提出一種基于形態(tài)梯度譜熵（MGSE）的結(jié)構(gòu)復(fù)雜度分析方法,以此對滾動軸承的退化程度進行表征。首先對信號進行數(shù)學(xué)形態(tài)梯度運算,利用數(shù)學(xué)形態(tài)梯度算子在運算速度以及沖擊成分提取中的特點,得到信號的沖擊譜分布,結(jié)合信息熵理論,定量刻畫信號的結(jié)構(gòu)復(fù)雜度。將該方法應(yīng)用到滾動軸承性能衰退因子的分析中,以MGSE定量描述性能退化過程中的非線性演化趨勢。采用仿真信號和辛辛那提大學(xué)智能維護系統(tǒng)（IMS）滾動軸承全壽命數(shù)據(jù)進行分析,對比結(jié)構(gòu)復(fù)雜度中的SE譜熵和C₀復(fù)雜度,并對影響因素進行分析。結(jié)果表明:提出的形態(tài)梯度譜熵方法能夠定量表征滾動軸承的性能退化程度,具有運算速度快、影響參數(shù)少、結(jié)果穩(wěn)定的優(yōu)勢。 

【文章來源】：中國工程機械學(xué)報. 2020,18(04)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

仿真信號時域波形

圖2為5種噪聲強度下的MGSE演化規(guī)律�？梢钥闯觯S著組別的增加，退化程度不斷加深，信號的復(fù)雜程度逐漸降低[21-22]，此時MGSE取值呈現(xiàn)降低的趨勢，說明該指標(biāo)能夠定量刻畫信號的復(fù)雜程度。同時，隨著噪聲強度的增大，曲線整體下降的趨勢并未改變，說明該方法采用的形態(tài)梯度算子具有一定的抗噪效果。3 實例分析

采用IMS中心的加速全壽命數(shù)據(jù)集進行實例分析[23]。加速實驗臺如圖3所示。主軸上安裝4個實驗軸承并以電機驅(qū)動，通過加速度傳感器采集軸承的V向和H方向的振動信號。施加徑向載荷實現(xiàn)實驗加速，監(jiān)測并采集實驗軸承從正常到失效的全壽命數(shù)據(jù)。本文采用其中的兩組全壽命數(shù)據(jù)集進行分析，其中Dataset1采樣組數(shù)為984，最終失效形式為外圈故障。Dataset2采樣組數(shù)為2 156，最終失效形式為內(nèi)圈故障。

【參考文獻】：
期刊論文
[1]二維離散Lorenz混沌系統(tǒng)的復(fù)雜度分析[J]. 冉杰,劉衍民,王常春,王正偉.  遵義師范學(xué)院學(xué)報. 2018(04)
[2]岸橋行走機構(gòu)大車減速箱用軸承受力計算分析[J]. 朱陳嘉,許沁揚.  機械研究與應(yīng)用. 2018(03)
[3]基于SE和C0算法的連續(xù)混沌系統(tǒng)復(fù)雜度分析[J]. 葉曉林,牟俊,王智森,金基宇,張蕾,劉恩萌.  大連工業(yè)大學(xué)學(xué)報. 2018(01)
[4]新一維混沌系統(tǒng)分析研究[J]. 李娟霞,孫會明,陳薇.  自動化與儀器儀表. 2016(10)
[5]基于數(shù)學(xué)形態(tài)梯度譜熵的性能退化特征提取方法及其應(yīng)用[J]. 劉鵬,李洪儒,許葆華.  振動與沖擊. 2016(16)
[6]面向廣義數(shù)學(xué)形態(tài)顆粒特征的灰色馬爾科夫剩余壽命預(yù)測方法[J]. 李洪儒,王余奎,王冰,許葆華,李興林.  振動工程學(xué)報. 2015(02)
[7]基于多尺度形態(tài)分解譜熵的電機軸承預(yù)測特征提取及退化狀態(tài)評估[J]. 王冰,李洪儒,許葆華.  振動與沖擊. 2013(22)
[8]基于C0算法的混沌系統(tǒng)復(fù)雜度特性分析[J]. 孫克輝,賀少波,朱從旭,何毅.  電子學(xué)報. 2013(09)
[9]混沌偽隨機序列的譜熵復(fù)雜性分析[J]. 孫克輝,賀少波,何毅,尹林子.  物理學(xué)報. 2013(01)
[10]基于EMD的灰色模型的疲勞剩余壽命預(yù)測方法研究[J]. 徐東,徐永成,陳循,李興林,楊擁民.  振動工程學(xué)報. 2011(01)

碩士論文
[1]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[D]. 燕晨耀.電子科技大學(xué) 2016



本文編號：3352569