【摘要】：滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械中的重要部件之一,復(fù)雜的工作環(huán)境及運(yùn)行狀態(tài),導(dǎo)致其極易受損,進(jìn)而影響機(jī)械的運(yùn)轉(zhuǎn)。滾動(dòng)軸承剩余使用壽命(RUL)預(yù)測(cè)可為預(yù)防性維修決策提供理論依據(jù),提前為故障維修制定良好的方案,從而提高整個(gè)機(jī)械設(shè)備的運(yùn)行周期和避免事故的發(fā)生。數(shù)據(jù)驅(qū)動(dòng)方法是滾動(dòng)軸承RUL預(yù)測(cè)的有效方法之一,主要包括數(shù)據(jù)獲取、特征處理以及RUL預(yù)測(cè)三部分。論文以建立滾動(dòng)軸承RUL預(yù)測(cè)方法為主線(xiàn),從特征提取、RUL預(yù)測(cè)兩方面逐步展開(kāi)研究。特征提取方面,為全面準(zhǔn)確地表征滾動(dòng)軸承的性能退化趨勢(shì),首先使用五點(diǎn)三次平滑法對(duì)原始振動(dòng)信號(hào)進(jìn)行平滑處理,消減原始振動(dòng)信號(hào)中干擾噪聲成分。再采用變分模態(tài)分解(VMD)將平滑后的原始振動(dòng)信號(hào)分解為若干模態(tài),提取每個(gè)模態(tài)的時(shí)域、頻域特征,最后構(gòu)建原始特征集。針對(duì)不同滾動(dòng)軸承不同特征幅值范圍不一致的問(wèn)題,研究相似性度量方法,并對(duì)構(gòu)造的特征集歸一化和降維處理。同時(shí)為得到具有單調(diào)性、穩(wěn)定性和相似性的特征,提出一種全新的循環(huán)增強(qiáng)特征(CEF),作為軸承的性能退化特征。經(jīng)實(shí)驗(yàn)對(duì)比驗(yàn)證了所提CEF特征的有效性。RUL預(yù)測(cè)模型方面,包括構(gòu)建核極限學(xué)習(xí)機(jī)(KELM)預(yù)測(cè)模型和集成KELM預(yù)測(cè)模型兩部分。針對(duì)單一預(yù)測(cè)模型存在預(yù)測(cè)誤差較大的問(wèn)題,提出基于隨機(jī)森林(RF)的集成KELM預(yù)測(cè)模型。將多滾動(dòng)軸承的CEF輸入到多個(gè)KELM中,由RF集成算法構(gòu)建強(qiáng)預(yù)測(cè)器模型KELM-RF,進(jìn)而預(yù)測(cè)未來(lái)失效時(shí)間并計(jì)算RUL。為使得到的RUL更加準(zhǔn)確,利用二階指數(shù)平滑法對(duì)當(dāng)前壽命進(jìn)行擬合,預(yù)測(cè)出未來(lái)各點(diǎn)壽命趨勢(shì)。實(shí)驗(yàn)結(jié)果表明,所提方法與單一極限學(xué)習(xí)機(jī)(ELM)和傳統(tǒng)的集成方法相比較具有更高的預(yù)測(cè)準(zhǔn)確率。
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TH133.33
【圖文】：

圖 2-1 軸承 1_1 振動(dòng)信號(hào) VMD 圖Fig. 2-1 VMD diagram of vibration signal of bearing 1_1MD 是將信號(hào)分解轉(zhuǎn)換為一種求解非遞歸變分問(wèn)題的方法。VMD定的魯棒性，并且可以將中心頻率相似的兩個(gè)模態(tài)分量有效的分

圖 2-2 軸承 1_1RMS 五點(diǎn)平滑法前后對(duì)比Fig. 2-2 RMS comparison before and after five-point smoothing method for the bearing 1_假設(shè)軸承的原始振動(dòng)信號(hào)有 n 個(gè)樣本，經(jīng)過(guò) VMD 后利用公式(2-11)至(2別提取敏感 BIMF 分量的 7 個(gè)時(shí)域特征指標(biāo)和 17 個(gè)頻域特征指標(biāo)，構(gòu)成原征集，如式(2-36)和(2-37)所示：

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張雪英;張樂(lè);孫穎;張衛(wèi);;基于KELM決策融合的語(yǔ)音情感識(shí)別[J];電子技術(shù)應(yīng)用;2017年08期

2 李軍;石青;;基于KELM的連續(xù)攪拌反應(yīng)釜模型辨識(shí)[J];控制工程;2017年10期

3 吳越;陳志聰;吳麗君;林培杰;;基于KELM的光伏組件故障診斷方法[J];電源技術(shù);2018年04期

4 胡夢(mèng)月;胡志堅(jiān);仉夢(mèng)林;傅晨宇;;基于改進(jìn)AdaBoost.RT和KELM的風(fēng)功率預(yù)測(cè)方法研究[J];電網(wǎng)技術(shù);2017年02期

5 楊蘊(yùn);宋健;朱琳;吳劍鋒;王錦國(guó);;基于KELM地面沉降替代模型的地下水多目標(biāo)管理模型研究[J];南京大學(xué)學(xué)報(bào)(自然科學(xué));2019年03期

6 謝國(guó)民;黃睿靈;丁會(huì)巧;;基于VMD樣本熵和KELM的輸電線(xiàn)路故障診斷[J];電子測(cè)量與儀器學(xué)報(bào);2019年05期

7 吳憲;崔亞男;代以;曹曉;;基于KELM的軸承故障診斷方法[J];內(nèi)江科技;2018年12期

8 王冬梅;車(chē)一鳴;宋慧欣;;基于多尺度基本熵和參數(shù)優(yōu)化KELM的電機(jī)軸承故障診斷[J];組合機(jī)床與自動(dòng)化加工技術(shù);2018年04期

9 杜幫俊;陸慧娟;嚴(yán)珂;鄭文斌;;PSO和Cholesky分解的KELM的基因表達(dá)數(shù)據(jù)分類(lèi)[J];中國(guó)計(jì)量學(xué)院學(xué)報(bào);2016年02期

10 曹文彬;王先培;田猛;趙樂(lè);姚鴻泰;趙浩程;;基于KELM和AT的SF_6變壓器故障診斷[J];變壓器;2018年12期

相關(guān)會(huì)議論文 前2條

1 寧春霞;杜大軍;;基于KELM的風(fēng)電功率預(yù)測(cè)誤差估計(jì)研究[A];第17屆中國(guó)系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會(huì)論文集（17th CCSSTA 2016）[C];2016年

2 張衛(wèi);張雪英;何淑琳;;人工蜂群算法用于優(yōu)化KELM參數(shù)的研究及應(yīng)用[A];第十三屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議(NCMMSC2015)論文集[C];2015年

相關(guān)碩士學(xué)位論文 前3條

1 孫良棚;基于CEF和集成KELM的滾動(dòng)軸承RUL預(yù)測(cè)方法研究[D];哈爾濱理工大學(xué);2019年

2 張樂(lè);面向語(yǔ)音情感識(shí)別的IMFE特征提取算法和融合KELM識(shí)別算法研究[D];太原理工大學(xué);2017年

3 譚江慧;基于KELM的靜態(tài)手勢(shì)識(shí)別[D];華南理工大學(xué);2017年

本文編號(hào)：2728516