本文關(guān)鍵詞：基于多健康狀態(tài)評估的滾動軸承剩余壽命預(yù)測方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：滾動軸承是一種常見的機(jī)械設(shè)備關(guān)鍵部件,研究其剩余壽命可以幫助工程人員及時采取合理的措施延長設(shè)備的壽命,防止損傷擴(kuò)大化。本論文采用多健康狀態(tài)評估的方法實現(xiàn)滾動軸承的剩余壽命預(yù)測。使用支持向量機(jī)分類模型(Support Vector Classification,簡稱SVC)實現(xiàn)狀態(tài)評估,并在此基礎(chǔ)上通過支持向量機(jī)回歸模型(Support Vector Regression,簡稱SVR)實現(xiàn)剩余壽命預(yù)測。在建立模型之前,首先需要對采集得到的數(shù)據(jù)進(jìn)行預(yù)處理。本文闡述了滾動軸承加速壽命試驗平臺的基本情況,總結(jié)了所使用數(shù)據(jù)的統(tǒng)計特性以及對原始數(shù)據(jù)進(jìn)行特征提取的技術(shù)手段。采集到的原始振動信號需要進(jìn)行移動平均平滑處理,以盡可能的消除噪聲對信號的影響；然后對每個時間片段的數(shù)據(jù)進(jìn)行特征提取,包含水平振動方向和垂直振動方向的時域特征、頻域特征、故障頻率特征以及經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition,簡稱EMD)分解特征。此外,本文還著重計算了信號的熵特征,主要包含：時域信號信息熵,頻域信號信息熵以及希爾伯特熵。通過分析提取的滾動軸承特征,發(fā)現(xiàn)希爾伯特熵可以比較好的描述軸承的健康狀態(tài)信息,它可以將軸承的整個生命周期分為兩種模式：狀態(tài)Ⅰ(平穩(wěn)期)、狀態(tài)Ⅱ(退化期)和狀態(tài)Ⅲ(快速失效期),或者狀態(tài)Ⅰ(平穩(wěn)期)和狀態(tài)Ⅲ(快速失效期)。通過相關(guān)系數(shù)分析,可以選擇出用于軸承健康狀態(tài)評估的特征集。選定的特征集是SVC的輸入變量,其所對應(yīng)的標(biāo)簽是SVC的輸出變量,通過參數(shù)優(yōu)化得到最優(yōu)的SVC模型。算例驗證表明確定的SVC模型可以比較準(zhǔn)確的實現(xiàn)軸承的健康狀態(tài)分類。在健康狀態(tài)評估的基礎(chǔ)上,針對不同狀態(tài)的軸承進(jìn)行剩余壽命模型的建立。處于狀態(tài)Ⅰ中的軸承運行比較平穩(wěn),特征信號保持穩(wěn)定,這說明其處于良好的健康狀態(tài),因此在這個階段本文不進(jìn)行剩余壽命的預(yù)測。軸承進(jìn)入狀態(tài)II和狀態(tài)Ⅲ之后,標(biāo)志著其性能開始發(fā)生退化,因此需要對處于這兩種狀態(tài)的軸承進(jìn)行剩余壽命預(yù)測。利用相關(guān)性分析可確定用于剩余壽命預(yù)測的特征集,并分別建立針對狀態(tài)Ⅱ的SVR模型和狀態(tài)Ⅲ的SVR預(yù)測模型。算例表明,確定的SVR模型可以比較準(zhǔn)確地實現(xiàn)狀態(tài)Ⅱ和狀態(tài)Ⅲ的剩余壽命預(yù)測,從而可以得到比較準(zhǔn)確的軸承剩余壽命信息。針對本文在建模過程中可能存在的不足之處,在論文的第六章展望中,對未來的工作做出明確規(guī)劃,以期在未來的學(xué)習(xí)中可以對此模型不斷完善。
【關(guān)鍵詞】：故障預(yù)測與健康管理 滾動軸承 支持向量機(jī) 剩余使用壽命 健康狀態(tài)評估
【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】：2014
【分類號】：TH133.33
【目錄】：

• 摘要5-7
• ABSTRACT7-12
• 第一章 緒論12-19
• 1.1 研究背景及意義12-13
• 1.2 研究現(xiàn)狀13-16
• 1.2.1 國內(nèi)研究現(xiàn)狀14-15
• 1.2.2 國外研究現(xiàn)狀15-16
• 1.3 論文組織結(jié)構(gòu)16-19
• 第二章 支持向量機(jī)的數(shù)學(xué)模型19-30
• 2.1 分類問題的基本理論20-26
• 2.1.1 線性可分最優(yōu)超平面的構(gòu)建21-24
• 2.1.2 非線性可分最優(yōu)超平面的構(gòu)建24-26
• 2.2 回歸估計問題的基本理論26-29
• 2.2.1 線性回歸函數(shù)估計26-29
• 2.2.2 非線性回歸函數(shù)估計29
• 2.3 小結(jié)29-30
• 第三章 滾動軸承的特征提取30-52
• 3.1 滾動軸承加速壽命實驗30-35
• 3.1.1 PRONOSTIA平臺介紹30-31
• 3.1.2 采集信號的統(tǒng)計信息31-34
• 3.1.3 滾動軸承的L_(10)額定壽命34-35
• 3.2 數(shù)據(jù)預(yù)處理35-37
• 3.2.1 異常數(shù)據(jù)的剔除35-36
• 3.2.2 數(shù)據(jù)降噪處理36-37
• 3.3 滾動軸承的特征提取37-51
• 3.3.1 時域特征38-40
• 3.3.2 頻域特征40-41
• 3.3.3 故障頻率特征41-45
• 3.3.4 熵特征45-48
• 3.3.5 EMD分解特征48-51
• 3.4 小結(jié)51-52
• 第四章 滾動軸承的健康狀態(tài)評估52-69
• 4.1 可行性分析52-57
• 4.2 面向健康狀態(tài)評估的特征選擇57-61
• 4.3 基于SVM的健康狀態(tài)評估算法61-64
• 4.3.1 數(shù)據(jù)歸一化61-62
• 4.3.2 參數(shù)尋優(yōu)62-64
• 4.4 算法驗證64-68
• 4.4.1 工況一條件下軸承驗證64-67
• 4.4.2 工況二條件下軸承驗證67-68
• 4.5 小結(jié)68-69
• 第五章 滾動軸承的剩余壽命預(yù)測69-83
• 5.1 面向剩余壽命預(yù)測的特征選擇70-73
• 5.2 基于SVM的剩余壽命預(yù)測算法73-75
• 5.3 算法驗證75-82
• 5.3.1 工況一條件下軸承驗證75-79
• 5.3.2 工況二條件下軸承驗證79-80
• 5.3.3 驗證結(jié)果對比80-82
• 5.4 小結(jié)82-83
• 第六章 總結(jié)與展望83-85
• 6.1 結(jié)論83
• 6.2 未來工作展望83-85
• 致謝85-86
• 參考文獻(xiàn)86-93
• 攻碩期間取得的研究成果93

【引證文獻(xiàn)】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 武斌;基于物聯(lián)網(wǎng)的膠帶輸送機(jī)狀態(tài)監(jiān)測及壽命管理系統(tǒng)開發(fā)[D];太原理工大學(xué);2016年

  本文關(guān)鍵詞：基于多健康狀態(tài)評估的滾動軸承剩余壽命預(yù)測方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：390601