滾動軸承是旋轉機械設備中最常見的部件之一,其運行狀態(tài)的好壞直接影響到整個設備的工作性能。由于受到載荷、安裝、潤滑等因素的影響,滾動軸承在工作過程中故障率較高。因此,如何實現(xiàn)對滾動軸承故障的有效預測,對于盡早發(fā)現(xiàn)旋轉機械設備的故障苗頭,減少或杜絕重大事故的發(fā)生以及降低維修成本具有重要意義。 本文針對滾動軸承的故障預測問題,在分析其故障機理和演化規(guī)律的基礎上,開展了基于隱半馬爾可夫模型(Hidden Semi-Markov Models,HSMM)的滾動軸承故障預測技術研究。論文主要內(nèi)容包括: (1)滾動軸承的故障機理分析與故障演化建模 系統(tǒng)地分析了滾動軸承的故障演化機理。在對滾動軸承正常狀態(tài)和故障狀態(tài)的特征頻率進行分析的基礎上,建立了基于隱半馬爾可夫模型的滾動軸承故障演化趨勢模型,對滾動軸承全壽命過程中各個退化狀態(tài)的駐留時間和狀態(tài)轉移概率進行了合理描述。 (2)基于小波能譜熵的滾動軸承故障預測特征提取方法 針對滾動軸承故障預測特征信息提取難的問題,提出了基于小波能譜熵的滾動軸承故障預測特征提取方法。驗證結果表明,該方法所提取的小波能譜熵評判指標,可以較好地描述滾動軸承的全壽命過程中的故障演化趨勢。 (3)基于隱半馬爾可夫模型的滾動軸承故障預測方法 針對隱半馬爾可夫模型算法中存在的參數(shù)設置不確定性、多樣本訓練下溢等問題,深入研究了隱半馬爾可夫模型的改進算法。在此基礎上,提出了以小波能譜熵為預測特征信息的隱半馬爾可夫模型故障預測方法。 (4)實驗方案設計與實驗驗證 以滾動軸承實驗臺為對象,設計了故障預測的實驗方案,并通過實驗驗證了本文所研究的基于隱半馬爾可夫模型的滾動軸承故障預測方法,結果表明,該方法可以較準確的實現(xiàn)對滾動軸承的故障預測,具有良好的可行性和有效性。
【學位單位】：國防科學技術大學
【學位級別】：碩士
【學位年份】：2008
【中圖分類】：TH133.33;TH165.3
【部分圖文】：

觀察向量序列 O=[O(1),O(2),…,O(k),…,O(K)]每個狀態(tài)可能包含的高斯元個數(shù)代表多高斯概率密度函數(shù)（正態(tài)分布）第 j 狀態(tài)第 g 個混合高斯權重第 j 狀態(tài)第 g 個混合高斯的均值第j 狀態(tài)第 g 個混合高斯方差矩陣表 4.3 狀態(tài)持續(xù)時間概率密度函數(shù)中的參數(shù)描述說明狀態(tài)持續(xù)時間單元最大狀態(tài)持續(xù)時間單元代表單高斯概率密度函數(shù)（正態(tài)分布）第 j 狀態(tài)持續(xù)時間的均值第 j 狀態(tài)第持續(xù)時間的方差

圖 1.1 課題研究思路文組織安排文結構安排如下：章，總結了課題研究的目的及意義，綜述了滾動軸承的狀態(tài)識別技技術的發(fā)展概況，并分析了當前的研究需求，明確了本文的研究對技術路線。章，分析并總結了滾動軸承的主要故障模式、產(chǎn)生機理、表現(xiàn)特征利用 HSMM 的建模方法對滾動軸承的全壽命趨勢進行了描述，論證 的滾動軸承故障演化趨勢建模方法的有效性。章，簡單介紹了小波能譜熵的相關概念和基本理論，研究了基于小障預測特征提取方法，以滾動軸承為例，驗證了該方法的有效性。章，介紹了 HSMM 的基本理論和算法，針對實際應用中存在的主要問應的改進措施，在此基礎上，深入研究了基于 HSMM 的滾動軸承退法和故障預測方法。

由于發(fā)現(xiàn)不及時往往引起設備停機或設備損壞，造成生產(chǎn)上不應有的損承失效形式較多，可能的故障種類有磨損、疲勞剝落、腐蝕、塑性變形膠合、保持架損壞等。從實踐中可知，滾動軸承的故障大部分可歸結為化，進而使振動加劇。這些故障引起的振動特征表現(xiàn)在振動信號中存在沖。在時域中，沖擊使信號的均值、方差等發(fā)生變化；在頻域中，信號明顯增多，信號的能量分布發(fā)生變化。動軸承的狀態(tài)監(jiān)測與預測一直是機械故障預測技術的主要內(nèi)容。據(jù)統(tǒng)計的旋轉機械故障是由于滾動軸承的損壞引起的。由于滾動軸承的振動信明顯的表征故障特征，很多軸承的狀態(tài)監(jiān)測和故障預測的方法都是建立信號的分析基礎上的。因此，本章主要從滾動軸承振動信號的特征分析過 HSMM 的建模方法描述滾動軸承的故障演化趨勢。2.2 滾動軸承振動信號的基本特征動軸承的基本結構

【引證文獻】

相關期刊論文 前2條

1 卓東風;原媛;;小波包變換和隱馬爾科夫模型(HMM)在液壓系統(tǒng)故障預測中的應用[J];山西大學學報(自然科學版);2013年03期

2 宋彪;王旭;;飛機視情維修的應用現(xiàn)狀及發(fā)展[J];中國民航大學學報;2012年05期

相關碩士學位論文 前2條

1 趙長生;滾動軸承故障特征增強方法與狀態(tài)預測研究[D];大連理工大學;2010年

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

本文編號：2812422