Data-driven life prediction model for bearing failure

Abstract

Throughout this work, a prognostic tool for the prediction of the remaining useful life of bearings using experimental data based on vibration data analysis is developed using MATLAB®. The experimental data used us that from NASA Prognostics Repository, where three run-to-failure tests we performed under normal load conditions and data was measured using accelerometers. Our tool is tested using experimental data from the second test in order to confirm a failure on the outer race and perform a remaining useful life prediction. The life prediction is achieved by monitoring the energy level of frequency domain features known as Bearing Fault Frequencies and trending several condition indicators such as Kurtosis, RMS and Power of the interested frequency. Since the damage occurred in the outer race, the Ball Pass Outer Raceway Frequency is selected to perform the life prediction. A set of MATLAB® algorithms are developed to calculate the bearing fault frequencies, trend key condition indicators and perform a life prediction. The remaining useful life prediction is based on the evolution of a selected degradation signal. The selected degradation signal is the RMS vibration level over time. In this approach, instead of calculate the RMS vibration across the entire spectrum; it is calculated around the interested frequency and its first five harmonics using a window of ±15% BPOF. Then the average of these RMS values is calculated and becomes the degradation signal trended over time. Bearing remaining life prediction is achieved based on a predefined failure threshold. Based on the available data, there is an 8.6% error between the actual and predicted bearing failure time.

A través de este trabajo, una herramienta para la predicción de vida útil de cajas de bolas usando data experimental y basado en análisis vibracional es desarrollada usando MATLAB®. La data experimental usada en este trabajo es obtenida a través del Repositorio de Pronósticos de la NASA, donde tres pruebas fueron realizadas bajo condiciones normales de carga. La data fue extraída usando acelerómetros. La herramienta es probada usando data experimental de la segunda prueba para confirmar una falla en el riel exterior de una caja de bola y realizar la predicción de vida útil de la misma . La predicción de vida útil es llevada a cabo mediante el monitoreo del nivel de energía de unos parámetros importantes conocidos como Frecuencias de Falla y el análisis de las tendencias de varios indicadores de condición tales como Kurtosis, Raíz Promedio de Cuadrados y la energía asociada a la frecuencia de falla de interés. Debido a que la falla ocurrió en el riel exterior, la Frecuencia Rotacional de Pasaje del Riel Exterior es seleccionada para realizar la predicción de vida útil. Un conjunto de algoritmos en MATLAB® son desarrollados para calcular las frecuencias de falla, analizar las tendencias de indicadores de condición y realizar la predicción de vida útil. La predicción de vida útil es basada en la evolución de una señal de degradación pre-seleccionada. En este método se calcula la raíz promedio de cuadrados alrededor de la frecuencia de interés y alrededor de sus primeras cinco armónicas usando una ventana de ±15%. Luego, el promedio de los valores de la raíz promedio de cuadrados se convierte en la señal de degradación que es monitoreada como función del tiempo. La predicción de vida útil es basada en un límite de falla predefinido. Basado en la data disponible, el error entre el tiempo actual y el predicho es de un 8.6%.