一种融合型异常检测算法及其在轴承性能退化评估中的应用

发布时间：2018-01-02 10:24

本文关键词：一种融合型异常检测算法及其在轴承性能退化评估中的应用　出处：《制造技术与机床》2017年10期 　论文类型：期刊论文

【摘要】：用自回归模型(autoregressive model,AR)提取早期无故障滚动轴承的振动样本以及同型号同位置失效滚动轴承(简称同类轴承)的失效样本,用早期无故障样本和失效样本建立模糊C均值(Fuzzy C Mean,FCM)和隐马尔科夫(Hidden Markov Model,HMM)性能退化评估模型,然后得到正常指标和同类轴承的失效指标,把这两个指标作为输入特征建立FCM模型,待测数据通过保持模型不变连续迭代的方式输入模型中,描绘出性能退化曲线。该方法集中了空间统计距离和相似度方法两者的优势且不需要轴承失效数据。实验表明所提出的评估方法得到的评估指标能实时监测滚动轴承的性能退化趋势并且可以及时发现早期故障。
[Abstract]:Using the autoregressive model (autoregressive model AR) from early vibration fault of rolling bearings and the samples of the same model with the position of rolling bearing failure (the similar bearing) failure samples, early fault free samples and failure samples and establish fuzzy C means (Fuzzy C, Mean, FCM) and Cin Markoff (Hidden Markov, Model, HMM) the evaluation model of performance degradation, and then get the failure index of the normal index and similar bearings, these two indicators as input features to establish the FCM model, the measured data by keeping the model invariant successive iterations of the input model, describe the performance degradation curve. The method has both spatial statistical distance and similarity method and advantages the bearing failure data. Evaluation experiments show that the proposed method can evaluate the performance of real-time monitoring of rolling bearing degradation trend and can timely send An early fault.

【作者单位】：华东交通大学机电与车辆工程学院;
【基金】：国家自然科学基金:完全自适应第二代小波及在循环冲击类故障特征提取中的应用(51205130);基于载荷反演的齿轮箱工况不敏感状态退化评估理论与技术(51665013)
【分类号】：TH133.33
【正文快照】： 滚动轴承的故障是引起旋转机械失效的主要原因之一。滚动轴承在长期超负荷工作的环境下性能会出现不同程度的退化,轴承的性能退化评估是故障诊断的延伸[1]。滚动轴承的性能退化评估近年来已有探索性研究,研究内容主要有性能退化指标和评估模型的建立两方面[2]。传统的性能退化

【相似文献】