滾動軸承作為旋轉機械中十分重要的零部件,在工程機械、航空航天等現(xiàn)代工業(yè)中得到了廣泛應用。而在連續(xù)處于高負荷、變工況的運行狀態(tài)下,滾動軸承性能的不斷衰退易誘發(fā)整個設備系統(tǒng)故障的產(chǎn)生與惡化,導致不同程度的經(jīng)濟損失、環(huán)境污染甚至是人員傷亡。因此滾動軸承的運行狀態(tài)對設備的安全運行具有重要影響,針對其的狀態(tài)監(jiān)測和故障趨勢預測具有重大意義。本文以滾動軸承為研究對象,通過采集振動信號,提取時域、頻域、時頻域特征變量,圍繞LS-SVM及改進模型進行了故障趨勢預測方法研究與分析,與傳統(tǒng)神經(jīng)網(wǎng)絡進行對比,LS-SVM及改進模型在趨勢預測中具有更高的預測精度,具體內(nèi)容如下:（1）針對傳統(tǒng)LS-SVM單步預測模型預測時間短,無法得到足夠的未來發(fā)展趨勢等問題,提出了基于迭代更新的多步預測模型。在傳統(tǒng)LS-SVM單步預測模型的基礎上,利用預測值重新構造訓練樣本對,同時引入迭代更新算法,利用預測值對模型參數(shù)重新優(yōu)化修正,實現(xiàn)模型的不斷更新,能夠有效降低誤差累積導致的預測精度下降等問題。以滾動軸承振動信號為研究對象,對比傳統(tǒng)預測方法,驗證了提出方法的有效性。（2）針對單變量預測結構簡單、信息匱乏,不能充分描述軸承退化... 

【文章來源】：北京化工大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：98 頁

【學位級別】：碩士

【文章目錄】：
學位論文數(shù)據(jù)集
摘要
ABSTRACT
第一章 緒論
    1.1 課題來源
    1.2 國內(nèi)外研究發(fā)展與現(xiàn)狀
        1.2.1 故障趨勢預測國內(nèi)外研究發(fā)展
        1.2.2 支持向量機基本原理與發(fā)展概述
    1.3 問題提出
    1.4 主要研究內(nèi)容及論文結構
        1.4.1 主要研究內(nèi)容
        1.4.2 論文結構安排
第二章 基于標準LS-SVM的軸承退化預測方法
    2.1 統(tǒng)計學習理論
        2.1.1 機器學習基本介紹
        2.1.2 統(tǒng)計學習理論介紹
    2.2 LS-SVM預測算法
        2.2.1 算法原理概述
        2.2.2 仿真實驗
    2.3 基于LS-SVM的單步預測
        2.3.1 軸承故障試驗臺
        2.3.2 性能衰退指標選取
        2.3.3 耦合模擬退火算法
        2.3.4 實驗對比分析
    2.4 基于LS-SVM的多步預測
        2.4.1 多步預測方法概述
        2.4.2 迭代更新預測與比較
    2.5 本章小結
第三章 基于時移多變量LS-SVM軸承退化預測方法
    3.1 多變量LS-SVM介紹
        3.1.1 多變量LS-SVM原理
        3.1.2 仿真試驗
    3.2 特征變量選取
        3.2.1 特征變量種類及計算方法
        3.2.2 特征變量選取方法
    3.3 基于時移多變量LS-SVM預測模型
        3.3.1 模型樣本對構造
        3.3.2 移動窗口迭代更新
    3.4 故障預測實驗
        3.4.1 試驗臺介紹
        3.4.2 實驗對比與分析
    3.5 本章小結
第四章 基于過程時移多變量LS-SVM軸承退化預測方法
    4.1 過程LS-SVM介紹
        4.1.1 過程LS-SVM機理分析
        4.1.2 過程LS-SVM核函數(shù)研究
        4.1.3 過程LS-SVM預測模型建立
    4.2 混沌時間序列仿真實驗
    4.3 過程時移多變量LS-SVM預測模型
        4.3.1 多變量分解與樣本對構造
        4.3.2 模型迭代更新
    4.4 實驗對比與分析
    4.5 本章小結
第五章 結論與展望
    5.1 全文工作總結
    5.2 研究展望
參考文獻
致謝
已發(fā)表的學術論文
作者和導師簡介
附錄


【參考文獻】：
期刊論文
[1]基于無量綱指標與波譜分析的滾動軸承故障診斷[J]. 陳俊君,徐冰.  機械設計與研究. 2015(04)
[2]基于支持過程向量機的航空發(fā)動機排氣溫度預測[J]. 于廣濱,丁剛,姚威,黃龍.  電機與控制學報. 2013(08)
[3]基于相對特征和多變量支持向量機的滾動軸承剩余壽命預測[J]. 申中杰,陳雪峰,何正嘉,孫闖,張小麗,劉治汶.  機械工程學報. 2013(02)
[4]基于留一交叉驗證的類不平衡危害預評估策略[J]. 于化龍,倪軍,徐森.  小型微型計算機系統(tǒng). 2012(10)
[5]基于信號預處理和Hilbert變換的滾動軸承故障診斷[J]. 楊超,李亦滔.  華東交通大學學報. 2012(04)
[6]灰色關聯(lián)分析的神經(jīng)網(wǎng)絡模型在軸承故障預測中的應用[J]. 徐微,劉文彬,周敏,楊劍鋒,興城宏.  軸承. 2012(08)
[7]基于改進的網(wǎng)格搜索法的SVM參數(shù)優(yōu)化[J]. 王健峰,張磊,陳國興,何學文.  應用科技. 2012(03)
[8]旋轉機械的故障預測方法綜述[J]. 馬潔,徐小力,周東華.  自動化儀表. 2011(08)
[9]一種預測煤灰變形溫度的新方法[J]. 徐志明,趙永萍,文孝強,程鵬,袁帥.  中國電機工程學報. 2011(17)
[10]機械重大裝備壽命預測綜述[J]. 張小麗,陳雪峰,李兵,何正嘉.  機械工程學報. 2011(11)

博士論文
[1]支持向量機回歸算法與應用研究[D]. 李海生.華南理工大學 2005



本文編號：2902710