滾動(dòng)軸承是機(jī)械裝備重要的零部件,其工作狀態(tài)及剩余使用壽命關(guān)系到機(jī)械裝備的健康運(yùn)轉(zhuǎn)。一般滾動(dòng)軸承剩余使用壽命存在著離散性,一方面當(dāng)滾動(dòng)軸承的實(shí)際使用壽命比設(shè)計(jì)使用壽命要短時(shí),人們可能會(huì)因?yàn)闈L動(dòng)軸承的早期故障微弱性而忽視,這將會(huì)對(duì)機(jī)械設(shè)備運(yùn)轉(zhuǎn)時(shí)的性能及安全造成威脅;另一方面當(dāng)滾動(dòng)軸承的實(shí)際使用壽命大于其設(shè)計(jì)壽命,此時(shí)將滾動(dòng)軸承報(bào)廢不利于最大化發(fā)揮資源的利用率。因此研究采用有效的方法準(zhǔn)確預(yù)測(cè)滾動(dòng)軸承的剩余使用壽命具有十分重大意義。隨著近些年大數(shù)據(jù),云計(jì)算和人工智能的興起,基于數(shù)據(jù)驅(qū)動(dòng)的滾動(dòng)軸承壽命預(yù)測(cè)方法得到了極大的應(yīng)用,特征提取、特征評(píng)價(jià)、特征融合和退化狀態(tài)評(píng)估是滾動(dòng)軸承壽命預(yù)測(cè)的大數(shù)據(jù)基礎(chǔ)。滾動(dòng)軸承在高速運(yùn)轉(zhuǎn)過(guò)程中存在很多非線性因素,傳統(tǒng)的線性、平穩(wěn)特征提取技術(shù),容易丟失重要的非線性狀態(tài)信息,不能很好地從復(fù)雜非線性信號(hào)中提取真實(shí)反映其非線性振動(dòng)本質(zhì)的有效狀態(tài)特征,因此本文提出了分形維數(shù),熵值特征,遞歸分析和三角函數(shù)特征等非線性特征測(cè)度方法,這些非線性特征提取方法對(duì)滾動(dòng)軸承的退化趨勢(shì)識(shí)別非常敏感,具有較好的統(tǒng)計(jì)特性�？紤]到滾動(dòng)軸承的退化失效規(guī)律,本文將趨勢(shì)性指標(biāo)應(yīng)用到非線性特征評(píng)價(jià)方法上以... 

【文章來(lái)源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：106 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

滾動(dòng)軸承結(jié)構(gòu)示意圖

圖 2.2 滾動(dòng)軸承振動(dòng)的疊加耦合效應(yīng)Fig2.2 Superposition and coupling effect of rolling bear動(dòng)軸承在高速運(yùn)轉(zhuǎn)過(guò)程中存在很多非線性因素，比道接觸剛度，彈性力和阻尼力是時(shí)變的，驅(qū)動(dòng)力由于故障激勵(lì)，加工裝配誤差激勵(lì)和耦合振動(dòng)激勵(lì)影響等承在產(chǎn)生故障時(shí)會(huì)使其運(yùn)轉(zhuǎn)周期消失并產(chǎn)生非線性振取技術(shù)，容易丟失重要的非線性狀態(tài)信息，不能很好實(shí)反映其非線性振動(dòng)本質(zhì)的有效狀態(tài)特征[14]。線性統(tǒng)計(jì)特征對(duì)軸承的狀態(tài)監(jiān)測(cè)一般是采用振動(dòng)法，即采用加速其振動(dòng)信息，據(jù)報(bào)道振動(dòng)法在軸承狀態(tài)監(jiān)測(cè)中占據(jù)了辨識(shí)的大數(shù)據(jù)基礎(chǔ)，經(jīng)典的特征提取方法從大類(lèi)分為分析，其中時(shí)域分析主要有均值，均方根值，偏度，

重慶大學(xué)碩士學(xué)位論文 ), ( ), , ( (m 1) )}Tj x j +τ x j+ τ。獲得是根據(jù)式 2.25進(jìn)行的，公式的具體執(zhí)行過(guò)程是比對(duì)矢量 X離是否小于設(shè)定的閾值 ε ，若小于，則在二維圖中坐標(biāo)為 ( i, 直到遍歷完整個(gè)相空間，最后得到遞歸圖。直到注意的是當(dāng)i = ( )mX j之間的距離為 0，其總是小于 ε 的，因此遞歸圖中會(huì)看存在。圖，我們可以得到一些有用的信息，例如，信噪比高，平穩(wěn)性遞歸圖圖形非常規(guī)整有序，但是信噪比低，非平穩(wěn)和非線性的圖就會(huì)包含很多無(wú)序的點(diǎn)，這描述了系統(tǒng)的無(wú)序性。加了高斯x = sin π t +sin 2π t的遞歸圖如下圖 2.3 所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于SAPSO優(yōu)化灰色神經(jīng)網(wǎng)絡(luò)的空中目標(biāo)威脅估計(jì)[J]. 劉海波,王和平,沈立頂.  西北工業(yè)大學(xué)學(xué)報(bào). 2016(01)
[2]滾動(dòng)軸承壽命預(yù)測(cè)綜述[J]. 張小麗,王保建,馬猛,陳雪峰.  機(jī)械設(shè)計(jì)與制造. 2015(10)
[3]基于熵特征的高速列車(chē)故障診斷方法[J]. 朱明,吳思東,付克昌.  振動(dòng).測(cè)試與診斷. 2015(02)
[4]振動(dòng)信號(hào)處理方法綜述[J]. 李舜酩,郭海東,李殿榮.  儀器儀表學(xué)報(bào). 2013(08)
[5]Bayesian更新與EM算法協(xié)作下退化數(shù)據(jù)驅(qū)動(dòng)的剩余壽命估計(jì)方法[J]. 司小勝,胡昌華,李娟,陳茂銀.  模式識(shí)別與人工智能. 2013(04)
[6]一種基于樣本熵的軸承故障診斷方法[J]. 趙志宏,楊紹普.  振動(dòng)與沖擊. 2012(06)
[7]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)
[8]分形盒維數(shù)抗噪研究及其在故障診斷中的應(yīng)用[J]. 郝研,王太勇,萬(wàn)劍,張攀,劉路.  儀器儀表學(xué)報(bào). 2011(03)
[9]遞歸定量分析在離心泵故障診斷中的運(yùn)用[J]. 趙鵬,周云龍,孫斌.  振動(dòng).測(cè)試與診斷. 2010(06)
[10]基于模糊熵的腦電睡眠分期特征提取與分類(lèi)[J]. 劉慧,謝洪波,和衛(wèi)星,王志中.  數(shù)據(jù)采集與處理. 2010(04)

博士論文
[1]旋轉(zhuǎn)機(jī)械故障診斷與預(yù)測(cè)方法及其應(yīng)用研究[D]. 武哲.北京交通大學(xué) 2016
[2]基于多尺度非線性狀態(tài)特征增強(qiáng)的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D]. 王俊.中國(guó)科學(xué)技術(shù)大學(xué) 2015
[3]振動(dòng)故障分形特征提取及診斷方法研究[D]. 李兆飛.重慶大學(xué) 2013
[4]基于混沌分形理論的大型風(fēng)電機(jī)械故障診斷研究[D]. 孫自強(qiáng).沈陽(yáng)工業(yè)大學(xué) 2013
[5]基于優(yōu)化支持向量機(jī)的空間滾動(dòng)軸承壽命預(yù)測(cè)方法研究[D]. 董紹江.重慶大學(xué) 2012
[6]分形維數(shù)特性分析及故障診斷分形方法研究[D]. 郝研.天津大學(xué) 2012
[7]基于非線性信號(hào)分析的滾動(dòng)軸承狀態(tài)監(jiān)測(cè)診斷研究[D]. 劉永斌.中國(guó)科學(xué)技術(shù)大學(xué) 2011
[8]機(jī)械動(dòng)力傳動(dòng)系統(tǒng)關(guān)鍵部件故障預(yù)測(cè)技術(shù)研究[D]. 曾慶虎.國(guó)防科學(xué)技術(shù)大學(xué) 2010

碩士論文
[1]基于多特征量的滾動(dòng)軸承退化狀態(tài)評(píng)估和剩余壽命預(yù)測(cè)方法研究[D]. 燕晨耀.電子科技大學(xué) 2016
[2]基于特征關(guān)聯(lián)性的機(jī)械故障模式識(shí)別方法研究[D]. 陸超.重慶大學(xué) 2016
[3]滾動(dòng)軸承振動(dòng)故障特征提取與壽命預(yù)測(cè)研究[D]. 孫建.大連理工大學(xué) 2015
[4]基于SAPSO和改進(jìn)SVM的風(fēng)力發(fā)電機(jī)齒輪箱故障診斷系統(tǒng)研究[D]. 郝云鎖.華東理工大學(xué) 2014
[5]基于案例推理的滾動(dòng)軸承故障診斷[D]. 張振飛.中南大學(xué) 2008



本文編號(hào)：3608661