機械傳動系統(tǒng)作為國防和國民經(jīng)濟(jì)領(lǐng)域廣泛應(yīng)用的一類重要技術(shù)裝備,其安全性可靠性至關(guān)重要。齒輪與軸承等傳動系統(tǒng)關(guān)鍵零部件,由于長期連續(xù)工作在高載荷、高轉(zhuǎn)速下,容易受到損害和出現(xiàn)故障,其損壞往往會導(dǎo)致傳動系統(tǒng)無法運轉(zhuǎn)。研究實用、可靠的傳動系統(tǒng)關(guān)鍵零部件故障預(yù)測技術(shù),實現(xiàn)主動的故障預(yù)測,是預(yù)防故障、保持機械傳動系統(tǒng)戰(zhàn)備完好性的技術(shù)基礎(chǔ),其研究意義重大。 論文以“十一五”部委級預(yù)研課題“裝備動力傳動系統(tǒng)狀態(tài)實時監(jiān)控與故障預(yù)測技術(shù)”為背景,針對機械傳動系統(tǒng)關(guān)鍵零部件存在故障演化規(guī)律分析建模和故障預(yù)測方法的不足,系統(tǒng)分析了機械傳動系統(tǒng)關(guān)鍵零部件主要故障機理與故障演化規(guī)律,對其故障演化規(guī)律進(jìn)行建模分析研究；在此基礎(chǔ)上深入研究了小波相關(guān)特征尺度熵特征信息提取技術(shù)和動力傳動系統(tǒng)關(guān)鍵零部件HSMM退化狀態(tài)識別與故障預(yù)測技術(shù)。研究成果對于提高機械傳動零部件故障預(yù)測能力具有重要的參考價值和指導(dǎo)意義。 論文的主要研究內(nèi)容包括： 1.機械傳動系統(tǒng)關(guān)鍵零部件故障機理分析與建模 在系統(tǒng)地分析機械傳動系統(tǒng)關(guān)鍵零部件齒輪與軸承的主要故障模式和失效機理及其故障演化規(guī)律基礎(chǔ)上,利用故障演化過程中退化狀態(tài)與HMM都是通過觀測值來感知其狀態(tài)的共同特點和HSMM能合理的描述故障演化過程退化狀態(tài)駐留時間這一特性,建立了故障演化規(guī)律HSMM模型,為機械傳動系統(tǒng)關(guān)鍵零部件故障預(yù)測技術(shù)的研究奠定了基礎(chǔ)。 2.機械傳動系統(tǒng)關(guān)鍵零部件故障預(yù)測技術(shù)研究 (1)為解決退化狀態(tài)識別與故障預(yù)測的特征信息提取問題,研究了小波相關(guān)特征尺度熵特征信息提取技術(shù)。特征信息提取直接關(guān)系到退化狀態(tài)識別的準(zhǔn)確性和故障預(yù)測的可靠性,而噪聲是影響特征信息提取的最主要障礙,論文基于小波熵理論的基本思想,引入小波相關(guān)濾波降噪方法,并將該方法與Shannon信息熵原理相結(jié)合,定義了一種新的小波熵概念一小波相關(guān)特征尺度熵,進(jìn)而提出了一種新的用于狀態(tài)識別與預(yù)測的特征信息提取方法一小波相關(guān)特征尺度熵特征信息提取方法。研究表明該方法較一般小波熵特征提取方法更能有效、綜合的表征設(shè)備運行狀態(tài),為設(shè)備退化狀態(tài)識別與故障預(yù)測的特征信息提取提供了一種新的有效途徑。 (2)為確定設(shè)備當(dāng)前所處的退化狀態(tài)以及預(yù)測設(shè)備的剩余使用壽命,研究了機械傳動系統(tǒng)關(guān)鍵零部件HSMM退化狀態(tài)識別與故障預(yù)測技術(shù)。首先深入研究了HSMM應(yīng)用于退化狀態(tài)識別與故障預(yù)測時存在如何恰當(dāng)選擇模型初始參數(shù)、下溢和模型泛化等問題,提出了一種基于HSMM狀態(tài)識別與故障預(yù)測的模塊化訓(xùn)練算法�；诖搜芯苛薍SMM在機械傳動系統(tǒng)關(guān)鍵零部件退化狀態(tài)識別與故障預(yù)測中的應(yīng)用方法,通過實例驗證了該方法的可行性和有效性。進(jìn)一步地,為提高狀態(tài)識別與預(yù)測的精度,充分利用多類傳感信息,從多源信息融合的角度出發(fā),將KPCA方法引入,進(jìn)行多通道特征信息融合,基于融合后新的特征信息,研究了基于KPCA-HSMM的退化狀態(tài)識別與故障預(yù)測方法。研究結(jié)果表明：該方法可有效融合狀態(tài)識別與故障預(yù)測中的多源信息,提高狀態(tài)識別與故障預(yù)測的可靠度與準(zhǔn)確性。 3試驗驗證 以機械傳動系統(tǒng)關(guān)鍵零部件滾動軸承為試驗研究對象,在杭州軸承試驗研究中心有限公司ABLT-7型軸承試驗機上進(jìn)行了滾動軸承全壽命試驗研究,用實測全壽命數(shù)據(jù)驗證了本文所研究方法的可行性和有效性。
【學(xué)位單位】：國防科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2010
【中圖分類】：TH165.3
【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 文獻(xiàn)綜述
        1.2.1 PHM技術(shù)研究綜述
        1.2.2 機械傳動系統(tǒng)關(guān)鍵零部件故障預(yù)測技術(shù)研究綜述
    1.3 論文主要研究內(nèi)容及組成
        1.3.1 論文研究主要問題
        1.3.2 論文研究內(nèi)容和組織結(jié)構(gòu)
第二章 機械傳動關(guān)鍵零部件故障機理分析與建模
    2.1 引言
    2.2 機械傳動關(guān)鍵零部件故障機理及故障演化規(guī)律分析
        2.2.1 齒輪的主要故障模式和振動機理
        2.2.2 滾動軸承的主要故障模式和振動機理
        2.2.3 動力傳動關(guān)鍵部件故障演化規(guī)律分析
    2.3 機械傳動關(guān)鍵零部件故障演化規(guī)律建模
        2.3.1 基于HMM機械傳動關(guān)鍵零部件故障演化規(guī)律描述模型
        2.3.2 基于HSMM機械傳動關(guān)鍵零部件故障預(yù)測建模分析方法
    2.4 本章小結(jié)
第三章 小波相關(guān)特征尺度熵特征信息提取技術(shù)研究
    3.1 引言
    3.2 小波相關(guān)濾波法的基本理論
        3.2.1 小波相關(guān)濾波法對信號進(jìn)行降噪的基本原理
        3.2.2 小波相關(guān)濾波法算法實現(xiàn)
        3.2.3 噪聲方差的估計
    3.3 小波相關(guān)特征尺度熵特征信息提取方法研究
        3.3.1 Shannon信息熵
        3.3.2 小波相關(guān)特征尺度熵定義及計算
        3.3.3 小波相關(guān)特征尺度熵特征信息提取步驟
    3.4 小波相關(guān)特征尺度熵在設(shè)備退化狀態(tài)識別與故障預(yù)測中應(yīng)用
        3.4.1 應(yīng)用實例
        3.4.2 與小波特征尺度熵方法比較
    3.5 本章小結(jié)
第四章 機械傳動關(guān)鍵零部件HSMM退化狀態(tài)識別與故障預(yù)測技術(shù)研究
    4.1 引言
    4.2 HSMM基本算法
        4.2.1 前向-后后算法
        4.2.2 參數(shù)估計
    4.3 基于HSMM退化狀態(tài)識別與故障預(yù)測模塊化訓(xùn)練算法
        4.3.1 基于K-means聚類算法的HSMM模型參數(shù)初始化
        4.3.2 數(shù)據(jù)溢出問題與改進(jìn)措施
        4.3.3 多觀測序列HSMM訓(xùn)練算法的改進(jìn)
        4.3.4 HSMM狀態(tài)識別與故障預(yù)測模塊化訓(xùn)練算法
    4.4 機械傳動關(guān)鍵零部件HSMM退化狀態(tài)識別與故障預(yù)測方法
        4.4.1 HSMM退化狀態(tài)識別與故障預(yù)測總體思路
        4.4.2 HSMM退化狀態(tài)識別模型與方法研究
        4.4.3 HSMM故障預(yù)測應(yīng)用方法研究
    4.5 KPCA-HSMM退化狀態(tài)識別與故障預(yù)測方法研究
        4.5.1 基于KPCA多通道特征信息融合
        4.5.2 基于KPCA-HSMM狀態(tài)識別與故障預(yù)測基本技術(shù)思路
        4.5.3 基于KPCA-HSMM退化狀態(tài)識別方法研究
        4.5.4 基于KPCA-HSMM故障預(yù)測方法
    4.6 本章小結(jié)
第五章 試驗研究
    5.1 引言
    5.2 試驗方案設(shè)計
        5.2.1 試驗平臺設(shè)計
        5.2.2 試驗過程
        5.2.3 試驗結(jié)果
    5.3 試驗分析
        5.3.1 基于小波相關(guān)特征尺度熵特征信息提取試驗驗證與分析
        5.3.2 基于HSMM狀態(tài)識別與故障預(yù)測試驗驗證與分析
        5.3.3 基于KPCA-HSMM狀態(tài)識別與故障預(yù)測試驗驗證與分析
    5.4 本章小結(jié)
第六章 結(jié)論與展望
    6.1 總結(jié)與結(jié)論
    6.2 研究展望
致謝
參考文獻(xiàn)
作者在學(xué)期間取得的學(xué)術(shù)成果

【引證文獻(xiàn)】

相關(guān)期刊論文 前1條

1 宋彪;王旭;;飛機視情維修的應(yīng)用現(xiàn)狀及發(fā)展[J];中國民航大學(xué)學(xué)報;2012年05期

相關(guān)博士學(xué)位論文 前4條

1 徐東;球軸承疲勞剩余壽命分析與預(yù)測方法研究[D];國防科學(xué)技術(shù)大學(xué);2011年

2 岳夏;基于HMM的復(fù)雜條件故障診斷技術(shù)研究[D];華南理工大學(xué);2012年

3 李鵬;多尺度分析方法在旋轉(zhuǎn)機械狀態(tài)監(jiān)測中的應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2012年

4 董紹江;基于優(yōu)化支持向量機的空間滾動軸承壽命預(yù)測方法研究[D];重慶大學(xué);2012年

相關(guān)碩士學(xué)位論文 前1條

1 張新鵬;直升機傳動鏈故障診斷與健康管理系統(tǒng)設(shè)計及關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2011年

本文編號：2836907