基于全矢MEMD的滚动轴承状态退化研究

发布时间：2018-01-04 06:25

本文关键词：基于全矢MEMD的滚动轴承状态退化研究　出处：《郑州大学》2017年硕士论文　论文类型：学位论文

【摘要】：多维经验模态分解(MEMD)及其扩展算法噪声辅助MEMD(NA-MEMD),本文统称为MEMD,能够对多通道信号进行联合分析,结合全矢谱技术,为研究滚动轴承的在相同频率段内的状态退化提供了方法。本文以滚动轴承全寿命周期内的振动信号为研究对象,定性研究了滚动轴承退化过程的频谱结构变化,研究了退化过程的指标选取,定量研究了滚动轴承的剩余寿命。主要工作如下:(1)为了识别滚动轴承退化过程,提出一种MEMD和全矢融合相结合的方法——全矢MEMD。对代表不同状态的多通道振动信号进行MEMD分解,得到一系列多元IMF分量,利用互相关系数准则选取最敏感的一阶IMF分量代表原始信号,对其进行全矢包络分析来提取信号的特征。分别对模拟信号和辛辛那提大学的实例信号进行分析。结果表明,随着故障程度的增加,频谱结构变得复杂,且呈现出了规律性。为进一步研究整个滚动轴承退化过程的频谱结构变化提供了一种新思路。(2)针对如何选取和构建滚动轴承退化过程指标,提出了NA-MEMD和主成分分析(PCA)相结合的退化指标构建方法。首先利用NA-MEMD对全寿命周期内的双通道信号和噪声辅助通道信号进行分解,然后采用相关系数准则选取较为敏感的几阶IMF分量重构信号,其次计算出重构信号的退化指标序列,根据序列的单调性和鲁棒性,选择优良指标作PCA融合,最后选择第一主成分作为滚动轴承退化过程的最终指标。对PRONOSITS平台提供滚动轴承振动信号进行分析,结果表明与单一指标相比,基于NA-MEMD和PCA融合的指标能够比较完整地表征滚动轴承的退化过程。(3)把裂纹扩展模型和粒子滤波结合起来,用于滚动轴承的剩余寿命预测。该方法需要构建可以表征滚动轴承退化状态的指标,选择Paris-Erdogan模型作为退化过程的模型,选定粒子数和阈值,结合粒子滤波来预测剩余寿命。对基于NA-MEMD和PCA融合的第一主成分退化指标进行了剩余寿命预测,结果表明,此方法在滚动轴承的剩余寿命预测中具有一定的可行性。
[Abstract]:In order to identify the degradation process of the rolling bearing , this paper presents a new method for the degradation of the rolling bearing .

【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TH133.33

【相似文献】