基于HSMM的滚动轴承故障预测技术

发布时间：2020-09-04 18:11

　　滚动轴承是旋转机械设备中最常见的部件之一,其运行状态的好坏直接影响到整个设备的工作性能。由于受到载荷、安装、润滑等因素的影响,滚动轴承在工作过程中故障率较高。因此,如何实现对滚动轴承故障的有效预测,对于尽早发现旋转机械设备的故障苗头,减少或杜绝重大事故的发生以及降低维修成本具有重要意义。本文针对滚动轴承的故障预测问题,在分析其故障机理和演化规律的基础上,开展了基于隐半马尔可夫模型(Hidden Semi-Markov Models,HSMM)的滚动轴承故障预测技术研究。论文主要内容包括: (1)滚动轴承的故障机理分析与故障演化建模系统地分析了滚动轴承的故障演化机理。在对滚动轴承正常状态和故障状态的特征频率进行分析的基础上,建立了基于隐半马尔可夫模型的滚动轴承故障演化趋势模型,对滚动轴承全寿命过程中各个退化状态的驻留时间和状态转移概率进行了合理描述。 (2)基于小波能谱熵的滚动轴承故障预测特征提取方法针对滚动轴承故障预测特征信息提取难的问题,提出了基于小波能谱熵的滚动轴承故障预测特征提取方法。验证结果表明,该方法所提取的小波能谱熵评判指标,可以较好地描述滚动轴承的全寿命过程中的故障演化趋势。 (3)基于隐半马尔可夫模型的滚动轴承故障预测方法针对隐半马尔可夫模型算法中存在的参数设置不确定性、多样本训练下溢等问题,深入研究了隐半马尔可夫模型的改进算法。在此基础上,提出了以小波能谱熵为预测特征信息的隐半马尔可夫模型故障预测方法。 (4)实验方案设计与实验验证以滚动轴承实验台为对象,设计了故障预测的实验方案,并通过实验验证了本文所研究的基于隐半马尔可夫模型的滚动轴承故障预测方法,结果表明,该方法可以较准确的实现对滚动轴承的故障预测,具有良好的可行性和有效性。
【学位单位】：国防科学技术大学
【学位级别】：硕士
【学位年份】：2008
【中图分类】：TH133.33;TH165.3
【部分图文】：

示意图,示意图,状态持续,概率密度函数

观察向量序列 O=[O(1),O(2),…,O(k),…,O(K)]每个状态可能包含的高斯元个数代表多高斯概率密度函数（正态分布）第 j 状态第 g 个混合高斯权重第 j 状态第 g 个混合高斯的均值第j 状态第 g 个混合高斯方差矩阵表 4.3 状态持续时间概率密度函数中的参数描述说明状态持续时间单元最大状态持续时间单元代表单高斯概率密度函数（正态分布）第 j 状态持续时间的均值第 j 状态第持续时间的方差

课题研究,思路,滚动轴承

图 1.1 课题研究思路文组织安排文结构安排如下：章，总结了课题研究的目的及意义，综述了滚动轴承的状态识别技技术的发展概况，并分析了当前的研究需求，明确了本文的研究对技术路线。章，分析并总结了滚动轴承的主要故障模式、产生机理、表现特征利用 HSMM 的建模方法对滚动轴承的全寿命趋势进行了描述，论证的滚动轴承故障演化趋势建模方法的有效性。章，简单介绍了小波能谱熵的相关概念和基本理论，研究了基于小障预测特征提取方法，以滚动轴承为例，验证了该方法的有效性。章，介绍了 HSMM 的基本理论和算法，针对实际应用中存在的主要问应的改进措施，在此基础上，深入研究了基于 HSMM 的滚动轴承退法和故障预测方法。

滚动轴承,几何特征

由于发现不及时往往引起设备停机或设备损坏，造成生产上不应有的损承失效形式较多，可能的故障种类有磨损、疲劳剥落、腐蚀、塑性变形胶合、保持架损坏等。从实践中可知，滚动轴承的故障大部分可归结为化，进而使振动加剧。这些故障引起的振动特征表现在振动信号中存在冲。在时域中，冲击使信号的均值、方差等发生变化；在频域中，信号明显增多，信号的能量分布发生变化。动轴承的状态监测与预测一直是机械故障预测技术的主要内容。据统计的旋转机械故障是由于滚动轴承的损坏引起的。由于滚动轴承的振动信明显的表征故障特征，很多轴承的状态监测和故障预测的方法都是建立信号的分析基础上的。因此，本章主要从滚动轴承振动信号的特征分析过 HSMM 的建模方法描述滚动轴承的故障演化趋势。2.2 滚动轴承振动信号的基本特征动轴承的基本结构

【引证文献】