基于数据驱动的回转支承性能退化评估方法

发布时间：2018-12-09 18:41

【摘要】：为解决工程机械中大型回转支承工作环境恶劣,但可靠性要求较高的问题,提出一种基于集合经验模态分解-主成分分析(ensemble empirical mode decomposition-principle component analysis,EEMD-PCA)的振动信号降噪和性能退化过程评估方法。结合EEMD和PCA各自优势自适应地选择全寿命振动信号中最能反映回转支承性能退化趋势的成分进行重构以实现降噪,提出以PCA模型中的统计量连续平方预测误差(continues square prediction error,C-SPE)作为回转支承的性能退化特征,建立回转支承性能退化模型。利用自制的回转支承性能试验台对型号为QNA-730-22的回转支承进行全寿命疲劳试验。研究结果表明,该方法具有较好的降噪效果,建立的性能退化模型准确地反映出不同阶段回转支承的性能特征,为企业的主动维护提供了数据支撑,从而进一步提高了回转支承的运行可靠性。
[Abstract]:In order to solve the problem that the working environment of medium and large slewing bearings of construction machinery is poor, but the reliability requirement is high, a new method based on set empirical mode decomposition and principal component analysis (ensemble empirical mode decomposition-principle component analysis,) is proposed. EEMD-PCA) for noise reduction and performance degradation process evaluation. Combined with the advantages of EEMD and PCA, the components of the whole life vibration signal that best reflect the degradation trend of the performance of the slewing bearing are selected adaptively to reconstruct to achieve noise reduction. The continuous squared prediction error (continues square prediction error,) of the statistics in the PCA model is proposed. C-SPE) as the characteristic of performance degradation of slewing bearing, the model of performance degradation of slewing bearing is established. The self-made rotary bearing performance test bench is used to carry out the full life fatigue test of the slewing bearing model of QNA-730-22. The research results show that the method has better noise reduction effect, and the established performance degradation model accurately reflects the performance characteristics of different stages of slewing bearings, and provides data support for the active maintenance of enterprises. Thus the operational reliability of the slewing bearing is further improved.
【作者单位】： 南京工业大学机械与动力工程学院;
【基金】：国家自然科学基金资助项目(51375222,51105191)~~
【分类号】：TH133.3

【参考文献】

相关期刊论文 前10条

1 贾峰;武兵;熊晓燕;熊诗波;;基于EMD与多重分形去趋势法的轴承智能诊断方法[J];中南大学学报(自然科学版);2015年02期

2 鞠华;沈长青;黄伟国;李双;朱忠奎;;基于支持向量回归的轴承故障定量诊断应用[J];振动.测试与诊断;2014年04期

3 陈忠;符和超;;基于EEMD方法的永磁同步电机电磁噪声诊断[J];振动与冲击;2013年20期

4 申中杰;陈雪峰;何正嘉;孙闯;张小丽;刘治汶;;基于相对特征和多变量支持向量机的滚动轴承剩余寿命预测[J];机械工程学报;2013年02期

5 武兵;林健;熊晓燕;;基于支持向量回归的多参数设备故障预测方法[J];振动.测试与诊断;2012年05期

6 张慧芳;陈捷;;大型回转支承故障信号处理方法综述[J];机械设计与制造;2012年03期

7 许丽;张进明;张广明;徒伟;;基于PCA的滚动轴承故障检测方法[J];计算机仿真;2010年06期

8 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

9 曹冲锋;杨世锡;杨将新;;大型旋转机械非平稳振动信号的EEMD降噪方法[J];振动与冲击;2009年09期

10 潘玉娜;陈进;;结合循环平稳和支持向量数据描述的轴承性能退化评估研究[J];机械科学与技术;2009年04期

相关博士学位论文 前2条

1 董绍江;基于优化支持向量机的空间滚动轴承寿命预测方法研究[D];重庆大学;2012年

2 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

【共引文献】

相关期刊论文 前10条

1 杨柳;侯苏伟;;基于耗散能密度的钢筋混凝土梁桥疲劳剩余寿命研究[J];公路工程;2017年03期

2 王保建;张小丽;傅杨奥骁;陈雪峰;;优化支持向量机及其在智能故障诊断中的应用[J];振动.测试与诊断;2017年03期

3 霍林生;李旭;李宏男;张卓群;;基于互相关函数幅值和SVM的输电塔损伤识别[J];振动.测试与诊断;2017年03期

4 韩龙;谢子殿;王丽;;滚动轴承声发射信号降噪的CEEMDAN算法[J];黑龙江科技大学学报;2017年03期

5 马波;翟斌;彭琦;王应全;;基于不同退化阶段状态空间模型及粒子滤波的滚动轴承寿命预测[J];北京化工大学学报(自然科学版);2017年03期

6 封杨;黄筱调;洪荣晶;陈捷;;基于圆域分析的大型回转支承初期故障诊断[J];振动与冲击;2017年09期

7 金晓航;孙毅;单继宏;吴根勇;;风力发电机组故障诊断与预测技术研究综述[J];仪器仪表学报;2017年05期

8 马增强;柳晓云;李延忠;张俊甲;;基于VMD-WPT和能量算子解调的滚动轴承故障诊断研究[J];图学学报;2017年02期

9 柳晓云;马增强;张俊甲;王梦奇;;基于变分模态分解与独立分量分析的轴承故障特征提取方法[J];济南大学学报(自然科学版);2017年03期

10 谢楠;段明雷;高英强;郑蓓蓉;;基于功率传感器的刀具磨损量预测方法[J];同济大学学报(自然科学版);2017年03期

相关博士学位论文 前5条

1 王玉静;滚动轴承振动信号特征提取与状态评估方法研究[D];哈尔滨工业大学;2015年

2 徐强;风电机组传动链状态诊断方法研究[D];华北电力大学;2015年

3 蒋章雷;风电机组传动系统运行稳定性劣化趋势预测方法研究[D];北京理工大学;2014年

4 彭畅;旋转机械轴承振动信号分析方法研究[D];重庆大学;2014年

5 张营;滚动轴承磨损区域静电监测技术及寿命预测方法研究[D];南京航空航天大学;2013年

【二级参考文献】

相关期刊论文 前10条

1 林近山;陈前;;基于多重分形去趋势波动分析的齿轮箱故障特征提取方法[J];振动与冲击;2013年02期

2 李兆飞;柴毅;李华锋;;多重分形去趋势波动分析的振动信号故障诊断[J];华中科技大学学报(自然科学版);2012年12期

3 陈仁祥;汤宝平;马婧华;;基于EEMD的振动信号自适应降噪方法[J];振动与冲击;2012年15期

4 宋梅村;蔡琦;;基于支持向量回归的设备故障趋势预测[J];原子能科学技术;2011年08期

5 张小丽;陈雪峰;李兵;何正嘉;;机械重大装备寿命预测综述[J];机械工程学报;2011年11期

6 朱喜华;李颖晖;周飞帆;李宁;;基于改进EMD算法的永磁同步电机故障特征提取[J];微电机;2011年02期

7 陈国强;彭文静;;微电机噪声信号的小波包分析与故障检测[J];湖南工程学院学报(自然科学版);2010年04期

8 张超;陈建军;郭迅;;基于EMD能量熵和支持向量机的齿轮故障诊断方法[J];振动与冲击;2010年10期

9 骆志高;陈保磊;庞朝利;陈鹏;;基于遗传算法的滚动轴承复合故障诊断研究[J];振动与冲击;2010年06期

10 毛江;;大型水电厂设备远程状态监测与故障诊断系统的构建[J];水电站机电技术;2010年03期

相关博士学位论文 前10条

1 向昌盛;基于支持向量机的时间序列组合预测模型[D];湖南农业大学;2011年

2 曾庆虎;机械传动系统关键零部件故障预测技术研究[D];国防科学技术大学;2010年

3 王烨;民机产品可靠性评估技术研究[D];南京航空航天大学;2009年

4 陈其松;智能优化支持向量机预测算法及应用研究[D];贵州大学;2009年

5 苗学问;航空发动机主轴承使用寿命预测技术研究[D];北京航空航天大学;2008年

6 秦毅;信号小波理论与一体化小波分析仪的研究[D];重庆大学;2008年

7 陈伟婷;基于熵的表面肌电信号特征提取研究[D];上海交通大学;2008年

8 刘晓宁;齿轮系统的混沌控制及仿真[D];西北工业大学;2007年

9 毕果;基于循环平稳的滚动轴承及齿轮微弱故障特征提取应用研究[D];上海交通大学;2007年

10 周福昌;基于循环平稳信号处理的滚动轴承故障诊断方法研究[D];上海交通大学;2006年

【相似文献】

相关期刊论文 前10条

1 张良兵;回转支承的开发与使用[J];港口装卸;2001年06期

2 刘连;吕金东;;国内首台自主研发的回转支承性能检测试验台投入使用[J];港口装卸;2010年01期

3 李倩;王世博;毛勇;;平面滑动回转支承设计方法[J];机械设计;2013年04期

4 张庆如 ,李秋凯;回转支承的技术引进与吸收[J];工程机械;1986年06期

5 黄延权;;回转支承机械立窑[J];建材工业信息;1993年05期

6 海林;球柱联合回转支承产品填补国内空白[J];机械工程师;2002年07期

7 朱渝春 ,张永志;回转支承损坏原因探讨与改进对策[J];工程机械;2002年09期

8 李炜,刘彬;回转支承的常见损坏情况及其修复性加工[J];现代零部件;2004年08期

9 朱森林;塔机回转支承使用中的问题与检测[J];建筑机械化;2005年07期

10 王兴东;孔建益;刘源l，

本文编号：2369851