發(fā)布時(shí)間：2022-01-24 08:16

　　滾動(dòng)軸承在長(zhǎng)期工作過(guò)程中存在不同程度的性能退化。如果能夠識(shí)別滾動(dòng)軸承的退化狀態(tài),就可以采取維修措施。針對(duì)滾動(dòng)軸承性能退化評(píng)估問(wèn)題,提出了一種基于振動(dòng)信號(hào)自回歸模型（Autoregressive model,AR）能量比和支持向量數(shù)據(jù)描述（Support vector data description,SVDD）相結(jié)合的滾動(dòng)軸承性能退化評(píng)估方法。首先用AR濾波得到軸承全壽命周期內(nèi)振動(dòng)信號(hào)的剩余分量,計(jì)算能量比作為軸承狀態(tài)的特征向量;然后利用軸承正常狀態(tài)下的特征向量對(duì)SVDD進(jìn)行訓(xùn)練,得到正常狀態(tài)下的超球面。軸承全壽命周期樣本特征向量與超球面之間的相對(duì)距離作為軸承性能退化定量評(píng)估指標(biāo);最后設(shè)定早期故障報(bào)警閾值。結(jié)果表明,與常見(jiàn)的監(jiān)測(cè)指標(biāo)的性能退化評(píng)估方法相比,該方法的早期故障檢測(cè)能力強(qiáng),對(duì)軸承各階段性能退化狀態(tài)描述更為準(zhǔn)確。 

【文章來(lái)源】：機(jī)床與液壓. 2020,48(12)北大核心

【文章頁(yè)數(shù)】：9 頁(yè)

【文章目錄】：
1 Introduction
2 The ore tical background
    2.1 Autoregressive model method
    2.2 Support vector data description
    2.3 Adaptive threshold setting
3 Establishme nt of pe rformance de gra-dation asse ssme nt mode l
4 Expe rime nt and re sult analysis
    4.1 Description of the experiment
    4.2 SVDD model evaluation results
5 Conclusion


【參考文獻(xiàn)】：
期刊論文
[1]基于VMD和SVDD結(jié)合的滾動(dòng)軸承性能退化程度定量評(píng)估[J]. 姜萬(wàn)錄,雷亞飛,韓可,張生,蘇曉.  振動(dòng)與沖擊. 2018(22)
[2]VMD樣本熵特征提取方法及其在行星變速箱故障診斷中的應(yīng)用[J]. 楊大為,馮輔周,趙永東,江鵬程,丁闖.  振動(dòng)與沖擊. 2018(16)
[3]基于Boxplot-LTSA噪聲流形算法的滾動(dòng)軸承狀態(tài)識(shí)別[J]. 劉忠鑫,康建設(shè),曲鳳明,鄧雅沖.  火力與指揮控制. 2018(06)
[4]基于SVM-BOXPLOT的乙烯生產(chǎn)過(guò)程異常工況監(jiān)測(cè)與診斷[J]. 華麗,于海晨,邵誠(chéng),鞏師鑫.  化工學(xué)報(bào). 2018(03)
[5]基于概率密度空間劃分的符號(hào)化時(shí)間序列分析及其在異常診斷中的應(yīng)用[J]. 胡世杰,錢宇寧,嚴(yán)如強(qiáng).  振動(dòng)工程學(xué)報(bào). 2014(05)
[6]基于TESPAR與GMM的滾動(dòng)軸承性能退化評(píng)估[J]. 張龍,黃文藝,熊國(guó)良,周建民,周繼慧.  儀器儀表學(xué)報(bào). 2014(08)
[7]基于螢火蟲(chóng)神經(jīng)網(wǎng)絡(luò)的軸承性能退化程度評(píng)估[J]. 劉永前,徐強(qiáng),田德,龍泉.  機(jī)械傳動(dòng). 2014(05)
[8]小波包變換和隱馬爾可夫模型在軸承性能退化評(píng)估中的應(yīng)用[J]. 肖文斌,陳進(jìn),周宇,王志陽(yáng),趙發(fā)剛.  振動(dòng)與沖擊. 2011(08)
[9]結(jié)合循環(huán)平穩(wěn)和支持向量數(shù)據(jù)描述的軸承性能退化評(píng)估研究[J]. 潘玉娜,陳進(jìn).  機(jī)械科學(xué)與技術(shù). 2009(04)



本文編號(hào)：3606219