發(fā)布時間：2020-06-23 05:17

【摘要】：滾動軸承作為旋轉(zhuǎn)機械中不可或缺部件之一,其性能退化狀態(tài)直接影響設(shè)備整體的運行狀態(tài)。通過對滾動軸承性能退化趨勢預(yù)測的研究,及時準(zhǔn)確的獲取其退化狀態(tài),為后續(xù)可靠性評估及壽命預(yù)測提供支持,從而提前避免因軸承損壞而導(dǎo)致設(shè)備的整體損壞,避免造成重大經(jīng)濟損失和災(zāi)難性事故的發(fā)生。因此,有必要針對滾動軸承性能退化趨勢預(yù)測進行深入研究。本文以滾動軸承為研究對象,對振動信號預(yù)處理、性能退化指標(biāo)建立和性能退化趨勢預(yù)測模型進行了研究。針對滾動軸承實際采集振動信號中混入大量噪聲使后續(xù)預(yù)測誤差變大的問題,提出了基于EEMD-改進廣義形態(tài)學(xué)的組合信號預(yù)處理方法,有效地濾除了噪聲,同時極大保留了原始信號的完整性,與兩種單一信號處理方法進行對比試驗,降噪結(jié)果驗證了該方法的有效性。提出一種基于多核優(yōu)化KPCA融合多特征集的性能退化指標(biāo)構(gòu)建方法,進一步解決了單一性能退化指標(biāo)不能全面反映滾動軸承性能退化趨勢、原始多維特征指標(biāo)信息冗余等問題,并通過實測滾動軸承全壽命數(shù)據(jù)獲得了具有敏感度高、退化趨勢反映全面的性能退化指標(biāo)。提出了基于超球體支持向量機的趨勢預(yù)測模型,對其核函數(shù)進行多核優(yōu)化,并采用改進的灰狼優(yōu)化算法對其參數(shù)進行尋優(yōu),構(gòu)建改進灰狼優(yōu)化算法-多核超球體支持向量機模型,進一步解決了振動數(shù)據(jù)因數(shù)據(jù)異構(gòu)、分布不均導(dǎo)致性能退化識別效果不佳等問題,通過實測滾動軸承全壽命數(shù)據(jù)對滾動軸承進行了準(zhǔn)確的性能退化趨勢預(yù)測。最后,基于以上研究成果,運用VC++軟件開發(fā)平臺,開發(fā)了滾動軸承性能退化趨勢預(yù)測系統(tǒng),從實際應(yīng)用角度證明了本文方法的有效性。通過對滾動軸承性能退化趨勢預(yù)測的研究,可提前預(yù)知其性能退化狀態(tài),避免因軸承故障而造成重大經(jīng)濟損失和災(zāi)難性事故的發(fā)生,對后續(xù)的預(yù)知維修和壽命預(yù)測具有重要的參考價值。
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TH133.33
【圖文】：

-2 4- explanation of principal component analysis( )1 12 11 22 21 21 2, ,...,ppp n np x x x xX X X x x = （。表示為1 2, ,...,pX X X 的線性組合 ， 記為 ：1 11 1 12 2 11 21 1 22 2 21 1 1 1 1p pp pp p pp p u X u X u X u X u X u X u X u X u X= + + += + + += + + + （

( ) ( )22, expgaussK x y = x y σ（) ( ) ( ) ( )221 , 1 1 expdpoly gauss= λ K + λ K = λ x y + + λ x yσ （polyK 為多項式核函數(shù)，gaussK 為高斯徑向基核函數(shù)；λ 為組合核函且 λ∈ [ 0,1]；d 為多項式核函數(shù)參數(shù)，且 d ∈ ( 0,3]；σ 為高斯徑。加權(quán)系數(shù)λ 進行權(quán)重調(diào)節(jié)，當(dāng) λ → 1時，多項式核函數(shù)占據(jù)更大數(shù)表現(xiàn)出全局泛化的性能；而 λ → 0時，高斯核函數(shù)占據(jù)更大數(shù)表現(xiàn)出局部擬合性能。能退化指標(biāo)的構(gòu)建 MK-KPCA 的滾動軸承性能退化指標(biāo)的獲取流程如圖 3-2 所示域、頻域及時頻域分析方法對振動信號進行處理，構(gòu)建多特征集CA 方法對多特征集進行約簡，從而獲得反映滾動軸承性能退化指標(biāo)。

【參考文獻】

相關(guān)期刊論文 前10條

1 曾鳴;楊宇;鄭近德;程軍圣;;μ-SVD降噪算法及其在齒輪故障診斷中的應(yīng)用[J];機械工程學(xué)報;2015年03期

2 劉韜;陳進;董廣明;;KPCA和耦合隱馬爾科夫模型在軸承故障診斷中的應(yīng)用[J];振動與沖擊;2014年21期

3 黃浩;呂勇;肖涵;袁銳;;基于EEMD與形態(tài)濾波的滾動軸承故障診斷方法研究[J];武漢科技大學(xué)學(xué)報;2014年05期

4 康守強;鄭建禹;王玉靜;梁欣濤;謝金寶;王志偉;;基于小波包相關(guān)頻帶譜能量熵的滾動軸承性能退化評估方法[J];中國科技論文;2014年10期

5 何群;李磊;江國乾;謝平;;基于PCA和多變量極限學(xué)習(xí)機的軸承剩余壽命預(yù)測[J];中國機械工程;2014年07期

6 胡振邦;許睦旬;姜歌東;張東升;;基于小波降噪和短時傅里葉變換的主軸突加不平衡非平穩(wěn)信號分析[J];振動與沖擊;2014年05期

7 唐貴基;王曉龍;;基于EEMD降噪和1.5維能量譜的滾動軸承故障診斷研究[J];振動與沖擊;2014年01期

8 陽子婧;蔡力鋼;高立新;;自適應(yīng)冗余提升小波降噪分析及軸承故障識別應(yīng)用[J];振動與沖擊;2013年07期

9 陳榮;梁昌勇;謝福偉;;基于SVR的非線性時間序列預(yù)測方法應(yīng)用綜述[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2013年03期

10 徐鵬;姜鳳茹;;基于蟻群優(yōu)化支持向量機的短時交通流量預(yù)測[J];計算機應(yīng)用與軟件;2013年03期

相關(guān)博士學(xué)位論文 前5條

1 呂中亮;基于變分模態(tài)分解與優(yōu)化多核支持向量機的旋轉(zhuǎn)機械早期故障診斷方法研究[D];重慶大學(xué);2016年

2 沈長青;旋轉(zhuǎn)機械設(shè)備關(guān)鍵部件故障診斷與預(yù)測方法研究[D];中國科學(xué)技術(shù)大學(xué);2014年

3 董紹江;基于優(yōu)化支持向量機的空間滾動軸承壽命預(yù)測方法研究[D];重慶大學(xué);2012年

4 陳仁祥;振動譜表征空間滾動軸承壽命狀態(tài)方法研究[D];重慶大學(xué);2012年

5 謝啟偉;經(jīng)驗?zāi)Ｊ椒纸馑惴ǚ治龊蛻?yīng)用[D];中國科學(xué)技術(shù)大學(xué);2008年

相關(guān)碩士學(xué)位論文 前8條

1 陳官林;基于數(shù)據(jù)融合LSSVM的滾動軸承剩余壽命預(yù)測[D];西南交通大學(xué);2017年

2 陳云壯;基于量子過程神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機械健康狀態(tài)預(yù)測研究[D];哈爾濱理工大學(xué);2017年

3 許迪;基于磷蝦群算法的SVR滾動軸承性能衰退預(yù)測研究[D];哈爾濱理工大學(xué);2017年

4 喬元英;基于時頻分析的滾動軸承故障診斷方法研究[D];大連理工大學(xué);2016年

5 王龍勝;自適應(yīng)數(shù)學(xué)形態(tài)學(xué)在軸承故障診斷中的應(yīng)用研究[D];武漢科技大學(xué);2015年

6 張朋波;多尺度形態(tài)學(xué)在振動信號處理中的應(yīng)用研究[D];華北電力大學(xué);2014年

7 王建利;滾動軸承性能退化評價與趨勢預(yù)測研究[D];大連理工大學(xué);2013年

8 孫敬敬;數(shù)學(xué)形態(tài)學(xué)在振動信號處理中的應(yīng)用研究[D];華北電力大學(xué);2012年

本文編號：2726851