基于CEF和集成KELM的滚动轴承RUL预测方法研究

发布时间：2020-06-24 23:33

【摘要】：滚动轴承是旋转机械中的重要部件之一,复杂的工作环境及运行状态,导致其极易受损,进而影响机械的运转。滚动轴承剩余使用寿命(RUL)预测可为预防性维修决策提供理论依据,提前为故障维修制定良好的方案,从而提高整个机械设备的运行周期和避免事故的发生。数据驱动方法是滚动轴承RUL预测的有效方法之一,主要包括数据获取、特征处理以及RUL预测三部分。论文以建立滚动轴承RUL预测方法为主线,从特征提取、RUL预测两方面逐步展开研究。特征提取方面,为全面准确地表征滚动轴承的性能退化趋势,首先使用五点三次平滑法对原始振动信号进行平滑处理,消减原始振动信号中干扰噪声成分。再采用变分模态分解(VMD)将平滑后的原始振动信号分解为若干模态,提取每个模态的时域、频域特征,最后构建原始特征集。针对不同滚动轴承不同特征幅值范围不一致的问题,研究相似性度量方法,并对构造的特征集归一化和降维处理。同时为得到具有单调性、稳定性和相似性的特征,提出一种全新的循环增强特征(CEF),作为轴承的性能退化特征。经实验对比验证了所提CEF特征的有效性。RUL预测模型方面,包括构建核极限学习机(KELM)预测模型和集成KELM预测模型两部分。针对单一预测模型存在预测误差较大的问题,提出基于随机森林(RF)的集成KELM预测模型。将多滚动轴承的CEF输入到多个KELM中,由RF集成算法构建强预测器模型KELM-RF,进而预测未来失效时间并计算RUL。为使得到的RUL更加准确,利用二阶指数平滑法对当前寿命进行拟合,预测出未来各点寿命趋势。实验结果表明,所提方法与单一极限学习机(ELM)和传统的集成方法相比较具有更高的预测准确率。
【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】：2019
【分类号】：TH133.33
【图文】：

图 2-1 轴承 1_1 振动信号 VMD 图Fig. 2-1 VMD diagram of vibration signal of bearing 1_1MD 是将信号分解转换为一种求解非递归变分问题的方法。VMD定的鲁棒性，并且可以将中心频率相似的两个模态分量有效的分

图 2-2 轴承 1_1RMS 五点平滑法前后对比Fig. 2-2 RMS comparison before and after five-point smoothing method for the bearing 1_假设轴承的原始振动信号有 n 个样本，经过 VMD 后利用公式(2-11)至(2别提取敏感 BIMF 分量的 7 个时域特征指标和 17 个频域特征指标，构成原征集，如式(2-36)和(2-37)所示：

【相似文献】

相关期刊论文 前10条

1 张雪英;张乐;孙颖;张卫;;基于KELM决策融合的语音情感识别[J];电子技术应用;2017年08期

2 李军;石青;;基于KELM的连续搅拌反应釜模型辨识[J];控制工程;2017年10期

3 吴越;陈志聪;吴丽君;林培杰;;基于KELM的光伏组件故障诊断方法[J];电源技术;2018年04期

4 胡梦月;胡志坚;仉梦林;傅晨宇;;基于改进AdaBoost.RT和KELM的风功率预测方法研究[J];电网技术;2017年02期

5 杨蕴;宋健;朱琳;吴剑锋;王锦国;;基于KELM地面沉降替代模型的地下水多目标管理模型研究[J];南京大学学报(自然科学);2019年03期

6 谢国民;黄睿灵;丁会巧;;基于VMD样本熵和KELM的输电线路故障诊断[J];电子测量与仪器学报;2019年05期

7 吴宪;崔亚男;代以;曹晓;;基于KELM的轴承故障诊断方法[J];内江科技;2018年12期

8 王冬梅;车一鸣;宋慧欣;;基于多尺度基本熵和参数优化KELM的电机轴承故障诊断[J];组合机床与自动化加工技术;2018年04期

9 杜帮俊;陆慧娟;严珂;郑文斌;;PSO和Cholesky分解的KELM的基因表达数据分类[J];中国计量学院学报;2016年02期

10 曹文彬;王先培;田猛;赵乐;姚鸿泰;赵浩程;;基于KELM和AT的SF_6变压器故障诊断[J];变压器;2018年12期

相关会议论文 前2条

1 宁春霞;杜大军;;基于KELM的风电功率预测误差估计研究[A];第17届中国系统仿真技术及其应用学术年会论文集（17th CCSSTA 2016）[C];2016年

2 张卫;张雪英;何淑琳;;人工蜂群算法用于优化KELM参数的研究及应用[A];第十三届全国人机语音通讯学术会议(NCMMSC2015)论文集[C];2015年

相关硕士学位论文 前3条

1 孙良棚;基于CEF和集成KELM的滚动轴承RUL预测方法研究[D];哈尔滨理工大学;2019年

2 张乐;面向语音情感识别的IMFE特征提取算法和融合KELM识别算法研究[D];太原理工大学;2017年

3 谭江慧;基于KELM的静态手势识别[D];华南理工大学;2017年

本文编号：2728516