本文關(guān)鍵詞：基于多特征量的滾動軸承退化狀態(tài)評估和剩余壽命預(yù)測方法研究

  更多相關(guān)文章： 滾動軸承 數(shù)據(jù)驅(qū)動 特征選擇 退化狀態(tài)評估 剩余壽命預(yù)測

【摘要】：滾動軸承作為機(jī)械裝備中的關(guān)鍵部件,其工作狀態(tài)的好壞直接關(guān)系著機(jī)械裝備的整體性能。若不能及時地預(yù)知機(jī)械裝備中滾動軸承的健康狀態(tài)或損傷情況,一方面會影響裝備維護(hù)策略的制定,而另一方面由于軸承失效所導(dǎo)致的級聯(lián)故障,易造成機(jī)械裝備發(fā)生災(zāi)難性的事故。因此,對機(jī)械裝備中滾動軸承的性能退化趨勢進(jìn)行準(zhǔn)確地評估和預(yù)測有助于工程人員對其工作狀態(tài)進(jìn)行合理地判斷,進(jìn)而將損傷控制在允許范圍內(nèi),防止意外故障發(fā)生。近年來,在滾動軸承的退化趨勢評估和預(yù)測領(lǐng)域涌現(xiàn)出了許多基于數(shù)據(jù)驅(qū)動的方法。從傳感器所收集的特征信號能反映軸承的退化信息,而現(xiàn)有的基于數(shù)據(jù)驅(qū)動的方法大多只考慮了部分時頻域特征或熵特征,而很少綜合利用多個域的特征量來表征滾動軸承的退化狀態(tài)。因此,本論文在原始振動數(shù)據(jù)的基礎(chǔ)上,提取多個域的特征信號以描述滾動軸承的退化狀態(tài),研究了基于多特征量的滾動軸承退化狀態(tài)評估和剩余壽命預(yù)測方法。本文的研究方法屬于數(shù)據(jù)驅(qū)動方法,因此,研究內(nèi)容包括特征提取、特征選擇、退化狀態(tài)評估和剩余壽命預(yù)測四個基本步驟。本論文正是圍繞這四個關(guān)鍵環(huán)節(jié)分別展開研究,其主要研究內(nèi)容如下:(1)針對滾動軸承的振動信號結(jié)構(gòu)單一且含有大量噪聲干擾成分的普遍現(xiàn)象,論文首先引入了小波閾值降噪方法對原始振動信號進(jìn)行預(yù)處理,有效地去除了原始振動信號中的高頻噪音干擾信息。然后,對水平和垂直方向上的傳感器采集到的每個樣本數(shù)據(jù)進(jìn)行特征提取,具體包括:時域統(tǒng)計特征、頻域統(tǒng)計特征、小波節(jié)點能量。此外,本文還引入了振動信號的熵特征,包括:時域信息熵、頻域信息熵、希爾伯特熵、樣本熵以及小波包能量熵。所有的特征量構(gòu)成了描述軸承退化信息的96維特征集。最后,在完成特征提取的基礎(chǔ)上,本文應(yīng)用了一種無監(jiān)督的特征選擇方法,即通過定義三種重要的特征評價指標(biāo)對96個的特征量進(jìn)行評估,有目的地篩選出有益于進(jìn)行剩余壽命預(yù)測的敏感特征。(2)滾動軸承運行過程中的原始振動信號具有非平穩(wěn)和非線性的特點。本文利用局部均值分解(Local Mode Decomposition LMD)在處理調(diào)幅-調(diào)頻復(fù)雜信號方面的優(yōu)勢,將原始振動信號分解成有限個有物理意義的平穩(wěn)分量,分量被稱作乘積函數(shù)(Product Function,PF)。PF分量可以反映出微弱故障信號的變化趨勢。然后,分別基于原始振動信號和PF分量提取多個時、頻特征。最后,利用主成分分析(Principlal Component Analysis,PCA)對多特征進(jìn)行降維,將PCA和相關(guān)性分析相結(jié)合構(gòu)造了一種滾動軸承的退化評估指標(biāo),進(jìn)而用試驗數(shù)據(jù)驗證了所提出方法的可行性和準(zhǔn)確性。(3)滾動軸承的退化評估指標(biāo)對剩余壽命的預(yù)測非常關(guān)鍵。本論文首選利用相對均方根對滾動軸承的性能退化趨勢進(jìn)行評估,有效地克服了退化過程中軸承的個體差異性。通過規(guī)定初始故障和失效閾值,合理地將軸承整個生命周期分為三個不同階段。接著,借助支持向量機(jī)(Support Vector Machine,SVM)在解決小樣本問題方面的優(yōu)勢,以及相關(guān)向量機(jī)(Relevance Vector Machine,RVM)能得到概率輸出結(jié)果的特點,經(jīng)過對SVM和RVM傳統(tǒng)模型進(jìn)行改進(jìn),得到了一種基于多變量的滾動軸承剩余壽命預(yù)測模型。最后,結(jié)合滾動軸承的加速壽命試驗數(shù)據(jù),驗證了基于多變量SVM和RVM兩種預(yù)測模型的可行性,并對SVM和RVM進(jìn)行了預(yù)測結(jié)果分析和誤差對比。
【關(guān)鍵詞】：滾動軸承 數(shù)據(jù)驅(qū)動 特征選擇 退化狀態(tài)評估 剩余壽命預(yù)測
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TH133.33
【目錄】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 緒論11-20
• 1.1 研究背景及意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-18
• 1.2.1 特征提取13-15
• 1.2.2 特征選擇與特征降維15-16
• 1.2.3 退化狀態(tài)評估16-17
• 1.2.4 剩余壽命預(yù)測17-18
• 1.3 論文結(jié)構(gòu)和主要內(nèi)容18-20
• 第二章 滾動軸承振動信號的特征提取與特征選擇20-41
• 2.1 PRONOSTIA加速壽命試驗臺20-22
• 2.2 原始振動數(shù)據(jù)降噪處理22-26
• 2.2.1 小波降噪原理23-25
• 2.2.2 原始振動信號的小波閾值降噪25-26
• 2.3 滾動軸承的特征信號提取26-34
• 2.3.1 時域統(tǒng)計特征26-28
• 2.3.2 頻域統(tǒng)計特征28
• 2.3.3 小波包節(jié)點能量28-29
• 2.3.4 熵特征29-34
• 2.4 面向剩余壽命預(yù)測的特征選擇方法34-40
• 2.4.1 特征信號的性能評價指標(biāo)35-36
• 2.4.2 特征選擇36-40
• 2.5 本章小結(jié)40-41
• 第三章 基于LMD和主成分分析的滾動軸承退化狀態(tài)評估方法41-56
• 3.1 基于局部均值分解的特征提取41-45
• 3.1.1 局部均值分解原理41-44
• 3.1.2 仿真信號分析44-45
• 3.1.3 特征提取45
• 3.2 基于主成分分析的特征變換45-49
• 3.3 構(gòu)建退化狀態(tài)評估指標(biāo)49-51
• 3.4 試驗驗證和結(jié)果分析51-55
• 3.4.1 IMS試驗臺介紹51
• 3.4.2 方法驗證及結(jié)果分析51-55
• 3.5 本章小結(jié)55-56
• 第四章 基于多變量SVM和RVM的滾動軸承剩余壽命預(yù)測方法56-76
• 4.1 向量機(jī)回歸原理和模型參數(shù)尋優(yōu)56-61
• 4.1.1 支持向量機(jī)回歸原理56-58
• 4.1.2 相關(guān)向量機(jī)回歸原理58-60
• 4.1.3 回歸模型核函數(shù)和參數(shù)的選擇60-61
• 4.2 建立多變量剩余壽命預(yù)測模型61-67
• 4.2.1 構(gòu)造性能退化評估指標(biāo)64-66
• 4.2.2 敏感特征選擇66-67
• 4.3 仿真算例67-69
• 4.4 試驗驗證69-75
• 4.4.1 試驗數(shù)據(jù)分析69-71
• 4.4.2 試驗結(jié)果分析71-75
• 4.5 本章小結(jié)75-76
• 第五章 總結(jié)與展望76-78
• 5.1 全文總結(jié)76-77
• 5.2 后續(xù)工作展望77-78
• 致謝78-79
• 參考文獻(xiàn)79-86
• 攻讀碩士學(xué)位期間取得研究成果86-87

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 申中杰;陳雪峰;何正嘉;孫闖;張小麗;劉治汶;;基于相對特征和多變量支持向量機(jī)的滾動軸承剩余壽命預(yù)測[J];機(jī)械工程學(xué)報;2013年02期

2 尹金良;朱永利;;支持向量機(jī)參數(shù)優(yōu)化及其在變壓器故障診斷中的應(yīng)用[J];電測與儀表;2012年05期

3 趙鑒;梁志君;;從F-35項目來看PHM的應(yīng)用與效益[J];價值工程;2012年06期

4 孫磊;湯心剛;張星輝;蔡麗影;;基于隨機(jī)濾波模型的齒輪箱剩余壽命預(yù)測研究[J];機(jī)械傳動;2011年10期

5 郭磊;陳進(jìn);;小波包熵在設(shè)備性能退化評估中的應(yīng)用[J];機(jī)械科學(xué)與技術(shù);2008年09期

6 雷亞國;何正嘉;訾艷陽;胡橋;;基于特征評估和神經(jīng)網(wǎng)絡(luò)的機(jī)械故障診斷模型[J];西安交通大學(xué)學(xué)報;2006年05期

7 蔡鐵;朱杰;;小波閾值降噪算法中最優(yōu)分解層數(shù)的自適應(yīng)選擇[J];控制與決策;2006年02期

8 曾聲奎,Michael G.Pecht,吳際;故障預(yù)測與健康管理(PHM)技術(shù)的現(xiàn)狀與發(fā)展[J];航空學(xué)報;2005年05期

9 楊國安,鐘秉林,黃仁,賈民平,許云飛;機(jī)械故障信號小波包分解的時域特征提取方法研究[J];振動與沖擊;2001年02期

10 潘紫微,吳超英;基于神經(jīng)網(wǎng)絡(luò)的多特征和多步軸承壽命預(yù)測方法[J];機(jī)械科學(xué)與技術(shù);1999年04期

，

本文編號：970917