滾動軸承在長期工作過程中存在不同程度的性能退化。如果能夠識別滾動軸承的退化狀態(tài),就可以采取維修措施。針對滾動軸承性能退化評估問題,提出了一種基于振動信號自回歸模型（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)合的滾動軸承性能退化評估方法。首先用AR濾波得到軸承全壽命周期內(nèi)振動信號的剩余分量,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距離作為軸承性能退化定量評估指標(biāo);最后設(shè)定早期故障報(bào)警閾值。結(jié)果表明,與常見的監(jiān)測指標(biāo)的性能退化評估方法相比,該方法的早期故障檢測能力強(qiáng),對軸承各階段性能退化狀態(tài)描述更為準(zhǔn)確。 

【文章來源】：機(jī)床與液壓. 2020,48(12)北大核心

【文章頁數(shù)】：9 頁

【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)合的滾動軸承性能退化程度定量評估[J]. 姜萬錄,雷亞飛,韓可,張生,蘇曉.  振動與沖擊. 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.  振動與沖擊. 2018(16)
[3]基于Boxplot-LTSA噪聲流形算法的滾動軸承狀態(tài)識別[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)過程異常工況監(jiān)測與診斷[J]. 華麗,于海晨,邵誠,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).  振動工程學(xué)報(bào). 2014(05)
[6]基于TESPAR與GMM的滾動軸承性能退化評估[J]. 張龍,黃文藝,熊國良,周建民,周繼慧.  儀器儀表學(xué)報(bào). 2014(08)
[7]基于螢火蟲神經(jīng)網(wǎng)絡(luò)的軸承性能退化程度評估[J]. 劉永前,徐強(qiáng),田德,龍泉.  機(jī)械傳動. 2014(05)
[8]小波包變換和隱馬爾可夫模型在軸承性能退化評估中的應(yīng)用[J]. 肖文斌,陳進(jìn),周宇,王志陽,趙發(fā)剛.  振動與沖擊. 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：3606219