基于超球体支持向量机的滚动轴承性能退化趋势预测

发布时间：2020-06-23 05:17

【摘要】：滚动轴承作为旋转机械中不可或缺部件之一,其性能退化状态直接影响设备整体的运行状态。通过对滚动轴承性能退化趋势预测的研究,及时准确的获取其退化状态,为后续可靠性评估及寿命预测提供支持,从而提前避免因轴承损坏而导致设备的整体损坏,避免造成重大经济损失和灾难性事故的发生。因此,有必要针对滚动轴承性能退化趋势预测进行深入研究。本文以滚动轴承为研究对象,对振动信号预处理、性能退化指标建立和性能退化趋势预测模型进行了研究。针对滚动轴承实际采集振动信号中混入大量噪声使后续预测误差变大的问题,提出了基于EEMD-改进广义形态学的组合信号预处理方法,有效地滤除了噪声,同时极大保留了原始信号的完整性,与两种单一信号处理方法进行对比试验,降噪结果验证了该方法的有效性。提出一种基于多核优化KPCA融合多特征集的性能退化指标构建方法,进一步解决了单一性能退化指标不能全面反映滚动轴承性能退化趋势、原始多维特征指标信息冗余等问题,并通过实测滚动轴承全寿命数据获得了具有敏感度高、退化趋势反映全面的性能退化指标。提出了基于超球体支持向量机的趋势预测模型,对其核函数进行多核优化,并采用改进的灰狼优化算法对其参数进行寻优,构建改进灰狼优化算法-多核超球体支持向量机模型,进一步解决了振动数据因数据异构、分布不均导致性能退化识别效果不佳等问题,通过实测滚动轴承全寿命数据对滚动轴承进行了准确的性能退化趋势预测。最后,基于以上研究成果,运用VC++软件开发平台,开发了滚动轴承性能退化趋势预测系统,从实际应用角度证明了本文方法的有效性。通过对滚动轴承性能退化趋势预测的研究,可提前预知其性能退化状态,避免因轴承故障而造成重大经济损失和灾难性事故的发生,对后续的预知维修和寿命预测具有重要的参考价值。
【学位授予单位】：哈尔滨理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TH133.33
【图文】：

线性组合,几何解释,数据矩阵

-2 4- explanation of principal component analysis( )1 12 11 22 21 21 2, ,...,ppp n np x x x xX X X x x = （。表示为1 2, ,...,pX X X 的线性组合，记为：1 11 1 12 2 11 21 1 22 2 21 1 1 1 1p pp pp p pp p u X u X u X u X u X u X u X u X u X= + + += + + += + + + （

流程图,性能退化,多特征,指标

( ) ( )22, expgaussK x y = x y σ（) ( ) ( ) ( )221 , 1 1 expdpoly gauss= λ K + λ K = λ x y + + λ x yσ （polyK 为多项式核函数，gaussK 为高斯径向基核函数；λ 为组合核函且 λ∈ [ 0,1]；d 为多项式核函数参数，且 d ∈ ( 0,3]；σ 为高斯径。加权系数λ 进行权重调节，当 λ → 1时，多项式核函数占据更大数表现出全局泛化的性能；而 λ → 0时，高斯核函数占据更大数表现出局部拟合性能。能退化指标的构建 MK-KPCA 的滚动轴承性能退化指标的获取流程如图 3-2 所示域、频域及时频域分析方法对振动信号进行处理，构建多特征集CA 方法对多特征集进行约简，从而获得反映滚动轴承性能退化指标。

【参考文献】