基于振动信号分析的滚动轴承故障诊断及寿命预测研究

发布时间：2021-11-10 18:05

　　滚动轴承是旋转机械设备的常用元件,它的正常运行是机械系统安全运行的保证,轴承故障类型识别和剩余寿命预测研究具有重要的研究意义。在了解轴承故障诊断研究意义和研究背景的基础上,引入自适应变分模态分解及参数估计方法用于轴承故障诊断及寿命预测,研究内容主要包括:首先,深入了解轴承故障诊断的发展及现状,并对故障诊断的基本过程及常用方法进行了分析。采用变分模态分解方法对轴承振动信号进行自适应分解,获取其中包含故障信息较多的成分。针对方法中存在的模态分量分解个数会影响变分模态分解结果的问题,研究了基于快速谱峭度图的模态分量个数设置方法。通过在分解前利用谱峭度预估最优分析频带带宽的方式,控制增加模态分量个数时模态分量中心频率的接近程度,得到模态分量个数的合理值。其次,对轴承信号进行了变分模态分解并与经验模态分解结果进行了对比。根据峭度-相关性指标筛选敏感模态分量,对筛选结果进行特征提取,并采用随机森林分类器对不同转速条件下的轴承故障特征数据进行分类识别。最后,对于轴承的剩余寿命预测问题,分析轴承的寿命周期和振动信号的变化情况采用均方根值作为健康指标描述轴承状态变化。针对双指数衰退模型在寿命预测时的参数... 

【文章来源】：燕山大学河北省

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

故障类型识别过程

第 2 章 轴承故障诊断的基本原理的振动信号，组成轴承寿命期间的振动信号序列。(2)选取健康指标。对每段信号进行特征提取组成特征序列，分析特征序列况是否反应轴承的健康状态，从中选取健康指标。(3)建立衰退模型。建立轴承的衰退模型，对轴承的健康指标变化情况进行，将轴承的状态估计问题转换为对轴承衰退模型的状态估计问题。(4)状态估计。利用状态估计算法对已采集数据进行状态估计结合衰退模型未来状态的变化情况，根据达到失效阈值的时间预测轴承的剩余寿命。轴承剩余寿命预测过程如图 2-2。

图 2-3 随机森林训练过程，建立与 t 个样本集相对应的 t 个决策树模型。从样本特征中随机 n )个特征进行信息增益计算，在 s 个特征中选取最优特征作为决，确定每个节点属性的分类规则，根据分类规则将每个节点分成未被选中的特征中再次寻找最优特征，如此递归构造最后得到 t图 2-4。

【参考文献】：
期刊论文
[1]基于MED-EMD和切片双谱的滚动轴承故障特征提取[J]. 李延峰,韩振南,刘邱祖,王志坚.  轴承. 2017(11)
[2]基于加权欧式距离的动态弹道仿真可信度检验方法[J]. 向谦楠.  水雷战与舰船防护. 2017(03)
[3]基于VMD和多尺度熵的变压器内绝缘局部放电信号特征提取及分类[J]. 贾亚飞,朱永利,王刘旺,李莉.  电工技术学报. 2016(19)
[4]基于UKF的轴承剩余寿命预测方法研究[J]. 阙子俊,金晓航,孙毅.  仪器仪表学报. 2016(09)
[5]利用加速度包络技术探索滚动轴承故障诊断方法[J]. 陈强.  设备管理与维修. 2016(05)
[6]退化速率跟踪粒子滤波在剩余使用寿命预测中的应用[J]. 范彬,胡雷,胡茑庆.  国防科技大学学报. 2015(03)
[7]基于子频带谱峭度平均的快速谱峭度图算法改进[J]. 代士超,郭瑜,伍星,那靖.  振动与冲击. 2015(07)
[8]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)
[9]基于BP神经网络的轴承寿命预测程序设计[J]. 宁武龙,刘桓龙,彭卫池,柯坚,于兰英.  现代机械. 2014(03)
[10]基于EEMD能量熵及LS-SVM滚动轴承故障诊断[J]. 夏均忠,苏涛,张阳,王龙,冷永刚.  噪声与振动控制. 2014(03)

硕士论文
[1]分形与排列熵在滚动轴承故障诊断中的应用[D]. 贾峰.太原理工大学 2014



本文编号：3487698