滚动轴承早期性能退化评估技术研究

发布时间：2018-08-19 20:34

【摘要】：为了解决轴承早期性能退化时信噪比低,特征提取和早期性能退化评估困难这一难题,本文采用盲源分离的方法分离轴承振动信号的干扰,将盲源分离后轴承振动信号的峭度值作为轴承性能评估的敏感特征,利用动态模糊神经网络建立轴承的早期性能退化模型。根据盲源分离后,早期性能退化时轴承振动信号的峭度值增加,可作为轴承早期性能退化评估的敏感特征。计算结果表明,盲源分离使得振动信号的峭度对轴承的性能状态更加敏感,轴承性能退化评估结果准确,具有重要的工业实用价值。
[Abstract]:In order to solve the problem of low signal-to-noise ratio (SNR), feature extraction and evaluation of early performance degradation, blind source separation (BSS) is used to separate the disturbance of bearing vibration signal. The kurtosis of bearing vibration signal after blind source separation is regarded as the sensitive feature of bearing performance evaluation, and the early performance degradation model of bearing is established by using dynamic fuzzy neural network. According to the blind source separation, the kurtosis of bearing vibration signal increases when the early performance is degraded, which can be used as a sensitive feature of early bearing performance degradation assessment. The calculation results show that blind source separation makes the kurtosis of vibration signal more sensitive to the performance state of bearing and the evaluation result of bearing performance degradation is accurate and has important industrial and practical value.
【作者单位】： 西南交通大学机械工程学院;
【基金】：国家自然科学基金项目(51275426) 四川省科技计划项目(2015HH0015) 中央高校基本科研业务费专项资金资助(2682014CX034,2682014BR024)资助
【分类号】：TH133.33

【相似文献】

中国期刊全文数据库 前10条

1 潘玉娜;陈进;李兴林;;基于模糊c-均值的设备性能退化评估方法[J];上海交通大学学报;2009年11期

2 何英;周东华;俞容;;一种基于性能退化数据的电子设备缓变故障预报方法[J];仪器仪表学报;2008年07期

3 林海彬;蔡景;徐一鸣;;基于性能退化的机构磨损可靠性研究[J];飞机设计;2012年05期

4 郭磊;陈进;王国伟;;基于多智能体的设备性能退化评估系统建模[J];计算机集成制造系统;2008年03期

5 张龙;黄文艺;王宁;熊国良;;基于一种简单时域方法的滚动轴承性能退化评估(英文)[J];机床与液压;2014年12期

6 马海波;徐海黎;王恒;黄希;;基于Kolmogrov-Smirnov检验的机械设备性能退化评估研究[J];制造业自动化;2013年22期

7 张龙;黄文艺;熊国良;周建民;周继慧;;基于TESPAR与GMM的滚动轴承性能退化评估[J];仪器仪表学报;2014年08期

8 钟鑫;刘文彬;杨剑锋;;基于逻辑回归的滚动轴承性能退化评估[J];科技信息;2010年16期

9 董绍江;汤宝平;张焱;;基于最优匹配跟踪算法的单通道机械信号盲源分离[J];振动工程学报;2012年06期

10 牛雪梅;黄晋英;潘宏侠;孟文俊;;免疫优化盲源分离算法在故障诊断中的应用[J];振动.测试与诊断;2012年02期

中国博士学位论文全文数据库 前5条

1 张彬;数据驱动的机械设备性能退化建模与剩余寿命预测研究[D];北京科技大学;2016年

2 郭磊;基于核模式分析方法的旋转机械性能退化评估技术研究[D];上海交通大学;2009年

3 潘玉娜;滚动轴承的性能退化特征提取及评估方法研究[D];上海交通大学;2011年

4 李永波;滚动轴承故障特征提取与早期诊断方法研究[D];哈尔滨工业大学;2017年

5 郝志华;基于局域波法和盲源分离的故障诊断方法应用研究[D];大连理工大学;2005年

中国硕士学位论文全文数据库 前10条

1 周杨;滚动轴承性能退化评估技术研究[D];电子科技大学;2014年

2 徐清瑶;基于支持向量数据描述的滚动轴承性能退化评估[D];华东交通大学;2015年

3 张雪峰;滚动轴承故障诊断与性能退化评估[D];哈尔滨工业大学;2016年

4 郑建禹;基于CFOA-MKHSVM模型的滚动轴承性能退化评估方法研究[D];哈尔滨理工大学;2016年

5 何兵;基于KJADE的轴承故障识别与性能退化评估方法研究[D];安徽大学;2017年

6 李卉;基于状态监测的滚动轴承性能退化评估[D];大连工业大学;2015年

7 刘雨;基于支持向量数据描述与信息融合的设备性能退化评估研究[D];上海交通大学;2009年

8 高鹏;基于单通道盲源分离理论的故障特征提取技术[D];长安大学;2015年

9 赵金龙;齿轮箱振动信号的盲源分离方法[D];辽宁科技大学;2015年

10 刘书溢;盲源分离技术在转子故障诊断中的应用[D];长春工业大学;2016年

，

本文编号：2192758