基于数据驱动的滚动轴承退化趋势预测方法研究

发布时间：2020-05-10 07:11

【摘要】：滚动轴承是机械结构中十分重要的一个构件,主要作用是将滑动摩擦转换成为滚动摩擦,使得机械构件之间的摩擦大大减少。据统计,70%大型机械结构的损坏与轴承损伤有关。由此可见,对于轴承的退化趋势的预测十分重要。对于轴承的退化趋势预测,要着重解决两个问题。第一,构建合适的健康因子,用来评价滚动轴承的性能退化程度。本文选择的是基于主成分分析法构建健康因子,即融合多个特征参数的信息,构建健康因子。第二,选择合适的退化状态预测模型,在有限的历史数据的情况下准确地对轴承的退化趋势作出预测。预测就是在已有的历史数据的基础上,通过采用相应的分析方法或者数据处理模型对数据的分析,对当前时间节点之后的一段时间的数据做出科学的预测。本文分别在历史数据较少和充足的情况下讨论了对滚动轴承退化趋势的预测。短期预测时采用了当前常用的BP神经网络和支持向量机的方法,其中第三章还针对两种方法的优劣进行了对比分析。长期预测时本文应用的是SFAM网络和Elman网络的方法。在第四章结尾,本文对两种长期预测的方法进行了对比,给出了相关结论,Elman网络的实用性要比SFAM网络好。但是SFAM在针对某些轴承运行数据时,对退化趋势预测比较准确。最后本文构建了混合预测模型,基于BP神经网络和支持向量机的混合预测模型,经过实际运算,得到混合预测模型的误差要比任意一个模型的预测误差小,为滚动轴承的退化趋势预测提供了一个新的思路。
【图文】：

第2章 滚动轴承健康因子的构建2.1 引言把能够衡量滚动轴承的健康状态的指标称作滚动轴承的健康因子。本章致力于找到一个合适的健康因子为之后的滚动轴承退化趋势预测做铺垫。本章介绍了滚动轴承的结构与失效的基本形式，交代了滚动轴承的几种振动信号的特征，最后基于主成分分析法构建了滚动轴承的健康因子。2.2 滚动轴承的结构及寿命2.2.1 滚动轴承的结构及其工作原理在工程应用中，滚动轴承有很多种：深沟球轴承，角接触轴承，滚针轴承，滑动轴承，，圆锥滚子轴承，圆柱滚子轴承等等。本文主要讨论的是应用最为广泛的深沟球轴承。这里以其为例，介绍一下滚动轴承的结构。

图 2-2 滚动轴承寿命曲线图上，当滚动轴承到达后一阶段时，会产生比较大的噪声，振和速度值不断变大。然后噪声变大，轴承自身温度升高，峰轴承失效[14]。下面是一个轴承全寿命实验过程中有效值随时可以发现，有效值在后一阶段结束波动，开始上升，符合对述。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TH133.33

【参考文献】

相关期刊论文 前10条

1 杨宇;李杰;潘海洋;程军圣;;VPMCD和改进ITD的联合智能诊断方法研究[J];振动工程学报;2013年04期

2 程军圣;郑近德;杨宇;;变量预测模型在齿轮故障诊断中的应用[J];振动.测试与诊断;2013年S1期

3 陈龙;张可;罗配明;;改进的Elman神经网络在WSNs距离预测中的应用[J];传感器与微系统;2013年01期

4 张超;常太华;刘欢;胡阳;;基于改进Elman神经网络的风速预测[J];华东电力;2012年08期

5 郭艳平;颜文俊;;基于EMD和优化K-均值聚类算法诊断滚动轴承故障[J];计算机应用研究;2012年07期

6 尤马彦;凌捷;郝彦军;;基于Elman神经网络的网络安全态势预测方法[J];计算机科学;2012年06期

7 程军圣;杨怡;杨宇;;局部特征尺度分解方法及其在齿轮故障诊断中的应用[J];机械工程学报;2012年09期

8 程军圣;郑近德;杨宇;;一种新的非平稳信号分析方法——局部特征尺度分解法[J];振动工程学报;2012年02期

9 汤鸣;;基于BP神经网络模型的西安市生活垃圾产生量预测[J];西安航空技术高等专科学校学报;2011年05期

10 肖文斌;陈进;周宇;王志阳;赵发刚;;小波包变换和隐马尔可夫模型在轴承性能退化评估中的应用[J];振动与冲击;2011年08期

相关硕士学位论文 前2条

1 张琪;上海市生活垃圾分类减量规划研究[D];华东师范大学;2016年

2 刘燕飞;滚动轴承的工作状态及寿命预测方法研究[D];湖南大学;2014年

本文编号：2656942