對(duì)滾動(dòng)軸承進(jìn)行退化趨勢(shì)及剩余壽命預(yù)測(cè)研究,是保障機(jī)械設(shè)備安全可靠運(yùn)行的基礎(chǔ)保障性研究?jī)?nèi)容之一。本文以NASA預(yù)診斷數(shù)據(jù)庫(kù)的軸承疲勞試驗(yàn)數(shù)據(jù)為基礎(chǔ)數(shù)據(jù),利用多頻率尺度模糊熵和極限學(xué)習(xí)機(jī)方法,研究了滾動(dòng)軸承的振動(dòng)信號(hào)特征提取、軸承性能衰退評(píng)估指標(biāo)的構(gòu)建、狀態(tài)評(píng)估、退化趨勢(shì)預(yù)測(cè)和剩余壽命預(yù)測(cè)等問題。主要工作如下:一、以對(duì)滾動(dòng)軸承早期故障的發(fā)生和性能衰退較為敏感為原則,從眾多時(shí)域、頻域特征量中篩選出8個(gè)時(shí)域特征和10個(gè)頻域特征。在時(shí)頻域和熵領(lǐng)域,將經(jīng)驗(yàn)?zāi)B(tài)分解和模糊熵相結(jié)合,提出“多頻率尺度模糊熵(IMFFE)”特征提取方法,得到更為敏感的9個(gè)頻率尺度上的模糊熵特征量。二、基于主成分分析(PCA)法構(gòu)建軸承性能衰退評(píng)估指標(biāo)。對(duì)篩選得到的敏感特征分領(lǐng)域進(jìn)行PCA降維融合,得到時(shí)域、頻域和IMFFE三個(gè)綜合指標(biāo)。分析預(yù)診斷數(shù)據(jù)庫(kù)軸承全壽命周期內(nèi)三個(gè)指標(biāo)隨樣本號(hào)的變化規(guī)律,發(fā)現(xiàn)融合后的指標(biāo)比單一特征量對(duì)軸承的性能衰退更為敏感。相對(duì)而言,IMFFE指標(biāo)最佳。三、提出一種軸承運(yùn)行狀態(tài)評(píng)估方法。該方法以具有全壽命周期監(jiān)測(cè)數(shù)據(jù)的同型號(hào)、近似工況的老舊軸承為“參考軸承”,以正在運(yùn)行的“待測(cè)軸承”的監(jiān)測(cè)歷史數(shù)據(jù)...

【文章頁(yè)數(shù)】：90 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 特征提取方法研究現(xiàn)狀
        1.2.2 評(píng)估指標(biāo)建立方法研究現(xiàn)狀
        1.2.3 預(yù)測(cè)模型研究現(xiàn)狀
    1.3 本文的主要研究工作
第2章 滾動(dòng)軸承振動(dòng)信號(hào)的特征提取與篩選
    2.1 引言
    2.2 滾動(dòng)軸承的基本結(jié)構(gòu)及其運(yùn)行狀態(tài)的振動(dòng)監(jiān)測(cè)
    2.3 軸承疲勞試驗(yàn)數(shù)據(jù)來源
    2.4 原始振動(dòng)數(shù)據(jù)降噪處理
    2.5 滾動(dòng)軸承現(xiàn)有的特征提取方法
        2.5.1 時(shí)域
        2.5.2 頻域
        2.5.3 時(shí)頻域
        2.5.4 熵特征
    2.6 面向剩余壽命預(yù)測(cè)的特征篩選
    2.7 多頻率尺度模糊熵特征提取
    2.8 本章小結(jié)
第3章 滾動(dòng)軸承的評(píng)估指標(biāo)建立與狀態(tài)評(píng)估
    3.1 引言
    3.2 基于PCA的指標(biāo)建立方法
        3.2.1 主成分分析方法
        3.2.2 指標(biāo)的建立
    3.3 多頻率尺度模糊熵的仿真驗(yàn)證
    3.4 基于多頻率尺度模糊熵的軸承狀態(tài)評(píng)估方法
        3.4.1 參考軸承的狀態(tài)劃分
        3.4.2 待測(cè)軸承的狀態(tài)評(píng)估
    3.5 本章小結(jié)
第4章 基于優(yōu)化ELM的滾動(dòng)軸承退化趨勢(shì)及剩余壽命預(yù)測(cè)
    4.1 引言
    4.2 基于極限學(xué)習(xí)機(jī)模型的自適應(yīng)預(yù)測(cè)算法
        4.2.1 極限學(xué)習(xí)機(jī)模型
        4.2.2 基于自適應(yīng)粒子群優(yōu)化算法的參數(shù)優(yōu)化
    4.3 基于ELM的滾動(dòng)軸承退化趨勢(shì)預(yù)測(cè)
        4.3.1 退化趨勢(shì)預(yù)測(cè)方法
        4.3.2 退化趨勢(shì)預(yù)測(cè)流程
        4.3.3 試驗(yàn)驗(yàn)證
    4.4 基于MELM的滾動(dòng)軸承剩余壽命預(yù)測(cè)
        4.4.1 剩余壽命預(yù)測(cè)流程
        4.4.2 試驗(yàn)驗(yàn)證
    4.5 本章小結(jié)
第5章 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
在校研究成果
致謝
參考文獻(xiàn)
附錄Ⅰ多頻率尺度模糊熵算法的MATLAB程序
附錄Ⅱ基于自適應(yīng)粒子群優(yōu)化的 ELM 退化趨勢(shì)預(yù)測(cè)算法的 MATLAB 程序
附錄Ⅲ基于自適應(yīng)粒子群優(yōu)化的MELM剩余壽命預(yù)測(cè)算法的MATLAB程序



本文編號(hào)：3848182