滾動(dòng)軸承作為旋轉(zhuǎn)機(jī)械中十分重要的零部件,在工程機(jī)械、航空航天等現(xiàn)代工業(yè)中得到了廣泛應(yīng)用。而在連續(xù)處于高負(fù)荷、變工況的運(yùn)行狀態(tài)下,滾動(dòng)軸承性能的不斷衰退易誘發(fā)整個(gè)設(shè)備系統(tǒng)故障的產(chǎn)生與惡化,導(dǎo)致不同程度的經(jīng)濟(jì)損失、環(huán)境污染甚至是人員傷亡。因此滾動(dòng)軸承的運(yùn)行狀態(tài)對(duì)設(shè)備的安全運(yùn)行具有重要影響,針對(duì)其的狀態(tài)監(jiān)測(cè)和故障趨勢(shì)預(yù)測(cè)具有重大意義。本文以滾動(dòng)軸承為研究對(duì)象,通過(guò)采集振動(dòng)信號(hào),提取時(shí)域、頻域、時(shí)頻域特征變量,圍繞LS-SVM及改進(jìn)模型進(jìn)行了故障趨勢(shì)預(yù)測(cè)方法研究與分析,與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)進(jìn)行對(duì)比,LS-SVM及改進(jìn)模型在趨勢(shì)預(yù)測(cè)中具有更高的預(yù)測(cè)精度,具體內(nèi)容如下:（1）針對(duì)傳統(tǒng)LS-SVM單步預(yù)測(cè)模型預(yù)測(cè)時(shí)間短,無(wú)法得到足夠的未來(lái)發(fā)展趨勢(shì)等問(wèn)題,提出了基于迭代更新的多步預(yù)測(cè)模型。在傳統(tǒng)LS-SVM單步預(yù)測(cè)模型的基礎(chǔ)上,利用預(yù)測(cè)值重新構(gòu)造訓(xùn)練樣本對(duì),同時(shí)引入迭代更新算法,利用預(yù)測(cè)值對(duì)模型參數(shù)重新優(yōu)化修正,實(shí)現(xiàn)模型的不斷更新,能夠有效降低誤差累積導(dǎo)致的預(yù)測(cè)精度下降等問(wèn)題。以滾動(dòng)軸承振動(dòng)信號(hào)為研究對(duì)象,對(duì)比傳統(tǒng)預(yù)測(cè)方法,驗(yàn)證了提出方法的有效性。（2）針對(duì)單變量預(yù)測(cè)結(jié)構(gòu)簡(jiǎn)單、信息匱乏,不能充分描述軸承退化... 

【文章來(lái)源】：北京化工大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：98 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
學(xué)位論文數(shù)據(jù)集
摘要
ABSTRACT
第一章 緒論
    1.1 課題來(lái)源
    1.2 國(guó)內(nèi)外研究發(fā)展與現(xiàn)狀
        1.2.1 故障趨勢(shì)預(yù)測(cè)國(guó)內(nèi)外研究發(fā)展
        1.2.2 支持向量機(jī)基本原理與發(fā)展概述
    1.3 問(wèn)題提出
    1.4 主要研究?jī)?nèi)容及論文結(jié)構(gòu)
        1.4.1 主要研究?jī)?nèi)容
        1.4.2 論文結(jié)構(gòu)安排
第二章 基于標(biāo)準(zhǔn)LS-SVM的軸承退化預(yù)測(cè)方法
    2.1 統(tǒng)計(jì)學(xué)習(xí)理論
        2.1.1 機(jī)器學(xué)習(xí)基本介紹
        2.1.2 統(tǒng)計(jì)學(xué)習(xí)理論介紹
    2.2 LS-SVM預(yù)測(cè)算法
        2.2.1 算法原理概述
        2.2.2 仿真實(shí)驗(yàn)
    2.3 基于LS-SVM的單步預(yù)測(cè)
        2.3.1 軸承故障試驗(yàn)臺(tái)
        2.3.2 性能衰退指標(biāo)選取
        2.3.3 耦合模擬退火算法
        2.3.4 實(shí)驗(yàn)對(duì)比分析
    2.4 基于LS-SVM的多步預(yù)測(cè)
        2.4.1 多步預(yù)測(cè)方法概述
        2.4.2 迭代更新預(yù)測(cè)與比較
    2.5 本章小結(jié)
第三章 基于時(shí)移多變量LS-SVM軸承退化預(yù)測(cè)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(yàn)
    3.2 特征變量選取
        3.2.1 特征變量種類及計(jì)算方法
        3.2.2 特征變量選取方法
    3.3 基于時(shí)移多變量LS-SVM預(yù)測(cè)模型
        3.3.1 模型樣本對(duì)構(gòu)造
        3.3.2 移動(dòng)窗口迭代更新
    3.4 故障預(yù)測(cè)實(shí)驗(yàn)
        3.4.1 試驗(yàn)臺(tái)介紹
        3.4.2 實(shí)驗(yàn)對(duì)比與分析
    3.5 本章小結(jié)
第四章 基于過(guò)程時(shí)移多變量LS-SVM軸承退化預(yù)測(cè)方法
    4.1 過(guò)程LS-SVM介紹
        4.1.1 過(guò)程LS-SVM機(jī)理分析
        4.1.2 過(guò)程LS-SVM核函數(shù)研究
        4.1.3 過(guò)程LS-SVM預(yù)測(cè)模型建立
    4.2 混沌時(shí)間序列仿真實(shí)驗(yàn)
    4.3 過(guò)程時(shí)移多變量LS-SVM預(yù)測(cè)模型
        4.3.1 多變量分解與樣本對(duì)構(gòu)造
        4.3.2 模型迭代更新
    4.4 實(shí)驗(yàn)對(duì)比與分析
    4.5 本章小結(jié)
第五章 結(jié)論與展望
    5.1 全文工作總結(jié)
    5.2 研究展望
參考文獻(xiàn)
致謝
已發(fā)表的學(xué)術(shù)論文
作者和導(dǎo)師簡(jiǎn)介
附錄


【參考文獻(xiàn)】：
期刊論文
[1]基于無(wú)量綱指標(biāo)與波譜分析的滾動(dòng)軸承故障診斷[J]. 陳俊君,徐冰.  機(jī)械設(shè)計(jì)與研究. 2015(04)
[2]基于支持過(guò)程向量機(jī)的航空發(fā)動(dòng)機(jī)排氣溫度預(yù)測(cè)[J]. 于廣濱,丁剛,姚威,黃龍.  電機(jī)與控制學(xué)報(bào). 2013(08)
[3]基于相對(duì)特征和多變量支持向量機(jī)的滾動(dòng)軸承剩余壽命預(yù)測(cè)[J]. 申中杰,陳雪峰,何正嘉,孫闖,張小麗,劉治汶.  機(jī)械工程學(xué)報(bào). 2013(02)
[4]基于留一交叉驗(yàn)證的類不平衡危害預(yù)評(píng)估策略[J]. 于化龍,倪軍,徐森.  小型微型計(jì)算機(jī)系統(tǒng). 2012(10)
[5]基于信號(hào)預(yù)處理和Hilbert變換的滾動(dòng)軸承故障診斷[J]. 楊超,李亦滔.  華東交通大學(xué)學(xué)報(bào). 2012(04)
[6]灰色關(guān)聯(lián)分析的神經(jīng)網(wǎng)絡(luò)模型在軸承故障預(yù)測(cè)中的應(yīng)用[J]. 徐微,劉文彬,周敏,楊劍鋒,興城宏.  軸承. 2012(08)
[7]基于改進(jìn)的網(wǎng)格搜索法的SVM參數(shù)優(yōu)化[J]. 王健峰,張磊,陳國(guó)興,何學(xué)文.  應(yīng)用科技. 2012(03)
[8]旋轉(zhuǎn)機(jī)械的故障預(yù)測(cè)方法綜述[J]. 馬潔,徐小力,周東華.  自動(dòng)化儀表. 2011(08)
[9]一種預(yù)測(cè)煤灰變形溫度的新方法[J]. 徐志明,趙永萍,文孝強(qiáng),程鵬,袁帥.  中國(guó)電機(jī)工程學(xué)報(bào). 2011(17)
[10]機(jī)械重大裝備壽命預(yù)測(cè)綜述[J]. 張小麗,陳雪峰,李兵,何正嘉.  機(jī)械工程學(xué)報(bào). 2011(11)

博士論文
[1]支持向量機(jī)回歸算法與應(yīng)用研究[D]. 李海生.華南理工大學(xué) 2005



本文編號(hào)：2902710