滾動軸承作為關鍵機械基礎件,其性能好壞直接關系到整機設備的性能、功能和效率。滾動軸承的剩余壽命（RUL）綜合反映了軸承運行過程中受損情況和故障程度,準確預測其剩余壽命可為預防性維修決策提供依據(jù),延長設備生命周期,提高整機的可靠性和利用率,避免安全事故。數(shù)據(jù)驅動方法是滾動軸承剩余壽命預測的主要手段之一,其過程主要包括獲取數(shù)據(jù)、特征處理及剩余壽命預測三部分。論文對特征處理和剩余壽命預測兩個方面開展研究。特征處理方面,包括特征提取、預處理和特征選擇三部分。為提取更加全面敏感的特征,論文采用變分模態(tài)分解（VMD）將振動信號分解為若干模態(tài),提取每個模態(tài)的能量比作為時頻域特征,與振動信號時域、頻域特征共同構造高維原始特征集。同時,為實現(xiàn)不同軸承特征幅值范圍、以及訓練和測試特征歸一化的一致性,采用相似性度量方法對構造的原始特征集歸一化處理。實驗結果表明,時頻域特征VMD能量比有效,相似性度量方法可實現(xiàn)對不同軸承特征的歸一化處理。剩余壽命預測方面,包括構建性能退化趨勢健康指標和預測剩余壽命兩部分。針對剩余壽命預測過程中,失效閾值不易確定、單一模型預測誤差較大的問題,提出基于Ada Boost集成相關向... 

【文章來源】：哈爾濱理工大學黑龍江省

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

剩余壽命預測整體流程圖

VMD分解結果

圖 2-2 均方根和峭度特征值對比Fig. 2-2 The comparison of root mean square and kurtosis feature valu動軸承的運行，整體上均呈現(xiàn)出一定的單調上升趨勢，綱不同、幅值范圍不同的問題，且兩個特征的最大值均

【參考文獻】：
期刊論文
[1]基于MCEA-KPCA和組合SVR的滾動軸承剩余使用壽命預測[J]. 康守強,葉立強,王玉靜,謝金寶,Mikulovich V I.  電子測量與儀器學報. 2017(09)
[2]基于相關向量機模型的設備運行可靠性預測[J]. 馮鵬飛,朱永生,王培功,閆柯.  振動與沖擊. 2017(12)
[3]基于改進AdaBoost.RT和KELM的風功率預測方法研究[J]. 胡夢月,胡志堅,仉夢林,傅晨宇.  電網(wǎng)技術. 2017(02)
[4]基于數(shù)學形態(tài)學和IFOA-SVR的滾動軸承可靠度預測方法[J]. 康守強,葉立強,王玉靜,謝金寶,MIKULOVICH VI.  機械工程學報. 2017(08)
[5]基于變分模態(tài)分解和蝙蝠算法-相關向量機的短期風速區(qū)間預測[J]. 范磊,衛(wèi)志農(nóng),李慧杰,Kwok W Cheung,孫國強,孫永輝.  電力自動化設備. 2017(01)
[6]基于VMD和平均能量的齒輪故障特征提取[J]. 蔣麗英,高爽,崔建國,于明月,盧曉東,王景霖.  沈陽航空航天大學學報. 2016(06)
[7]基于變分模態(tài)分解和Teager能量算子的滾動軸承故障特征提取[J]. 馬增強,李亞超,劉政,谷朝健.  振動與沖擊. 2016(13)
[8]基于變分模態(tài)分解和1.5維譜的軸承早期故障診斷方法[J]. 王曉龍,唐貴基.  電力自動化設備. 2016(07)
[9]自適應多核組合相關向量機預測方法及其在機械設備剩余壽命預測中的應用[J]. 雷亞國,陳吳,李乃鵬,林京.  機械工程學報. 2016(01)
[10]基于變分模態(tài)分解和模糊C均值聚類的滾動軸承故障診斷[J]. 劉長良,武英杰,甄成剛.  中國電機工程學報. 2015(13)

博士論文
[1]數(shù)據(jù)驅動的機械設備性能退化建模與剩余壽命預測研究[D]. 張彬.北京科技大學 2016
[2]基于變分模態(tài)分解與優(yōu)化多核支持向量機的旋轉機械早期故障診斷方法研究[D]. 呂中亮.重慶大學 2016
[3]滾動軸承振動信號特征提取與狀態(tài)評估方法研究[D]. 王玉靜.哈爾濱工業(yè)大學 2015
[4]相關向量機多分類算法的研究與應用[D]. 柳長源.哈爾濱工程大學 2013

碩士論文
[1]滾動軸承故障機理及智能化檢測技術研究[D]. 何翔.西南交通大學 2017
[2]基于自適應增量LLE和SVM的滾動軸承健康狀態(tài)評估方法研究[D]. 馬丹陽.哈爾濱理工大學 2017
[3]基于SVR的滾動軸承剩余使用壽命預測方法研究[D]. 葉立強.哈爾濱理工大學 2017
[4]滾動軸承故障診斷中的特征提取與選擇方法[D]. 楊慧斌.湖南工業(yè)大學 2011



本文編號：3363758