基于S变换的滚动轴承性能退化特征指标提取及性能退化评估

发布时间：2020-07-15 16:51

【摘要】：对旋转机械重要部件进行可靠、全面的性能退化评估已成为设备状态监测领域的研究热点。本文以型号为6307单列深沟球轴承为研究对象,基于S变换时频谱探索提取新的更加有效的特征指标将其应用到对滚动轴承的性能退化评估中。全文主要内容如下:(1)对S变换时频谱进行了不同角度的复杂度度量。对S变换时频谱整体进行复杂度度量提出了S-时频熵;对S变换时频谱沿时间序列展开进行复杂度度量提出了S-时间熵;对S变换时频谱沿频率序列展开进行复杂度度量提出S-频率熵。通过三种熵值指标的数学模型仿真分析和全寿命周期加速疲劳试验数据对比分析,发现三种熵值指标对于滚动轴承各个失效阶段的反应各有优势,丰富了性能退化评估框架下的特征群。(2)对滚动轴承信号经S变换后得到的S时频谱矩阵进行GLCM熵值特征提取作为最终特征指标,提出S-GLCM熵。通过对S-GLCM熵值指标的数学模型仿真分析和全寿命周期加速疲劳试验数据对比分析,验证了该指标的有效性。(3)对滚动轴承信号经S变换后得到的S时频谱矩阵进行SVD熵值特征提取作为最终特征指标,提出S-SVD熵。通过对S-SVD熵值指标的数学模型仿真分析和全寿命周期加速疲劳试验数据对比分析,发现该指标对于同一工况下不同轴承数据反映差异较大,不能适用作为特征指标对滚动轴承进行性能退化评估。(4)将文中提出的有效特征指标(S-时频熵、S-时间熵、S-频率熵、S-GLCM熵)以及有效值、STFT熵、haar小波基CWT熵组成新的特征群,对滚动轴承进行CHMM性能退化评估,结果表明以上方法能够敏锐的监测设备的运转状态,能够准确的判断设备的性能退化重要阶段。
【学位授予单位】：上海应用技术大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TH133.33
【图文】：

图1.1 5 号线延伸线轴温监测传感器mperature Monitoring Sensor for Line 5 E工作者对滚动轴承性能退化做了大为设备状态监测领域的研究热点[3]。化特征提取和性能退化评估两个方面

动轴承基本结构一般是一致的，都包括：外圈、内圈、滚动体、保持架四种基本结构，如图 2.1 所示。图2.1 滚动轴承基本结构Fig.2.1 The basic structure of rolling bearings图中主要参数：D：节径；d：滚动体直径；r1：内圈半径；r2：外圈半径；α：接触角；z：滚动体个数。滚动轴承运行过程中的失效形式主要表现为：剥落、磨损、表面塑性变形、腐蚀、胶合、断裂六种[45]。在交变载荷作用下，滚动轴承易发生剥落失效，从而形成冲击特征。表面塑性变形、胶合一般发生在高温、重载荷且润滑较差的情况下。滚动轴承腐蚀分为电腐蚀和化学腐蚀两种，通常是由于工作环境引起的。在滚动轴承装配过程中，一旦产生残余应力，及其容易引起轴承断裂。

(c) 传感器安装位置(c) location of sensors图2.5 滚动轴承加速疲劳寿命试验台Fig.2.5 Accelerated rolling element bearing life test rig表2.1 滚动轴承 6307 主要几何参数Table 2.1 Geometrical parameters of rolling element bearing 6307型号节径D ( mm)滚动体直径d ( mm)滚动体数目Z ( 个)接触角 角度 径向额定动载荷 rC kn6307 58.5 13.494 8 0 33.4数据采集从轴承正常状态一直持续到寿命结束，总共对八个轴承进行了试验。为了降低轴承之间的信号干扰，选取了最先失效的两个轴承数据作为本文的验证数据。两个轴承最终的失效形式都以内圈严重点蚀为主要因素。第一个轴承(记为 B1)共采集了 2469组数据，第二个轴承(记为 B2)共采集了 1062 组数据。B1 和 B2 两组轴承数据原始信号图如图 2.6 所示，其中图 2.6 (a)为 B1 原始数据，图 2.6 (b)为 B2 原始数据。

【相似文献】

相关期刊论文 前10条

1 范凯;;涡扇发动机的性能退化控制与推力确定分析[J];科技创新导报;2019年23期

2 杨经宇;陈琦;李瑞;;基于振动传感器性能退化数据的可靠性评估[J];城市建设理论研究(电子版);2017年24期

3 黄周霖;王召斌;王佳炜;;基于性能退化数据的可靠性评估方法综述[J];电器与能效管理技术;2017年19期

4 李业波;李秋红;黄向华;赵永平;;航空发动机性能退化缓解控制技术[J];航空动力学报;2012年04期

5 江瑞龙;陈进;刘韬;肖文斌;;设备性能退化评估在巡检系统中的应用[J];振动与冲击;2012年16期

6 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

7 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

8 贾占强;梁玉英;蔡金燕;;基于加速性能退化试验的板级可靠性评估[J];无线电工程;2008年02期

9 郭磊;陈进;赵发刚;董广明;王国伟;;基于支持向量机的几何距离方法在设备性能退化评估中的应用[J];上海交通大学学报;2008年07期

10 刘阳;张磊;王超凡;;公路混凝土桥梁性能退化预测方法综述[J];交通世界;2019年35期

相关会议论文 前10条

1 郭磊;陈进;;设备性能退化评估与预测研究综述[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

2 吴琼;杨建中;王晶燕;满剑锋;;含测量误差的性能退化可靠性分析方法[A];中国力学大会-2015论文摘要集[C];2015年

3 胡昌华;;设备寿命预测技术[A];2015年中国自动化大会摘要集[C];2015年

4 王超;李凌;吴生虎;胡圣;;基于加速性能退化试验的单片集成电路可靠性评估[A];2010第十五届可靠性学术年会论文集[C];2010年

5 李卫彬;江畅;杨占峰;;材料性能退化的非线性电磁超声谐振技术研究[A];2018年全国固体力学学术会议摘要集（下）[C];2018年

6 朱义;陈进;;基于HMM的设备性能退化评估方法的研究[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

7 杨晓明;米雅妹;;混凝土桥梁材料性能退化监测系统[A];第八届全国地震工程学术会议论文集（Ⅱ）[C];2010年

8 匡正;苏艳梅;杨德庄;李春东;;两种确定热控涂层性能退化模型参数的组合优化算法[A];全国计算物理学会第六届年会和学术交流会论文摘要集[C];2007年

9 高军;阳川;;性能退化数据的归一化处理方法[A];中国电子学会可靠性分会第十四届学术年会论文选[C];2008年

10 陈涛;王衔;元国凯;刘晋超;;海上风电支撑结构使用安全管理[A];第三届中国风电后市场专题研讨会论文集[C];2016年

相关重要报纸文章 前4条

1 ;网络应用的资源难题[N];网络世界;2003年

2 ;国内长毛兔饲养存在的问题[N];中国畜牧兽医报;2008年

3 本报记者 次仁罗布;良马有心日驰千[N];西藏日报;2004年

4 本报记者 刘丽丽;90%大企业触及“私有云”[N];计算机世界;2010年

相关博士学位论文 前10条

1 朱江;固体氧化物燃料电池的性能退化模拟与抗积碳阳极设计[D];中国科学技术大学;2018年

2 黄文平;基于性能退化与冲击的竞争失效可靠性建模与维修优化研究[D];国防科学技术大学;2016年

3 丁传俊;小口径火炮关键零件及自动机性能退化建模方法研究[D];南京理工大学;2018年

4 齐佳;性能退化自恢复产品的相关竞争失效可靠性建模与评估[D];哈尔滨理工大学;2019年

5 蒋会明;基于隐马尔可夫模型的滚动轴承性能退化评估与寿命预测研究[D];上海交通大学;2017年

6 牛乾;机械旋转部件的性能退化及其寿命预测方法研究[D];浙江大学;2018年

7 赵建印;基于性能退化数据的可靠性建模与应用研究[D];国防科学技术大学;2005年

8 袁容;基于性能退化分析的可靠性方法研究[D];电子科技大学;2015年

9 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

10 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

相关硕士学位论文 前10条

1 李晓芳;基于材料性能退化的近海桥梁地震风险概率评估[D];福州大学;2018年

2 何玲;考虑性能退化的固体氧化物燃料电池系统优化控制[D];电子科技大学;2019年

3 李博;拟静力荷载下CRB550级箍筋柱性能退化的研究[D];河南大学;2019年

4 王雨薇;基于性能退化信息的可靠性分析[D];西安电子科技大学;2019年

5 贾玉琛;基于S变换的滚动轴承性能退化特征指标提取及性能退化评估[D];上海应用技术大学;2019年

6 张晔;某高压电源板的早期故障检测与性能退化预测[D];哈尔滨工业大学;2019年

7 韩佳佳;基于性能退化的软硬件系统可靠性分析[D];南京航空航天大学;2019年

8 薛冬;滚动轴承故障诊断及性能退化评估[D];东北电力大学;2019年

9 任利娟;滚动轴承性能退化评估与剩余寿命预测[D];山东大学;2019年

10 杜海涛;基于性能退化的谐波齿轮再设计参数识别[D];上海交通大学;2017年

本文编号：2756762