本文關(guān)鍵詞：基于連續(xù)隱半馬爾科夫模型的軸承性能退化評估

  更多相關(guān)文章： 性能退化評估 局部切空間排列 特征融合 連續(xù)隱半馬爾科夫模型 軸承

【摘要】：隨著人們維修觀念的轉(zhuǎn)變，傳統(tǒng)的定期維修和事后維修向基于狀態(tài)的視情維修(Condition Based Maintenance，CMB)轉(zhuǎn)換，作為建立合理維修策略的前提，設(shè)備的性能退化評估得到了廣泛的關(guān)注。設(shè)備的性能退化評估，，實質(zhì)是通過分析設(shè)備數(shù)據(jù)，對設(shè)備當(dāng)前的運行狀態(tài)進行識別并對未來的狀態(tài)走勢進行預(yù)測。其中主要的難點有兩個，首先在實際工業(yè)領(lǐng)域的復(fù)雜機械系統(tǒng)或關(guān)鍵部件的狀態(tài)監(jiān)測中，為了及時準(zhǔn)確了解機組運行狀態(tài)，往往布置了大量的傳感器，所以監(jiān)測獲得的數(shù)據(jù)是多源的、高維的。應(yīng)如何從這些復(fù)雜的監(jiān)測數(shù)據(jù)中提取能反映設(shè)備運行狀態(tài)的有用信息并去除冗余信息，是面臨的第一個問題。第二，對于復(fù)雜機械系統(tǒng)故障子成龍，積累異常狀態(tài)變化全過程的數(shù)據(jù)往往比較困難。這就需要我們能僅根據(jù)正常運轉(zhuǎn)數(shù)據(jù)的有效學(xué)習(xí)，對監(jiān)測狀態(tài)進行預(yù)判。 針對以上兩個問題文章研究了基于局部切空間排列(Local Tangent Space Alignment,LTSA)的多傳感器特征融合方法，并重點對連續(xù)隱半馬爾科夫模型(Continuous hiddensemi-Markov model, CHSMM)在實際的應(yīng)用中做出了相應(yīng)改進后用于軸承性能退化的評價。最后通過仿真實驗、模擬軸承外圈故障實驗及軸承疲勞壽命實驗驗證了特征融合和模型的效果。 論文的主要內(nèi)容包括： (1)探討軸承性能退化特征的提取過程，包括單傳感器頻帶能量特征的提取和LTSA對多傳感器特征的融合。具體涉及了頻帶數(shù)的選擇和LTSA中的參數(shù)確定問題。 (2)重點研究了HMM的擴展形式——連續(xù)隱半馬爾科夫模型(Continuous HiddenSemi-Markov Model，CHSMM)應(yīng)用于設(shè)備性能退化評估的形式。針對CHSMM的實際應(yīng)用做出了改進，對模型的初始化和參數(shù)選擇方法進行了探討。建立起軸承退化程度識別的框架。 (3)利用軸承外圈不同故障程度實驗及疲勞壽命實驗對方法的有效性進行了驗證。重點分析了模型對疲勞壽命實驗的輸出結(jié)果，與常見時域指標(biāo)的對比反映出模型對早期故障的敏感性。
【關(guān)鍵詞】：性能退化評估 局部切空間排列 特征融合 連續(xù)隱半馬爾科夫模型 軸承
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TH133.3;TH165.3
【目錄】：

• 摘要5-6
• Abstract6-8
• 目錄8-10
• 第一章 緒論10-15
• 1.1 課題研究的背景和意義10-11
• 1.1.1 課題來源10
• 1.1.2 研究意義10-11
• 1.2 設(shè)備性能退化評估研究現(xiàn)狀11-14
• 1.3 論文的研究內(nèi)容14-15
• 第二章 基于 LTSA 的退化特征融合方法研究15-29
• 2.1 故障機理分析及特征空間形成15-18
• 2.1.1 軸承結(jié)構(gòu)15-16
• 2.1.2 常見失效形式及振動機理16-17
• 2.1.3 特征空間形成17-18
• 2.2 LTSA 算法實現(xiàn)18-19
• 2.3 LTSA 參數(shù)確定19-22
• 2.3.1 本征維數(shù)的確定19-20
• 2.3.2 鄰域的確定20-22
• 2.4 實驗仿真22-24
• 2.5 特征融合的實現(xiàn)24-28
• 2.6 本章小結(jié)28-29
• 第三章 HMM 相關(guān)理論算法及改進研究29-57
• 3.1 HMM 的基本理論29-40
• 3.1.1 Markov 模型29-30
• 3.1.2 隱 Markov 模型的數(shù)學(xué)描述30-31
• 3.1.3 HMM 的基本問題31-36
• 3.1.4 HMM 的類型36-38
• 3.1.5 HMM 的擴展形式38-40
• 3.2 CHSMM 的改進40-48
• 3.2.1 算法的重新定義40-43
• 3.2.2 算法下溢問題的處理43-45
• 3.2.3 多組觀測值的處理45-46
• 3.2.4 模型參數(shù)確定及初始化46-48
• 3.3 基于 CHSMM 的性能退化評估框架48-49
• 3.4 實驗仿真49-55
• 3.5 本章小結(jié)55-57
• 第四章 CHSMM 在軸承性能退化評估中的應(yīng)用57-75
• 4.1 軸承外圈故障程度識別57-64
• 4.1.1 試驗裝置57-58
• 4.1.2 故障信號分析58-61
• 4.1.3 CHSMM 對軸承故障程度的識別61-64
• 4.2 軸承性能退化評估64-74
• 4.2.1 試驗裝置64-65
• 4.2.2 CHSMM 對軸承性能退化的評估65-69
• 4.2.3 CHSMM 結(jié)果驗證69-74
• 4.3 本章小結(jié)74-75
• 結(jié)論與展望75-77
• 1 結(jié)論75-76
• 2 展望76-77
• 參考文獻77-81
• 攻讀博士/碩士學(xué)位期間取得的研究成果81-82
• 致謝82-83
• 附錄83

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 胡海峰;安茂春;秦國軍;胡蔦慶;;基于隱半Markov模型的故障診斷和故障預(yù)測方法研究[J];兵工學(xué)報;2009年01期

2 彭宇;劉大同;彭喜元;;故障預(yù)測與健康管理技術(shù)綜述[J];電子測量與儀器學(xué)報;2010年01期

3 袁熙;李舜酩;;疲勞壽命預(yù)測方法的研究現(xiàn)狀與發(fā)展[J];航空制造技術(shù);2005年12期

4 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

5 奚立峰;黃潤青;李興林;劉中鴻;李杰;;基于神經(jīng)網(wǎng)絡(luò)的球軸承剩余壽命預(yù)測[J];機械工程學(xué)報;2007年10期

6 曾慶虎;邱靜;劉冠軍;;小波相關(guān)特征尺度熵和隱半馬爾可夫模型在設(shè)備退化狀態(tài)識別中的應(yīng)用[J];機械工程學(xué)報;2008年11期

7 李靜;孫強;李春旺;喬艷江;張忠平;;一種新的多軸疲勞壽命預(yù)測方法[J];機械工程學(xué)報;2009年09期

8 張小麗;陳雪峰;李兵;何正嘉;;機械重大裝備壽命預(yù)測綜述[J];機械工程學(xué)報;2011年11期

9 張寶珍;;國外綜合診斷、預(yù)測與健康管理技術(shù)的發(fā)展及應(yīng)用[J];計算機測量與控制;2008年05期

10 肖宇;于劍;;基于近鄰傳播算法的半監(jiān)督聚類[J];軟件學(xué)報;2008年11期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 王靖;流形學(xué)習(xí)的理論與方法研究[D];浙江大學(xué);2006年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 趙志宇;基于小波變換的滾動軸承故障診斷系統(tǒng)的研究與開發(fā)[D];大連理工大學(xué);2005年

2 朱義;基于CHMM的設(shè)備性能退化評估方法研究[D];上海交通大學(xué);2009年

本文編號：951154