基于支持向量数据描述的滚动轴承性能退化评估
发布时间：2021-02-07 13:29
滚动轴承是机械设备中常用的零部件,其运行状态的优劣会在一定程度上影响着整台设备的性能。滚动轴承从正常运转到失效往往会经历一系列不同的退化过程,如果能够在这个过程中对轴承的退化程度进行定量评估,则可以使设备维护策略的制定具有针对性。本文以滚动轴承为研究对象,采用理论和实验相结合的方法系统研究了轴承性能退化评估中退化特征提取、评估模型的建立和评估结果的验证等问题。针对退化特征提取问题,首先以内圈故障为例分析了提升小波包变换在不同程度故障信号分析中的有效性。在此基础上,将提升小波包分别与奇异谱熵、符号熵相结合,从而得到了基于提升小波包奇异谱熵的退化特征提取方法,并提出了基于提升小波包符号熵的退化特征提取方法。试验数据分析结果表明,提升小波包奇异谱熵、提升小波包符号熵均对不同严重程度的内圈故障比较敏感,能够反映轴承的退化状态。针对评估模型的建立问题,将支持向量数据描述（SVDD）引入轴承性能退化评估中,建立了基于SVDD的性能退化评估模型,在此基础上提出了基于提升小波包奇异谱熵-SVDD的性能退化评估方法和基于提升小波包符号熵-SVDD的性能退化评估方法,并给出了实际在线评估中的失效阈值设定方...
【文章来源】：华东交通大学江西省
【文章页数】：81 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
主要符号说明
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 退化特征提取
1.2.2 评估模型的建立
1.3 主要研究内容与结构安排
第二章 基于熵度量的退化特征提取
2.1 提升小波变换及提升小波包理论
2.1.1 提升小波变换原理
2.1.2 提升算子系数的求解方法
2.1.3 提升算子系数个数的选择
2.1.4 提升小波包变换
2.2 实例分析
2.3 提升小波包奇异谱熵
2.3.1 信息熵
2.3.2 奇异谱熵
2.3.3 基于提升小波包奇异谱熵的退化特征提取
2.4 提升小波包符号熵
2.4.1 符号时间序列分析
2.4.2 符号熵
2.4.3 基于提升小波包符号熵的退化特征提取
2.5 本章小结
第三章 基于SVDD的性能退化评估
3.1 SVDD理论
3.1.1 SVDD的基本原理
3.1.2 核方法的基本原理
3.1.3 引入核函数的SVDD
3.2 性能退化评估方法
3.2.1 评估模型的建立
3.2.2 实际在线评估中的失效阈值设定方法
3.3 基于虚拟仪器的全寿命周期动态信号采集系统
3.3.1 LabVIEW简介
3.3.2 动态信号采集系统的硬件平台
3.3.3 数据采集中的生产者-消费者结构和状态机结构
3.3.4 软件系统的开发
3.4 试验验证
3.4.1 轴承故障程度模拟试验描述
3.4.2 基于提升小波包奇异谱熵-SVDD的故障程度评估
3.4.3 基于提升小波包符号熵-SVDD的故障程度评估
3.5 本章小结
第四章 全寿命周期试验数据的性能退化评估
4.1 全寿命周期试验描述
4.2 性能退化评估中SVDD参数的选取
4.3 基于提升小波包奇异谱熵-SVDD的性能退化评估
4.4 基于提升小波包符号熵-SVDD的性能退化评估
4.5 性能退化评估中提升小波包符号熵参数的选取
4.6 基于自适应SVDD的性能退化评估
4.6.1 自适应SVDD算法
4.6.2 基于自适应SVDD的评估结果
4.7 本章小结
第五章 性能退化评估结果的验证
5.1 轴承各部件故障特征频率的计算
5.2 经验模态分解
5.3 相关系数准则和峭度系数准则
5.4 Hilbert包络解调
5.5 基于EMD和Hilbert包络解调的故障诊断方法
5.6 评估结果的验证
5.7 本章小结
第六章 总结与展望
6.1 全文工作总结
6.2 展望
参考文献
个人简历 在读期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]小波包能谱构建综合评估函数的轴承退化评估[J]. 杨帆,汤宝平,尹爱军. 中国机械工程. 2015(17)
[2]基于流形学习和最小二乘支持向量机的滚动轴承退化趋势预测[J]. 肖婷,汤宝平,秦毅,陈昌. 振动与冲击. 2015(09)
[3]基于多域特征与高斯混合模型的滚动轴承性能退化评估[J]. 张龙,黄文艺,熊国良,曹青松. 中国机械工程. 2014(22)
[4]基于威布尔分布及最小二乘支持向量机的滚动轴承退化趋势预测[J]. 陈昌,汤宝平,吕中亮. 振动与冲击. 2014(20)
[5]基于概率密度空间划分的符号化时间序列分析及其在异常诊断中的应用[J]. 胡世杰,钱宇宁,严如强. 振动工程学报. 2014(05)
[6]基于EMD和峭度的Hilbert包络解调在滚动轴承故障诊断中的应用分析[J]. 周浩,贾民平. 机电工程. 2014(09)
[7]基于TESPAR与GMM的滚动轴承性能退化评估[J]. 张龙,黄文艺,熊国良,周建民,周继慧. 仪器仪表学报. 2014(08)
[8]连续隐半马尔科夫模型在轴承性能退化评估中的应用[J]. 李巍华,李静,张绍辉. 振动工程学报. 2014(04)
[9]基于多尺度熵的滚动轴承故障程度评估[J]. 张龙,黄文艺,熊国良. 振动与冲击. 2014(09)
[10]基于混合高斯输出贝叶斯信念网络模型的设备退化状态识别与剩余使用寿命预测方法研究[J]. 张星辉,康建设,赵劲松,肖雷,曹端超,刘浩. 振动与冲击. 2014(08)
博士论文
[1]振动故障分形特征提取及诊断方法研究[D]. 李兆飞.重庆大学 2013
[2]滚动轴承的性能退化特征提取及评估方法研究[D]. 潘玉娜.上海交通大学 2011
[3]滚动轴承振动信号处理及特征提取方法研究[D]. 苏文胜.大连理工大学 2010
[4]基于第二代小波的机械故障信号处理方法研究[D]. 周瑞.哈尔滨工业大学 2009
硕士论文
[1]滚动轴承性能退化评估技术研究[D]. 周杨.电子科技大学 2014
[2]基于连续隐半马尔科夫模型的轴承性能退化评估[D]. 李静.华南理工大学 2013
[3]基于支持向量数据描述与信息融合的设备性能退化评估研究[D]. 刘雨.上海交通大学 2009
[4]基于LabVIEW的轴承状态监测及故障诊断系统实现[D]. 柴慧霞.太原理工大学 2008
[5]基于LabVIEW的虚拟仪器及其在轴承测振仪中的应用[D]. 阎晓伟.太原理工大学 2008
[6]第二代小波变换在旋转机械故障诊断中的应用研究[D]. 于明月.南京航空航天大学 2008
[7]基于LabVIEW的数据采集及分析系统的开发[D]. 王剑.哈尔滨理工大学 2004
本文编号：3022296
【文章来源】：华东交通大学江西省
【文章页数】：81 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
主要符号说明
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 退化特征提取
1.2.2 评估模型的建立
1.3 主要研究内容与结构安排
第二章 基于熵度量的退化特征提取
2.1 提升小波变换及提升小波包理论
2.1.1 提升小波变换原理
2.1.2 提升算子系数的求解方法
2.1.3 提升算子系数个数的选择
2.1.4 提升小波包变换
2.2 实例分析
2.3 提升小波包奇异谱熵
2.3.1 信息熵
2.3.2 奇异谱熵
2.3.3 基于提升小波包奇异谱熵的退化特征提取
2.4 提升小波包符号熵
2.4.1 符号时间序列分析
2.4.2 符号熵
2.4.3 基于提升小波包符号熵的退化特征提取
2.5 本章小结
第三章 基于SVDD的性能退化评估
3.1 SVDD理论
3.1.1 SVDD的基本原理
3.1.2 核方法的基本原理
3.1.3 引入核函数的SVDD
3.2 性能退化评估方法
3.2.1 评估模型的建立
3.2.2 实际在线评估中的失效阈值设定方法
3.3 基于虚拟仪器的全寿命周期动态信号采集系统
3.3.1 LabVIEW简介
3.3.2 动态信号采集系统的硬件平台
3.3.3 数据采集中的生产者-消费者结构和状态机结构
3.3.4 软件系统的开发
3.4 试验验证
3.4.1 轴承故障程度模拟试验描述
3.4.2 基于提升小波包奇异谱熵-SVDD的故障程度评估
3.4.3 基于提升小波包符号熵-SVDD的故障程度评估
3.5 本章小结
第四章 全寿命周期试验数据的性能退化评估
4.1 全寿命周期试验描述
4.2 性能退化评估中SVDD参数的选取
4.3 基于提升小波包奇异谱熵-SVDD的性能退化评估
4.4 基于提升小波包符号熵-SVDD的性能退化评估
4.5 性能退化评估中提升小波包符号熵参数的选取
4.6 基于自适应SVDD的性能退化评估
4.6.1 自适应SVDD算法
4.6.2 基于自适应SVDD的评估结果
4.7 本章小结
第五章 性能退化评估结果的验证
5.1 轴承各部件故障特征频率的计算
5.2 经验模态分解
5.3 相关系数准则和峭度系数准则
5.4 Hilbert包络解调
5.5 基于EMD和Hilbert包络解调的故障诊断方法
5.6 评估结果的验证
5.7 本章小结
第六章 总结与展望
6.1 全文工作总结
6.2 展望
参考文献
个人简历 在读期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]小波包能谱构建综合评估函数的轴承退化评估[J]. 杨帆,汤宝平,尹爱军. 中国机械工程. 2015(17)
[2]基于流形学习和最小二乘支持向量机的滚动轴承退化趋势预测[J]. 肖婷,汤宝平,秦毅,陈昌. 振动与冲击. 2015(09)
[3]基于多域特征与高斯混合模型的滚动轴承性能退化评估[J]. 张龙,黄文艺,熊国良,曹青松. 中国机械工程. 2014(22)
[4]基于威布尔分布及最小二乘支持向量机的滚动轴承退化趋势预测[J]. 陈昌,汤宝平,吕中亮. 振动与冲击. 2014(20)
[5]基于概率密度空间划分的符号化时间序列分析及其在异常诊断中的应用[J]. 胡世杰,钱宇宁,严如强. 振动工程学报. 2014(05)
[6]基于EMD和峭度的Hilbert包络解调在滚动轴承故障诊断中的应用分析[J]. 周浩,贾民平. 机电工程. 2014(09)
[7]基于TESPAR与GMM的滚动轴承性能退化评估[J]. 张龙,黄文艺,熊国良,周建民,周继慧. 仪器仪表学报. 2014(08)
[8]连续隐半马尔科夫模型在轴承性能退化评估中的应用[J]. 李巍华,李静,张绍辉. 振动工程学报. 2014(04)
[9]基于多尺度熵的滚动轴承故障程度评估[J]. 张龙,黄文艺,熊国良. 振动与冲击. 2014(09)
[10]基于混合高斯输出贝叶斯信念网络模型的设备退化状态识别与剩余使用寿命预测方法研究[J]. 张星辉,康建设,赵劲松,肖雷,曹端超,刘浩. 振动与冲击. 2014(08)
博士论文
[1]振动故障分形特征提取及诊断方法研究[D]. 李兆飞.重庆大学 2013
[2]滚动轴承的性能退化特征提取及评估方法研究[D]. 潘玉娜.上海交通大学 2011
[3]滚动轴承振动信号处理及特征提取方法研究[D]. 苏文胜.大连理工大学 2010
[4]基于第二代小波的机械故障信号处理方法研究[D]. 周瑞.哈尔滨工业大学 2009
硕士论文
[1]滚动轴承性能退化评估技术研究[D]. 周杨.电子科技大学 2014
[2]基于连续隐半马尔科夫模型的轴承性能退化评估[D]. 李静.华南理工大学 2013
[3]基于支持向量数据描述与信息融合的设备性能退化评估研究[D]. 刘雨.上海交通大学 2009
[4]基于LabVIEW的轴承状态监测及故障诊断系统实现[D]. 柴慧霞.太原理工大学 2008
[5]基于LabVIEW的虚拟仪器及其在轴承测振仪中的应用[D]. 阎晓伟.太原理工大学 2008
[6]第二代小波变换在旋转机械故障诊断中的应用研究[D]. 于明月.南京航空航天大学 2008
[7]基于LabVIEW的数据采集及分析系统的开发[D]. 王剑.哈尔滨理工大学 2004
本文编号：3022296
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3022296.html
