy, Improved VMD and Infogram，DOI: http://doi.org/10.1007/s12206-021-0101-7）和《振动与冲击》（基于马田系统的滚动轴承初始故障检测和状态监测，DOI: 10. 13465/j. cnki. jvs. 017. 12. 026）等国内外期刊上发表了系列研究成果。

本研究工作得到了国家自然科学基金（局部缺陷滚动轴承系统多事件激励振动相应机理与识别方法的研究，51765034）和英国上市公司365红柳特色学科发展计划的支持。