基于状态监测的滚动轴承性能退化评估

发布时间：2017-05-05 09:08

  本文关键词：基于状态监测的滚动轴承性能退化评估，由笔耕文化传播整理发布。

【摘要】：在众多机械设备中,轴承的应用随处可见,同时也最容易受到损坏。轴承一旦出现故障,很容易引起工程事故,造成经济损失。对轴承进行状态监测能够实时了解轴承的工作情况,尽早的判断是否将要出现故障并采取相应的措施,从而在很多情况下避免事故的发生。所以在工业生产中轴承的状态监测,可靠性和性能退化预测,以及故障分析诊断是值得关注的问题。可靠性评估能够掌握轴承的失效时间,在此时间之前适时的对轴承进行维修,延长维修周期和使用寿命,对于保证设备的正常运行具有非常重要的意义。本文在理论方法的基础上,结合滚动轴承实例展开探讨,研究轴承的性能退化评估方法,具体内容如下:(1)首先介绍了滚动轴承的主要状态监测技术,如状态监测的传感检测方法、滚动轴承的状态监测方法和振动信号的分析诊断法。然后在理论上对轴承振动信号的特征提取与信号处理方法进行研究,包括时域分析、频域分析和时频分析方法,每种方法具有各自的特点,适合应用于不同的场合。掌握轴承的状态监测和特征提取方法是进行性能退化评估的基础和前提。(2)通过构造状态空间模型对性能退化进行预测,对状态方程的求解过程进行了改进。首先通过状态监测方法得到轴承的振动信号,用小波分析的方法获得振动信号的特征能量,然后选取趋势符合退化特点的频带能量作为评价状态的参数指标,以此建立状态空间预测模型,然后计算可靠度。其中重点探讨了状态空间模型求解方法的核心内容,即改进卡尔曼滤波。最后结合两个滚动轴承实例验证方法的有效性,可以看出,改进卡尔曼滤波方法比原始方法的预测效果更理想。(3)提出了基于单变量与多变量支持向量机的性能退化状态评估方法。通过在线监测技术获得轴承的振动数据,对信号进行特征提取并选择能反映轴承退化状态的特征指标和它的特征变量,建立回归预测方程,利用特征变量的训练数据作为输入对特征指标进行预测。最后结合滚动轴承实例分别对单变量和多变量支持向量机方法进行验证,结果表明,由于多变量支持向量机所包含的信息更加全面,从而预测结果更准确。
【关键词】：轴承 状态监测 性能退化 特征提取
【学位授予单位】：大连工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH133.33
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-14
• 1.1 论文研究背景及意义9-10
• 1.2 研究现状10-13
• 1.2.1 滚动轴承特征提取方法研究现状10-11
• 1.2.2 性能退化中可靠性评估方法研究现状11-13
• 1.3 论文的主要研究内容及结构安排13-14
• 第二章 轴承的状态监测及特征提取14-27
• 2.1 滚动轴承主要状态监测技术14-16
• 2.1.1 状态监测的传感检测方法15
• 2.1.2 状态监测方法15-16
• 2.1.3 振动信号分析诊断法16
• 2.2 滚动轴承运行状态特征信号提取方法16-26
• 2.2.1 时域分析方法18-21
• 2.2.2 频域分析方法21-22
• 2.2.3 时频分析方法22-26
• 2.3 本章小结26-27
• 第三章 基于状态空间模型的性能退化评估27-44
• 3.1 可靠性27-29
• 3.2 改进的卡尔曼滤波方法29-32
• 3.2.1 卡尔曼滤波30-31
• 3.2.2 改进卡尔曼滤波31-32
• 3.3 状态空间模型及其参数计算32-35
• 3.3.1 状态空间模型的建立32-33
• 3.3.2 状态空间模型参数估计33-35
• 3.4 基于状态空间模型的滚动轴承性能预测实例35-43
• 3.4.1 轴承试验I35-39
• 3.4.2 轴承试验II39-43
• 3.5 本章小结43-44
• 第四章 基于多变量支持向量机的性能退化状态评估44-61
• 4.1 支持向量机理论44-48
• 4.1.1 SVM原理44-46
• 4.1.2 SVM模型的建立46-48
• 4.2 支持向量机回归48-52
• 4.2.1 SVR的数学模型48-50
• 4.2.2 SVR预测步骤50-52
• 4.3 基于多变量支持向量机的滚动轴承性能预测实例52-60
• 4.3.1 实验数据采集53-54
• 4.3.2 轴承性能特征选取54
• 4.3.3 轴承试验54-60
• 4.4 本章小结60-61
• 第五章 结论和展望61-63
• 5.1 结论61
• 5.2 展望61-63
• 参考文献63-66
• 致谢66

【相似文献】

中国期刊全文数据库 前10条

1 彭宝华;周经伦;刘学敏;;元器件性能退化信息的系统性能可靠性评估[J];火力与指挥控制;2011年10期

2 胡昌华;胡锦涛;张伟;平振海;;支持向量机用于性能退化的可靠性评估[J];系统工程与电子技术;2009年05期

3 蔡静;王玉梅;;基于Wiener过程的性能退化产品可靠性评估[J];湖南理工学院学报(自然科学版);2012年02期

4 王剑;刘西拉;;结构性能退化的评估和贝叶斯动态预测[J];岩石力学与工程学报;2007年S1期

5 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

6 华成;张庆;徐光华;谢俊;李淑智;;动态概率模型跟踪性能退化的实时可靠性评估方法[J];西安交通大学学报;2010年01期

7 李伟;王华伟;孙绍辉;;基于性能退化数据的可靠性建模分析[J];飞机设计;2014年02期

8 王立;于重重;施彦;张慧妍;;基于振动信号分析的电机性能退化特征提取[J];计算机仿真;2014年04期

9 何英;周东华;俞容;;一种基于性能退化数据的电子设备缓变故障预报方法[J];仪器仪表学报;2008年07期

10 张佳;张伟;梅冰;;系统性能退化与可靠性评估[J];战术导弹技术;2011年06期

中国重要会议论文全文数据库 前6条

1 李晓阳;姜同敏;;基于性能退化的应力-强度干涉模型[A];大型飞机关键技术高层论坛暨中国航空学会2007年学术年会论文集[C];2007年

2 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

3 叶文亚;李国平;范立础;李晓娅;;混凝土桥梁全寿命性能退化规律的探讨[A];第十七届全国桥梁学术会议论文集（下册）[C];2006年

4 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

5 叶文亚;李国平;;钢筋混凝土和预应力混凝土结构服役期性能退化相关性定性的分析[A];结构混凝土创新与可持续发展——第十三届全国混凝土及预应力混凝土学术交流会论文集[C];2005年

6 贾福萍;崔艳莉;候大令;鲁彩风;;混凝土受高温及不同冷却方式影响的性能退化特征对比分析[A];第七届全国现代结构工程学术研讨会论文集[C];2007年

中国博士学位论文全文数据库 前7条

1 李业波;智能航空发动机性能退化缓解控制技术研究[D];南京航空航天大学;2014年

2 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

3 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

4 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

5 林迟;基于结构全寿命设计需求的环境作用与结构性能退化研究[D];哈尔滨工业大学;2010年

6 薛鹏飞;预应力混凝土连续刚构桥结构性能退化预测评估研究[D];浙江大学;2009年

7 潘玉娜;滚动轴承的性能退化特征提取及评估方法研究[D];上海交通大学;2011年

中国硕士学位论文全文数据库 前10条

1 郭琦;基于性能退化数据的可靠性评估方法研究[D];华南理工大学;2015年

2 魏郁昆;系统可靠性分析中环境因子评估方法研究及软件实现[D];电子科技大学;2014年

3 周杨;滚动轴承性能退化评估技术研究[D];电子科技大学;2014年

4 刘帅君;基于性能退化数据的航空发动机剩余寿命预测[D];电子科技大学;2015年

5 李卉;基于状态监测的滚动轴承性能退化评估[D];大连工业大学;2015年

6 高思霄;组合转子性能退化的裂纹位置敏感性研究[D];中南大学;2014年

7 钱婷;基于性能退化的矿山散料运输系统的实时动态可靠性研究[D];西安建筑科技大学;2013年

8 袁亚芹;基于性能退化数据的航空液压泵可靠性分析[D];南京理工大学;2009年

9 魏星;基于产品性能退化数据的可靠性分析及应用研究[D];南京理工大学;2008年

10 苏艳梅;热控涂层性能退化预测模型参数估计算法的研究[D];哈尔滨工业大学;2006年

  本文关键词：基于状态监测的滚动轴承性能退化评估，，由笔耕文化传播整理发布。

本文编号：346052