發(fā)布時(shí)間：2020-05-10 07:11

【摘要】：滾動(dòng)軸承是機(jī)械結(jié)構(gòu)中十分重要的一個(gè)構(gòu)件,主要作用是將滑動(dòng)摩擦轉(zhuǎn)換成為滾動(dòng)摩擦,使得機(jī)械構(gòu)件之間的摩擦大大減少。據(jù)統(tǒng)計(jì),70%大型機(jī)械結(jié)構(gòu)的損壞與軸承損傷有關(guān)。由此可見,對(duì)于軸承的退化趨勢(shì)的預(yù)測(cè)十分重要。對(duì)于軸承的退化趨勢(shì)預(yù)測(cè),要著重解決兩個(gè)問題。第一,構(gòu)建合適的健康因子,用來評(píng)價(jià)滾動(dòng)軸承的性能退化程度。本文選擇的是基于主成分分析法構(gòu)建健康因子,即融合多個(gè)特征參數(shù)的信息,構(gòu)建健康因子。第二,選擇合適的退化狀態(tài)預(yù)測(cè)模型,在有限的歷史數(shù)據(jù)的情況下準(zhǔn)確地對(duì)軸承的退化趨勢(shì)作出預(yù)測(cè)。預(yù)測(cè)就是在已有的歷史數(shù)據(jù)的基礎(chǔ)上,通過采用相應(yīng)的分析方法或者數(shù)據(jù)處理模型對(duì)數(shù)據(jù)的分析,對(duì)當(dāng)前時(shí)間節(jié)點(diǎn)之后的一段時(shí)間的數(shù)據(jù)做出科學(xué)的預(yù)測(cè)。本文分別在歷史數(shù)據(jù)較少和充足的情況下討論了對(duì)滾動(dòng)軸承退化趨勢(shì)的預(yù)測(cè)。短期預(yù)測(cè)時(shí)采用了當(dāng)前常用的BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的方法,其中第三章還針對(duì)兩種方法的優(yōu)劣進(jìn)行了對(duì)比分析。長(zhǎng)期預(yù)測(cè)時(shí)本文應(yīng)用的是SFAM網(wǎng)絡(luò)和Elman網(wǎng)絡(luò)的方法。在第四章結(jié)尾,本文對(duì)兩種長(zhǎng)期預(yù)測(cè)的方法進(jìn)行了對(duì)比,給出了相關(guān)結(jié)論,Elman網(wǎng)絡(luò)的實(shí)用性要比SFAM網(wǎng)絡(luò)好。但是SFAM在針對(duì)某些軸承運(yùn)行數(shù)據(jù)時(shí),對(duì)退化趨勢(shì)預(yù)測(cè)比較準(zhǔn)確。最后本文構(gòu)建了混合預(yù)測(cè)模型,基于BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的混合預(yù)測(cè)模型,經(jīng)過實(shí)際運(yùn)算,得到混合預(yù)測(cè)模型的誤差要比任意一個(gè)模型的預(yù)測(cè)誤差小,為滾動(dòng)軸承的退化趨勢(shì)預(yù)測(cè)提供了一個(gè)新的思路。
【圖文】：

第2章 滾動(dòng)軸承健康因子的構(gòu)建2.1 引言把能夠衡量滾動(dòng)軸承的健康狀態(tài)的指標(biāo)稱作滾動(dòng)軸承的健康因子。本章致力于找到一個(gè)合適的健康因子為之后的滾動(dòng)軸承退化趨勢(shì)預(yù)測(cè)做鋪墊。本章介紹了滾動(dòng)軸承的結(jié)構(gòu)與失效的基本形式，交代了滾動(dòng)軸承的幾種振動(dòng)信號(hào)的特征，最后基于主成分分析法構(gòu)建了滾動(dòng)軸承的健康因子。2.2 滾動(dòng)軸承的結(jié)構(gòu)及壽命2.2.1 滾動(dòng)軸承的結(jié)構(gòu)及其工作原理在工程應(yīng)用中，滾動(dòng)軸承有很多種：深溝球軸承，角接觸軸承，滾針軸承，滑動(dòng)軸承，，圓錐滾子軸承，圓柱滾子軸承等等。本文主要討論的是應(yīng)用最為廣泛的深溝球軸承。這里以其為例，介紹一下滾動(dòng)軸承的結(jié)構(gòu)。

圖 2-2 滾動(dòng)軸承壽命曲線圖上，當(dāng)滾動(dòng)軸承到達(dá)后一階段時(shí)，會(huì)產(chǎn)生比較大的噪聲，振和速度值不斷變大。然后噪聲變大，軸承自身溫度升高，峰軸承失效[14]。下面是一個(gè)軸承全壽命實(shí)驗(yàn)過程中有效值隨時(shí)可以發(fā)現(xiàn)，有效值在后一階段結(jié)束波動(dòng)，開始上升，符合對(duì)述。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TH133.33

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊宇;李杰;潘海洋;程軍圣;;VPMCD和改進(jìn)ITD的聯(lián)合智能診斷方法研究[J];振動(dòng)工程學(xué)報(bào);2013年04期

2 程軍圣;鄭近德;楊宇;;變量預(yù)測(cè)模型在齒輪故障診斷中的應(yīng)用[J];振動(dòng).測(cè)試與診斷;2013年S1期

3 陳龍;張可;羅配明;;改進(jìn)的Elman神經(jīng)網(wǎng)絡(luò)在WSNs距離預(yù)測(cè)中的應(yīng)用[J];傳感器與微系統(tǒng);2013年01期

4 張超;常太華;劉歡;胡陽;;基于改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的風(fēng)速預(yù)測(cè)[J];華東電力;2012年08期

5 郭艷平;顏文俊;;基于EMD和優(yōu)化K-均值聚類算法診斷滾動(dòng)軸承故障[J];計(jì)算機(jī)應(yīng)用研究;2012年07期

6 尤馬彥;凌捷;郝彥軍;;基于Elman神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法[J];計(jì)算機(jī)科學(xué);2012年06期

7 程軍圣;楊怡;楊宇;;局部特征尺度分解方法及其在齒輪故障診斷中的應(yīng)用[J];機(jī)械工程學(xué)報(bào);2012年09期

8 程軍圣;鄭近德;楊宇;;一種新的非平穩(wěn)信號(hào)分析方法——局部特征尺度分解法[J];振動(dòng)工程學(xué)報(bào);2012年02期

9 湯鳴;;基于BP神經(jīng)網(wǎng)絡(luò)模型的西安市生活垃圾產(chǎn)生量預(yù)測(cè)[J];西安航空技術(shù)高等�？茖W(xué)校學(xué)報(bào);2011年05期

10 肖文斌;陳進(jìn);周宇;王志陽;趙發(fā)剛;;小波包變換和隱馬爾可夫模型在軸承性能退化評(píng)估中的應(yīng)用[J];振動(dòng)與沖擊;2011年08期

相關(guān)碩士學(xué)位論文 前2條

1 張琪;上海市生活垃圾分類減量規(guī)劃研究[D];華東師范大學(xué);2016年

2 劉燕飛;滾動(dòng)軸承的工作狀態(tài)及壽命預(yù)測(cè)方法研究[D];湖南大學(xué);2014年

本文編號(hào)：2656942