滾動軸承作為旋轉(zhuǎn)機械中重要的部件,其運行狀態(tài)的健康與否直接關(guān)系到機械設(shè)備的穩(wěn)定安全,因此對軸承進行故障診斷和性能退化評估意義重大。本文以滾動軸承為研究對象,提出核函數(shù)特征矩陣聯(lián)合近似對角化(Kernel Joint Approximate Diagonalization of Eigen-matrices,KJADE)特征融合方法,并結(jié)合其它信號處理方法和機器學習方法,分別對滾動軸承的特征提取、故障識別、性能退化評估等問題進行了研究。本文首先對KJADE特征融合算法的理論進行研究,其以一維或多維信號作為處理對象,從不同域提取信號的原始特征集,并經(jīng)過非線性函數(shù)將其映射到高維特征空間,從而使得低維空間中存在的線性不可分問題轉(zhuǎn)變成高維空間中的線性可分問題。然后引入核函數(shù)的思想代替高維特征空間中復雜的內(nèi)積計算并得到核矩陣,計算其四階累積量矩陣并進行特征分解,從而得到非線性低維敏感特征。該特征分布消除了原始特征間的相關(guān)性和冗余性,較于傳統(tǒng)的線性JADE方法,該算法對非線性信號擁有更好的適用性。在軸承的故障識別中,首先從時域、頻域和時頻域?qū)φ駝有盘柕奶卣鲄?shù)進行計算并組成原始多域特征集,然后使用KJADE算法提取更為穩(wěn)健有效的低維特征。主要研究了基于KJADE的低維非線性特征融合技術(shù),通過對多類軸承故障振動信號進行特征提取,以及與其他典型降維方法的比較結(jié)果,得出本文所提取的低維特征在特征空間內(nèi)具有非常好的聚類效果。并研究KJADE特征子空間的構(gòu)建,并作為支持向量機(Support Vector Machine,SVM)的學習樣本,實現(xiàn)對軸承的故障識別�；趦深惸Ｐ涂梢杂行гu估故障樣本與健康樣本之間的差異性,對軸承的性能退化評估進行了研究。利用KJADE對滾動軸承的全壽命振動信號進行低維特征指標的提取,獲得能夠反映軸承性能退的敏感屬性。主要研究了基于KJADE和兩類模型的性能退化指標提取技術(shù),并獲得了更為穩(wěn)健單調(diào)的評估指標,其對于早期故障的發(fā)現(xiàn)也更為及時有效。在此基礎(chǔ)上研究了極限學習機(Extreme Learning Machine,ELM)在軸承性能退化趨勢預測上的應(yīng)用,通過對退化指標的歷史數(shù)據(jù)進行學習,能夠較好的實現(xiàn)對下一時刻軸承狀態(tài)的預測。此外,上述研究和分析是建立在凱斯西儲大學軸承實驗數(shù)據(jù)、Cincinnati大學智能維護中心的滾動軸承全壽命振動數(shù)據(jù)和本文作者所在實驗室所采集到的軸承疲勞實驗數(shù)據(jù)基礎(chǔ)之上。本文研究表明,KJADE特征融合方法能夠提取反映軸承運行狀態(tài)的有效敏感特征,對軸承的故障識別和性能退化評估都具有非常重要的意義。
【學位授予單位】：安徽大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TH133.3

【相似文獻】

相關(guān)期刊論文 前10條

1 彭寶華;周經(jīng)倫;劉學敏;;元器件性能退化信息的系統(tǒng)性能可靠性評估[J];火力與指揮控制;2011年10期

2 胡昌華;胡錦濤;張偉;平振海;;支持向量機用于性能退化的可靠性評估[J];系統(tǒng)工程與電子技術(shù);2009年05期

3 蔡靜;王玉梅;;基于Wiener過程的性能退化產(chǎn)品可靠性評估[J];湖南理工學院學報(自然科學版);2012年02期

4 王劍;劉西拉;;結(jié)構(gòu)性能退化的評估和貝葉斯動態(tài)預測[J];巖石力學與工程學報;2007年S1期

5 潘玉娜;陳進;李興林;;基于模糊c-均值的設(shè)備性能退化評估方法[J];上海交通大學學報;2009年11期

6 華成;張慶;徐光華;謝俊;李淑智;;動態(tài)概率模型跟蹤性能退化的實時可靠性評估方法[J];西安交通大學學報;2010年01期

7 李偉;王華偉;孫紹輝;;基于性能退化數(shù)據(jù)的可靠性建模分析[J];飛機設(shè)計;2014年02期

8 王立;于重重;施彥;張慧妍;;基于振動信號分析的電機性能退化特征提取[J];計算機仿真;2014年04期

9 何英;周東華;俞容;;一種基于性能退化數(shù)據(jù)的電子設(shè)備緩變故障預報方法[J];儀器儀表學報;2008年07期

10 張佳;張偉;梅冰;;系統(tǒng)性能退化與可靠性評估[J];戰(zhàn)術(shù)導彈技術(shù);2011年06期

相關(guān)博士學位論文 前9條

1 李業(yè)波;智能航空發(fā)動機性能退化緩解控制技術(shù)研究[D];南京航空航天大學;2014年

2 袁容;基于性能退化分析的可靠性方法研究[D];電子科技大學;2015年

3 張彬;數(shù)據(jù)驅(qū)動的機械設(shè)備性能退化建模與剩余壽命預測研究[D];北京科技大學;2016年

4 郝會兵;基于貝葉斯更新與Copula理論的性能退化可靠性建模與評估方法研究[D];東南大學;2016年

5 郭磊;基于核模式分析方法的旋轉(zhuǎn)機械性能退化評估技術(shù)研究[D];上海交通大學;2009年

6 趙建印;基于性能退化數(shù)據(jù)的可靠性建模與應(yīng)用研究[D];國防科學技術(shù)大學;2005年

7 林遲;基于結(jié)構(gòu)全壽命設(shè)計需求的環(huán)境作用與結(jié)構(gòu)性能退化研究[D];哈爾濱工業(yè)大學;2010年

8 薛鵬飛;預應(yīng)力混凝土連續(xù)剛構(gòu)橋結(jié)構(gòu)性能退化預測評估研究[D];浙江大學;2009年

9 潘玉娜;滾動軸承的性能退化特征提取及評估方法研究[D];上海交通大學;2011年

相關(guān)碩士學位論文 前10條

1 郭琦;基于性能退化數(shù)據(jù)的可靠性評估方法研究[D];華南理工大學;2015年

2 魏郁昆;系統(tǒng)可靠性分析中環(huán)境因子評估方法研究及軟件實現(xiàn)[D];電子科技大學;2014年

3 周楊;滾動軸承性能退化評估技術(shù)研究[D];電子科技大學;2014年

4 劉帥君;基于性能退化數(shù)據(jù)的航空發(fā)動機剩余壽命預測[D];電子科技大學;2015年

5 李卉;基于狀態(tài)監(jiān)測的滾動軸承性能退化評估[D];大連工業(yè)大學;2015年

6 王丹丹;列車滾動軸承性能退化評估方法研究[D];北京交通大學;2016年

7 周楓;基于大數(shù)據(jù)的航天器性能退化分析方法[D];南京航空航天大學;2015年

8 徐清瑤;基于支持向量數(shù)據(jù)描述的滾動軸承性能退化評估[D];華東交通大學;2015年

9 翁柳青;考慮傳感器性能退化的結(jié)構(gòu)損傷檢測[D];福州大學;2013年

10 張揚;材料性能退化對混凝土橋梁安全的影響及對策研究[D];西南交通大學;2016年

本文編號：2758679