發(fā)布時間：2018-06-18 04:22

  本文選題：滾動軸承 + 數學形態(tài)學��； 參考：《機械工程學報》2017年08期

【摘要】：為了保證滾動軸承運行狀態(tài)可靠度的預測精度同時增加預測步長,提出一種數學形態(tài)學分形維數結合改進果蠅優(yōu)化算法-支持向量回歸(Improved fruit fly optimization algorithm-support vector regression,IFOA-SVR)的滾動軸承可靠度預測方法。提取振動信號的包絡信號,計算該包絡信號的數學形態(tài)學分形維數,將其作為滾動軸承性能退化狀態(tài)特征。利用IFOA對SVR中的參數C、g以及ε同時進行尋優(yōu),建立IFOA-SVR預測模型。利用極大似然估計結合IFOA建立威布爾比例故障率模型(Weibull proportional hazard model,WPHM),進而得到可靠度模型。將退化狀態(tài)特征作為IFOA-SVR預測模型的輸入,采用長期迭代預測法獲取特征預測結果,并將該結果嵌入到可靠度模型中,從而預測出軸承運行狀態(tài)的可靠度。試驗結果表明,利用所提方法對滾動軸承可靠度進行預測,能在保證預測精度的前提下增加預測步長。
[Abstract]:In order to ensure the reliability prediction accuracy of rolling bearings and increase the prediction step, A new method for predicting the reliability of rolling bearings based on the fractal dimension of mathematical morphology and improved fruit fly optimization algorithm-support vector regression (IFOA-SVR), an improved algorithm for Drosophila melanogaster, is presented. The envelope signal of vibration signal is extracted, and the fractal dimension of mathematical morphology of the envelope signal is calculated, which is regarded as the characteristic of rolling bearing performance degradation state. IFOA is used to optimize the parameters of SVR, such as Cogg and 蔚, and IFOA-SVR prediction model is established. The Weibull proportional hazard model is established by using the maximum likelihood estimation (MLE) combined with the IFOA, and the reliability model is obtained. The degenerate state feature is used as the input of IFOA-SVR prediction model, and the feature prediction result is obtained by using the long-term iterative prediction method, and the result is embedded into the reliability model to predict the reliability of the bearing running state. The experimental results show that the prediction step can be increased by using the proposed method to predict the reliability of rolling bearings.
【作者單位】： 哈爾濱理工大學電氣與電子工程學院;白俄羅斯國立大學;
【基金】：國家自然科學基金(51305109) 黑龍江省青年科學基金(QC2014C075) 哈爾濱理工大學青年拔尖創(chuàng)新人才(201511)資助項目
【分類號】：TH133.33;TP18

【相似文獻】

相關期刊論文 前9條

1 劉騰;馮立艷;李學剛;田明瑜;;基于數學形態(tài)學的連桿曲線特征描述[J];機械設計與制造;2011年03期

2 嚴輝;謝進;陳永;;基于數學形態(tài)學的8字形連桿曲線特征的研究[J];機械科學與技術;2008年02期

3 李震,桂長林;連桿曲線特征分析的數學形態(tài)學方法[J];機械工程學報;2002年02期

4 王書濤;張金敏;李圓圓;張淑清;;基于數學形態(tài)學和模糊聚類的旋轉機械故障診斷[J];儀器儀表學報;2012年05期

5 劉志川;唐力偉;曹立軍;;基于卡爾曼濾波和數學形態(tài)學分形分析的齒輪箱故障診斷[J];機械傳動;2014年07期

6 路陽;任偉建;韓正君;肖闊憲;;基于數學形態(tài)學與PNN的螺桿泵井故障診斷[J];科學技術與工程;2012年10期

7 李兵;張培林;任國全;劉東升;米雙山;;基于數學形態(tài)學的分形維數計算及在軸承故障診斷中的應用[J];振動與沖擊;2010年05期

8 和衛(wèi)星;許莉;;數學形態(tài)學和HHT在軸承故障診斷中的應用[J];軸承;2011年11期

9 ;[J];;年期

相關博士學位論文 前1條

1 鄭直;基于數學形態(tài)學和局部均值分解的旋轉機械故障診斷方法[D];燕山大學;2015年

相關碩士學位論文 前3條

1 李良良;基于數學形態(tài)學分形維數的旋轉機械故障診斷方法[D];燕山大學;2015年

2 劉東;基于數學形態(tài)學的齒輪箱故障診斷方法研究[D];燕山大學;2016年

3 侯高雁;數學形態(tài)學在齒輪故障診斷中的應用研究[D];武漢科技大學;2014年

，

本文編號：2034058