本文關(guān)鍵詞：主分量分析和隱馬爾科夫模型結(jié)合的軸承監(jiān)測(cè)診斷方法

  更多相關(guān)文章： 混合域故障特征集 主分量分析 隱馬爾科夫模型 軸承監(jiān)測(cè)診斷

【摘要】：為了快速識(shí)別軸承的故障模式以及性能退化狀態(tài),提出了一種基于主分量分析和隱馬爾科夫模型的軸承監(jiān)測(cè)診斷方法。該方法首先提取了軸承振動(dòng)信號(hào)的混合域故障特征集,使用主分量分析對(duì)混合域故障特征集降維,然后使用降維后的特征訓(xùn)練隱馬爾科夫模型,最后用降維后的測(cè)試樣本測(cè)試模型的性能,根據(jù)隱馬爾科夫模型輸出的對(duì)數(shù)似然概率,確定軸承故障模式以及軸承的性能退化狀態(tài)。開展了不同狀態(tài)滾動(dòng)軸承振動(dòng)測(cè)試實(shí)驗(yàn),數(shù)據(jù)分析結(jié)果表明,提出的方法診斷準(zhǔn)確率均能達(dá)到100%,相比基于補(bǔ)償距離選擇特征降維及隱馬爾科夫模型診斷方法,最高將分類離散度提高123.74%,并且在軸承的性能退化實(shí)驗(yàn)中,提出的方法能在故障早期給出故障預(yù)警,證明了該方法的有效性和準(zhǔn)確性。
【作者單位】： 西安交通大學(xué)機(jī)械制造系統(tǒng)工程國家重點(diǎn)實(shí)驗(yàn)室;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(51275379);國家自然科學(xué)基金創(chuàng)新研究群體資助項(xiàng)目(51421004)
【分類號(hào)】：TH133.3
【正文快照】： 滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械中應(yīng)用最為廣泛的基礎(chǔ)零部件,也是最易損壞的元件之一[1]。據(jù)不完全統(tǒng)計(jì),旋轉(zhuǎn)機(jī)械的故障約有30%是由滾動(dòng)軸承的失效引起。因此,軸承一直都是設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷領(lǐng)域的熱門研究對(duì)象[2]。由于軸承故障機(jī)理的復(fù)雜性,單一特征或單域特征難以全面刻畫軸承運(yùn)

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 胡瑾秋;張來斌;胡春艷;李文強(qiáng);;基于數(shù)據(jù)自組織挖掘的機(jī)械設(shè)備狀態(tài)退化預(yù)警方法[J];中國石油大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年03期

2 趙羽蔚;嚴(yán)偉;陸后軍;俞翔棟;;岸邊集裝箱起重機(jī)司機(jī)操作意圖識(shí)別方法研究[J];船舶標(biāo)準(zhǔn)化工程師;2014年04期

3 ;[J];;年期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 李寧;旋轉(zhuǎn)機(jī)械的測(cè)試信號(hào)分析及隱馬爾科夫模型應(yīng)用研究[D];重慶大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 吳超威;基于高斯混合隱馬爾科夫模型的滾動(dòng)軸承故障診斷方法研究[D];湖南科技大學(xué);2015年

2 徐宏武;基于隱馬爾科夫模型的軸承故障診斷方法研究[D];昆明理工大學(xué);2016年

3 姚治業(yè);基于隱馬爾科夫模型的風(fēng)電機(jī)組齒輪箱故障診斷研究[D];華北電力大學(xué)(北京);2016年

4 高倩云;基于迭代共振稀疏分解和隱馬爾科夫模型的滾動(dòng)軸承故障診斷方法研究[D];北京化工大學(xué);2016年

5 柳長昕;基于二維隱馬爾科夫模型的離心泵故障診斷方法研究[D];東北電力大學(xué);2009年

，

本文編號(hào)：1254747