基于LS-SVM的轴承故障趋势预测方法研究
发布时间：2020-12-07 05:24
滚动轴承作为旋转机械中十分重要的零部件,在工程机械、航空航天等现代工业中得到了广泛应用。而在连续处于高负荷、变工况的运行状态下,滚动轴承性能的不断衰退易诱发整个设备系统故障的产生与恶化,导致不同程度的经济损失、环境污染甚至是人员伤亡。因此滚动轴承的运行状态对设备的安全运行具有重要影响,针对其的状态监测和故障趋势预测具有重大意义。本文以滚动轴承为研究对象,通过采集振动信号,提取时域、频域、时频域特征变量,围绕LS-SVM及改进模型进行了故障趋势预测方法研究与分析,与传统神经网络进行对比,LS-SVM及改进模型在趋势预测中具有更高的预测精度,具体内容如下:（1）针对传统LS-SVM单步预测模型预测时间短,无法得到足够的未来发展趋势等问题,提出了基于迭代更新的多步预测模型。在传统LS-SVM单步预测模型的基础上,利用预测值重新构造训练样本对,同时引入迭代更新算法,利用预测值对模型参数重新优化修正,实现模型的不断更新,能够有效降低误差累积导致的预测精度下降等问题。以滚动轴承振动信号为研究对象,对比传统预测方法,验证了提出方法的有效性。（2）针对单变量预测结构简单、信息匮乏,不能充分描述轴承退化...
【文章来源】：北京化工大学北京市 211工程院校 教育部直属院校
【文章页数】：98 页
【学位级别】：硕士
【文章目录】：
学位论文数据集
摘要
ABSTRACT
第一章 绪论
1.1 课题来源
1.2 国内外研究发展与现状
1.2.1 故障趋势预测国内外研究发展
1.2.2 支持向量机基本原理与发展概述
1.3 问题提出
1.4 主要研究内容及论文结构
1.4.1 主要研究内容
1.4.2 论文结构安排
第二章 基于标准LS-SVM的轴承退化预测方法
2.1 统计学习理论
2.1.1 机器学习基本介绍
2.1.2 统计学习理论介绍
2.2 LS-SVM预测算法
2.2.1 算法原理概述
2.2.2 仿真实验
2.3 基于LS-SVM的单步预测
2.3.1 轴承故障试验台
2.3.2 性能衰退指标选取
2.3.3 耦合模拟退火算法
2.3.4 实验对比分析
2.4 基于LS-SVM的多步预测
2.4.1 多步预测方法概述
2.4.2 迭代更新预测与比较
2.5 本章小结
第三章 基于时移多变量LS-SVM轴承退化预测方法
3.1 多变量LS-SVM介绍
3.1.1 多变量LS-SVM原理
3.1.2 仿真试验
3.2 特征变量选取
3.2.1 特征变量种类及计算方法
3.2.2 特征变量选取方法
3.3 基于时移多变量LS-SVM预测模型
3.3.1 模型样本对构造
3.3.2 移动窗口迭代更新
3.4 故障预测实验
3.4.1 试验台介绍
3.4.2 实验对比与分析
3.5 本章小结
第四章 基于过程时移多变量LS-SVM轴承退化预测方法
4.1 过程LS-SVM介绍
4.1.1 过程LS-SVM机理分析
4.1.2 过程LS-SVM核函数研究
4.1.3 过程LS-SVM预测模型建立
4.2 混沌时间序列仿真实验
4.3 过程时移多变量LS-SVM预测模型
4.3.1 多变量分解与样本对构造
4.3.2 模型迭代更新
4.4 实验对比与分析
4.5 本章小结
第五章 结论与展望
5.1 全文工作总结
5.2 研究展望
参考文献
致谢
已发表的学术论文
作者和导师简介
附录
【参考文献】：
期刊论文
[1]基于无量纲指标与波谱分析的滚动轴承故障诊断[J]. 陈俊君,徐冰. 机械设计与研究. 2015(04)
[2]基于支持过程向量机的航空发动机排气温度预测[J]. 于广滨,丁刚,姚威,黄龙. 电机与控制学报. 2013(08)
[3]基于相对特征和多变量支持向量机的滚动轴承剩余寿命预测[J]. 申中杰,陈雪峰,何正嘉,孙闯,张小丽,刘治汶. 机械工程学报. 2013(02)
[4]基于留一交叉验证的类不平衡危害预评估策略[J]. 于化龙,倪军,徐森. 小型微型计算机系统. 2012(10)
[5]基于信号预处理和Hilbert变换的滚动轴承故障诊断[J]. 杨超,李亦滔. 华东交通大学学报. 2012(04)
[6]灰色关联分析的神经网络模型在轴承故障预测中的应用[J]. 徐微,刘文彬,周敏,杨剑锋,兴城宏. 轴承. 2012(08)
[7]基于改进的网格搜索法的SVM参数优化[J]. 王健峰,张磊,陈国兴,何学文. 应用科技. 2012(03)
[8]旋转机械的故障预测方法综述[J]. 马洁,徐小力,周东华. 自动化仪表. 2011(08)
[9]一种预测煤灰变形温度的新方法[J]. 徐志明,赵永萍,文孝强,程鹏,袁帅. 中国电机工程学报. 2011(17)
[10]机械重大装备寿命预测综述[J]. 张小丽,陈雪峰,李兵,何正嘉. 机械工程学报. 2011(11)
博士论文
[1]支持向量机回归算法与应用研究[D]. 李海生.华南理工大学 2005
本文编号：2902710
【文章来源】：北京化工大学北京市 211工程院校 教育部直属院校
【文章页数】：98 页
【学位级别】：硕士
【文章目录】：
学位论文数据集
摘要
ABSTRACT
第一章 绪论
1.1 课题来源
1.2 国内外研究发展与现状
1.2.1 故障趋势预测国内外研究发展
1.2.2 支持向量机基本原理与发展概述
1.3 问题提出
1.4 主要研究内容及论文结构
1.4.1 主要研究内容
1.4.2 论文结构安排
第二章 基于标准LS-SVM的轴承退化预测方法
2.1 统计学习理论
2.1.1 机器学习基本介绍
2.1.2 统计学习理论介绍
2.2 LS-SVM预测算法
2.2.1 算法原理概述
2.2.2 仿真实验
2.3 基于LS-SVM的单步预测
2.3.1 轴承故障试验台
2.3.2 性能衰退指标选取
2.3.3 耦合模拟退火算法
2.3.4 实验对比分析
2.4 基于LS-SVM的多步预测
2.4.1 多步预测方法概述
2.4.2 迭代更新预测与比较
2.5 本章小结
第三章 基于时移多变量LS-SVM轴承退化预测方法
3.1 多变量LS-SVM介绍
3.1.1 多变量LS-SVM原理
3.1.2 仿真试验
3.2 特征变量选取
3.2.1 特征变量种类及计算方法
3.2.2 特征变量选取方法
3.3 基于时移多变量LS-SVM预测模型
3.3.1 模型样本对构造
3.3.2 移动窗口迭代更新
3.4 故障预测实验
3.4.1 试验台介绍
3.4.2 实验对比与分析
3.5 本章小结
第四章 基于过程时移多变量LS-SVM轴承退化预测方法
4.1 过程LS-SVM介绍
4.1.1 过程LS-SVM机理分析
4.1.2 过程LS-SVM核函数研究
4.1.3 过程LS-SVM预测模型建立
4.2 混沌时间序列仿真实验
4.3 过程时移多变量LS-SVM预测模型
4.3.1 多变量分解与样本对构造
4.3.2 模型迭代更新
4.4 实验对比与分析
4.5 本章小结
第五章 结论与展望
5.1 全文工作总结
5.2 研究展望
参考文献
致谢
已发表的学术论文
作者和导师简介
附录
【参考文献】：
期刊论文
[1]基于无量纲指标与波谱分析的滚动轴承故障诊断[J]. 陈俊君,徐冰. 机械设计与研究. 2015(04)
[2]基于支持过程向量机的航空发动机排气温度预测[J]. 于广滨,丁刚,姚威,黄龙. 电机与控制学报. 2013(08)
[3]基于相对特征和多变量支持向量机的滚动轴承剩余寿命预测[J]. 申中杰,陈雪峰,何正嘉,孙闯,张小丽,刘治汶. 机械工程学报. 2013(02)
[4]基于留一交叉验证的类不平衡危害预评估策略[J]. 于化龙,倪军,徐森. 小型微型计算机系统. 2012(10)
[5]基于信号预处理和Hilbert变换的滚动轴承故障诊断[J]. 杨超,李亦滔. 华东交通大学学报. 2012(04)
[6]灰色关联分析的神经网络模型在轴承故障预测中的应用[J]. 徐微,刘文彬,周敏,杨剑锋,兴城宏. 轴承. 2012(08)
[7]基于改进的网格搜索法的SVM参数优化[J]. 王健峰,张磊,陈国兴,何学文. 应用科技. 2012(03)
[8]旋转机械的故障预测方法综述[J]. 马洁,徐小力,周东华. 自动化仪表. 2011(08)
[9]一种预测煤灰变形温度的新方法[J]. 徐志明,赵永萍,文孝强,程鹏,袁帅. 中国电机工程学报. 2011(17)
[10]机械重大装备寿命预测综述[J]. 张小丽,陈雪峰,李兵,何正嘉. 机械工程学报. 2011(11)
博士论文
[1]支持向量机回归算法与应用研究[D]. 李海生.华南理工大学 2005
本文编号：2902710
本文链接：https://www.wllwen.com/jixiegongchenglunwen/2902710.html
