基于流形学习的滚动轴承性能退化趋势预测研究

发布时间：2017-05-11 00:11

  本文关键词：基于流形学习的滚动轴承性能退化趋势预测研究，由笔耕文化传播整理发布。

【摘要】：空间滚动轴承作为空间机械设备的关键部件,其工作性能的好坏直接影响到整机的正常运行。空间滚动轴承的运行环境极端恶劣,容易造成轴承在运行一段时间后产生各种各样的缺陷,随着其继续运转,初始缺陷进一步扩展,其运行状态和性能逐渐退化。并且,由于空间场合轴承应用的限制,空间滚动轴承不可能更换,也不可能采用备份来保证轴承的可靠性,所以轴承一旦出现问题,将导致整个空间活动部件的失效甚至毁坏。目前只能开展地面模拟空间环境下滚动轴承性能退化趋势预测的方法研究。因此,需要研究地面模拟空间环境下滚动轴承性能退化趋势预测的方法。采集滚动轴承的振动信号进行处理分析,实现其性能退化趋势预测,准确及时地判断其运行状态是否变化,预测其运行状态的发展趋势,为其设计与维护提供指导依据,避免人员伤亡和设备的损失。基于振动信号的空间滚动轴承性能退化趋势预测可以为轴承可靠性评估和剩余寿命预测提供依据。空间活动件结构复杂,各零部件间振动信号叠加和耦合,且空间滚动轴承的工作环境恶劣、运行工况多变,导致其振动信号有噪声大,非线性等特性。空间滚动性能退化趋势预测孕育于正常状态,没有明显故障,特征十分微弱。而滚动轴承趋势预测的关键就在于提取能表征其运行状态的特征指标,以全面、准确地反映其运行状态。因此,研究一种具有非线性降噪、能建立起敏感特征指标的性能退化趋势预测方法具有重要意义。目前,基于振动信号的趋势预测方法因各自的局限性,都还不能全面、准确地反映空间滚动轴承的运行状态。近年来,流形学习得到了广泛应用与发展。流形学习是数据的一种非线性降维方法,可以有效地挖掘出嵌入在高维数据空间中的低维流形结构,将其应用于空间滚动轴承性能趋势预测具有重要意义。因此,论文基于流形学习方法,结合其他信号分析方法,深入研究了基于流形学习的空间滚动轴承性能退化趋势预测的方法。具体内容安排如下:①针对空间滚动轴承信号强噪声干扰大、非线性的问题,提出了自适应邻域的流形学习降噪方法。首先通过相空间重构将一维非线性时间序列重构到高维空间,充分显露出非线性序列中所蕴含的信息。再利用局部切空间排列流形算法把高维空间映射到有用信号的本征维空间中,从而去除分布在高维空间的噪声。研究自适应邻域方法,使邻域结构更符合数据分布情况,并采用极大似然法估计信号的本征维数。自适应邻域的流形学习降噪方法提高了空间滚动轴承振动信号非线性的降噪效果。②针对空间滚动轴承性能趋势预测中难以建立有效特征指标的问题,提出了基于自适应邻域LPP的空间滚动轴承性能退化趋势预测特征指标构建方法。分析了滚动轴承振动信号的多域特征提取方法,针对多域高维特征间存在冗余、相互冲突,影响后续退化趋势预测的准确度的问题,采用自适应邻域LPP融合特征集,并将融合指标作为轴承性能退化趋势预测的特征指标。③针对传统的趋势预测模型不能预测空间滚动轴承状态的问题,提出了基于最小二乘支持向量机预测模型。在流形学习算法的基础上,将维数约简后的特征信息作为最小二乘支持向量机的输入,训练并建立趋势预测模型,实现空间滚动轴承性能退化趋势预测。④在以上研究的基础上以C#为开发平台,研究空间滚动轴承性能退化趋势预测功能模块。通过实验、应用对该功能模块进行检验,并对本文所提的空间滚动轴承趋势预测方法进行验证。
【关键词】：空间滚动轴承 非线性降噪 特征指标 退化趋势
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH133.33
【目录】：

• 中文摘要3-5
• 英文摘要5-10
• 1 绪论10-20
• 1.1 课题来源10
• 1.2 课题背景和研究意义10-12
• 1.3 空间滚动轴性能退化趋势预测的国内外研究现状12-17
• 1.3.1 降噪方法研究现状12-13
• 1.3.2 特征提取方法研究现状13-16
• 1.3.3 性能退化趋势预测模型研究现状16-17
• 1.4 流形学习在空间滚动轴承性能退化趋势预测中存在的关键问题17-18
• 1.5 本文主要研究内容及结构安排18-20
• 2 基于自适应邻域的流形学习降噪方法20-38
• 2.1 引言20-21
• 2.2 相空间重构和Takens嵌入定理21-24
• 2.2.1 相空间重构理论21-22
• 2.2.2 嵌入维数22-23
• 2.2.3 时间延迟23-24
• 2.3 自适应邻域的流形学习降噪方法24-28
• 2.3.1 局部切空间排列算法24-25
• 2.3.2 本征维数估计25-26
• 2.3.3 自适应邻域选取26-28
• 2.4 自适应邻域的流形学习降噪28-35
• 2.4.1 自适应邻域的流形学习降噪流程28-29
• 2.4.2 仿真信号降噪实验29-33
• 2.4.3 地面模拟空间环境滚动轴承应用实例33-35
• 2.5 本章小结35-38
• 3 基于自适应邻域流形学习的空间滚动轴承特征提取38-54
• 3.1 引言38
• 3.2 故障信息特征提取方法38-44
• 3.2.1 时域特征提取方法38-39
• 3.2.2 频率域特征提取方法39-41
• 3.2.3 时频域特征提取41-44
• 3.3 基于自适应邻域LPP融合特征指标的建立44-47
• 3.3.1 LPP算法45-46
• 3.3.2 自适应邻域LPP融合特征指标的建立46-47
• 3.4 实例分析47-53
• 3.4.1 Cincinnati大学实例47-51
• 3.4.2 空间滚动轴承实例51-53
• 3.5 本章小结53-54
• 4 支持向量机预测模型研究54-66
• 4.1 引言54
• 4.2 支持向量机理论54-61
• 4.2.1 支持向量机理论55-57
• 4.2.2 支持向量回归机算法57-59
• 4.2.3 最小二乘支持向量机理论59-61
• 4.3 性能退化趋势预测流程61
• 4.4 实例分析61-65
• 4.4.1 Cincinnati大学实例61-64
• 4.4.2 空间滚动轴承实验验证64-65
• 4.5 本章小结65-66
• 5 空间滚动轴承性能退化趋势预测模块设计66-76
• 5.1 引言66
• 5.2 系统总体设计66-68
• 5.2.1 需求分析66-67
• 5.2.2 总体设计67-68
• 5.3 模块功能结构68-74
• 5.4 实例验证74-75
• 5.4.1 Cincinnati大学地面常规滚动轴承实例74
• 5.4.2 地面模拟空间环境滚动轴承实例74-75
• 5.5 本章小结75-76
• 6 结论与展望76-78
• 6.1 结论76-77
• 6.2 研究展望77-78
• 致谢78-80
• 参考文献80-86
• 附录86
• A. 作者在攻读硕士学位期间发表的论文目录86
• B. 作者在攻读硕士学位期间参与的科研项目86

【相似文献】

中国期刊全文数据库 前10条

1 周华;蔡超;丁明跃;;基于流形学习和流形高阶近似的图像距离度量[J];华中科技大学学报(自然科学版);2012年03期

2 黄鸿;李见为;冯海亮;;融合局部和全局结构的流形学习[J];光学精密工程;2009年03期

3 贺广南;杨育彬;;基于流形学习的图像检索算法研究[J];山东大学学报(工学版);2010年05期

4 金波;;基于年龄流形的人脸图像年龄识别[J];中国新技术新产品;2011年01期

5 高峥;杜川;;基于流形学习算法的人脸识别研究[J];河南机电高等专科学校学报;2011年04期

6 詹炜;;流形学习算法概述[J];武汉船舶职业技术学院学报;2013年02期

7 丁玲;唐娉;李宏益;;基于流形学习的混合光谱解混分析[J];红外与激光工程;2013年09期

8 顾艳春;;一种基于线性插值的流形学习算法[J];佛山科学技术学院学报(自然科学版);2013年01期

9 张辉远;;基于高光谱影像的流形学习降维方法近邻畸变分析[J];铁道勘察;2014年02期

10 冯海亮;李见为;王旭初;黄鸿;;基于非线性子流形的人脸识别[J];重庆大学学报;2008年03期

中国重要会议论文全文数据库 前4条

1 宋欣;王娟;张斌;叶世伟;;流形学习算法分析及在人脸数据库上的应用[A];2008年全国开放式分布与并行计算机学术会议论文集(上册)[C];2008年

2 刘晓平;季浩;邓伟财;;基于流形学习的非线性系统可视化算法[A];全国第21届计算机技术与应用学术会议（CACIS·2010）暨全国第2届安全关键技术与应用学术会议论文集[C];2010年

3 何慧;陈博;郭军;;基于流形学习的半监督文本情感分类算法[A];第五届全国信息检索学术会议论文集[C];2009年

4 蒋全胜;贾民平;胡建中;许飞云;;一种基于流形学习的故障模式识别方法[A];第九届全国振动理论及应用学术会议论文集[C];2007年

中国博士学位论文全文数据库 前10条

1 苏祖强;基于泛化流形学习的风电机组传动系统早期故障诊断方法研究[D];重庆大学;2015年

2 黄鸿;图嵌入框架下流形学习理论及应用研究[D];重庆大学;2008年

3 尹峻松;流形学习理论与方法研究及在人脸识别中的应用[D];国防科学技术大学;2007年

4 黄启宏;流形学习方法理论研究及图像中应用[D];电子科技大学;2007年

5 冯海亮;流形学习算法在人脸识别中的应用研究[D];重庆大学;2008年

6 曾宪华;流形学习的谱方法相关问题研究[D];北京交通大学;2009年

7 詹宇斌;流形学习理论与方法及其应用研究[D];国防科学技术大学;2011年

8 王勇;基于流形学习的分类与聚类方法及其应用研究[D];国防科学技术大学;2011年

9 谷瑞军;基于流形学习的高维空间分类器研究[D];江南大学;2008年

10 孟德宇;关于流形学习若干基础问题与核心算法研究[D];西安交通大学;2008年

中国硕士学位论文全文数据库 前10条

1 胡浩松;基于流形学习的旋转机械故障识别方法研究[D];燕山大学;2015年

2 丁春涛;基于图嵌入的判别近邻分析研究及应用[D];苏州大学;2015年

3 余婵娟;交互式人脸检索中人机人脸认知一致性研究[D];上海大学;2015年

4 陈明霞;基于半监督的多流形学习算法研究[D];华侨大学;2015年

5 顾阳阳;基于流形学习的雷达辐射源识别技术[D];西安电子科技大学;2014年

6 高汉宇;基于最优r-覆盖堆积数本征维数估计方法及其应用[D];西安电子科技大学;2014年

7 罗廷金;基于流形学习的数据降维算法研究[D];国防科学技术大学;2013年

8 周韵然;基于流形学习的A股上市公司抽样的信用评价[D];电子科技大学;2014年

9 史仍浩;基于流形学习的在线社会网络节点分类[D];上海交通大学;2013年

10 陈诗文;流形学习在数据降维中的应用研究[D];浙江工业大学;2015年

  本文关键词：基于流形学习的滚动轴承性能退化趋势预测研究，由笔耕文化传播整理发布。

，

本文编号：355807