基于AdaBoost R VM的滚动轴承剩余寿命预测方法研究
发布时间：2021-08-26 06:45
滚动轴承作为关键机械基础件,其性能好坏直接关系到整机设备的性能、功能和效率。滚动轴承的剩余寿命（RUL）综合反映了轴承运行过程中受损情况和故障程度,准确预测其剩余寿命可为预防性维修决策提供依据,延长设备生命周期,提高整机的可靠性和利用率,避免安全事故。数据驱动方法是滚动轴承剩余寿命预测的主要手段之一,其过程主要包括获取数据、特征处理及剩余寿命预测三部分。论文对特征处理和剩余寿命预测两个方面开展研究。特征处理方面,包括特征提取、预处理和特征选择三部分。为提取更加全面敏感的特征,论文采用变分模态分解（VMD）将振动信号分解为若干模态,提取每个模态的能量比作为时频域特征,与振动信号时域、频域特征共同构造高维原始特征集。同时,为实现不同轴承特征幅值范围、以及训练和测试特征归一化的一致性,采用相似性度量方法对构造的原始特征集归一化处理。实验结果表明,时频域特征VMD能量比有效,相似性度量方法可实现对不同轴承特征的归一化处理。剩余寿命预测方面,包括构建性能退化趋势健康指标和预测剩余寿命两部分。针对剩余寿命预测过程中,失效阈值不易确定、单一模型预测误差较大的问题,提出基于Ada Boost集成相关向...
【文章来源】：哈尔滨理工大学黑龙江省
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
剩余寿命预测整体流程图
VMD分解结果
图 2-2 均方根和峭度特征值对比Fig. 2-2 The comparison of root mean square and kurtosis feature valu动轴承的运行，整体上均呈现出一定的单调上升趋势，纲不同、幅值范围不同的问题，且两个特征的最大值均
【参考文献】：
期刊论文
[1]基于MCEA-KPCA和组合SVR的滚动轴承剩余使用寿命预测[J]. 康守强,叶立强,王玉静,谢金宝,Mikulovich V I. 电子测量与仪器学报. 2017(09)
[2]基于相关向量机模型的设备运行可靠性预测[J]. 冯鹏飞,朱永生,王培功,闫柯. 振动与冲击. 2017(12)
[3]基于改进AdaBoost.RT和KELM的风功率预测方法研究[J]. 胡梦月,胡志坚,仉梦林,傅晨宇. 电网技术. 2017(02)
[4]基于数学形态学和IFOA-SVR的滚动轴承可靠度预测方法[J]. 康守强,叶立强,王玉静,谢金宝,MIKULOVICH VI. 机械工程学报. 2017(08)
[5]基于变分模态分解和蝙蝠算法-相关向量机的短期风速区间预测[J]. 范磊,卫志农,李慧杰,Kwok W Cheung,孙国强,孙永辉. 电力自动化设备. 2017(01)
[6]基于VMD和平均能量的齿轮故障特征提取[J]. 蒋丽英,高爽,崔建国,于明月,卢晓东,王景霖. 沈阳航空航天大学学报. 2016(06)
[7]基于变分模态分解和Teager能量算子的滚动轴承故障特征提取[J]. 马增强,李亚超,刘政,谷朝健. 振动与冲击. 2016(13)
[8]基于变分模态分解和1.5维谱的轴承早期故障诊断方法[J]. 王晓龙,唐贵基. 电力自动化设备. 2016(07)
[9]自适应多核组合相关向量机预测方法及其在机械设备剩余寿命预测中的应用[J]. 雷亚国,陈吴,李乃鹏,林京. 机械工程学报. 2016(01)
[10]基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断[J]. 刘长良,武英杰,甄成刚. 中国电机工程学报. 2015(13)
博士论文
[1]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]. 张彬.北京科技大学 2016
[2]基于变分模态分解与优化多核支持向量机的旋转机械早期故障诊断方法研究[D]. 吕中亮.重庆大学 2016
[3]滚动轴承振动信号特征提取与状态评估方法研究[D]. 王玉静.哈尔滨工业大学 2015
[4]相关向量机多分类算法的研究与应用[D]. 柳长源.哈尔滨工程大学 2013
硕士论文
[1]滚动轴承故障机理及智能化检测技术研究[D]. 何翔.西南交通大学 2017
[2]基于自适应增量LLE和SVM的滚动轴承健康状态评估方法研究[D]. 马丹阳.哈尔滨理工大学 2017
[3]基于SVR的滚动轴承剩余使用寿命预测方法研究[D]. 叶立强.哈尔滨理工大学 2017
[4]滚动轴承故障诊断中的特征提取与选择方法[D]. 杨慧斌.湖南工业大学 2011
本文编号：3363758
【文章来源】：哈尔滨理工大学黑龙江省
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
剩余寿命预测整体流程图
VMD分解结果
图 2-2 均方根和峭度特征值对比Fig. 2-2 The comparison of root mean square and kurtosis feature valu动轴承的运行，整体上均呈现出一定的单调上升趋势，纲不同、幅值范围不同的问题，且两个特征的最大值均
【参考文献】：
期刊论文
[1]基于MCEA-KPCA和组合SVR的滚动轴承剩余使用寿命预测[J]. 康守强,叶立强,王玉静,谢金宝,Mikulovich V I. 电子测量与仪器学报. 2017(09)
[2]基于相关向量机模型的设备运行可靠性预测[J]. 冯鹏飞,朱永生,王培功,闫柯. 振动与冲击. 2017(12)
[3]基于改进AdaBoost.RT和KELM的风功率预测方法研究[J]. 胡梦月,胡志坚,仉梦林,傅晨宇. 电网技术. 2017(02)
[4]基于数学形态学和IFOA-SVR的滚动轴承可靠度预测方法[J]. 康守强,叶立强,王玉静,谢金宝,MIKULOVICH VI. 机械工程学报. 2017(08)
[5]基于变分模态分解和蝙蝠算法-相关向量机的短期风速区间预测[J]. 范磊,卫志农,李慧杰,Kwok W Cheung,孙国强,孙永辉. 电力自动化设备. 2017(01)
[6]基于VMD和平均能量的齿轮故障特征提取[J]. 蒋丽英,高爽,崔建国,于明月,卢晓东,王景霖. 沈阳航空航天大学学报. 2016(06)
[7]基于变分模态分解和Teager能量算子的滚动轴承故障特征提取[J]. 马增强,李亚超,刘政,谷朝健. 振动与冲击. 2016(13)
[8]基于变分模态分解和1.5维谱的轴承早期故障诊断方法[J]. 王晓龙,唐贵基. 电力自动化设备. 2016(07)
[9]自适应多核组合相关向量机预测方法及其在机械设备剩余寿命预测中的应用[J]. 雷亚国,陈吴,李乃鹏,林京. 机械工程学报. 2016(01)
[10]基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断[J]. 刘长良,武英杰,甄成刚. 中国电机工程学报. 2015(13)
博士论文
[1]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]. 张彬.北京科技大学 2016
[2]基于变分模态分解与优化多核支持向量机的旋转机械早期故障诊断方法研究[D]. 吕中亮.重庆大学 2016
[3]滚动轴承振动信号特征提取与状态评估方法研究[D]. 王玉静.哈尔滨工业大学 2015
[4]相关向量机多分类算法的研究与应用[D]. 柳长源.哈尔滨工程大学 2013
硕士论文
[1]滚动轴承故障机理及智能化检测技术研究[D]. 何翔.西南交通大学 2017
[2]基于自适应增量LLE和SVM的滚动轴承健康状态评估方法研究[D]. 马丹阳.哈尔滨理工大学 2017
[3]基于SVR的滚动轴承剩余使用寿命预测方法研究[D]. 叶立强.哈尔滨理工大学 2017
[4]滚动轴承故障诊断中的特征提取与选择方法[D]. 杨慧斌.湖南工业大学 2011
本文编号：3363758
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3363758.html
