基于AR能量比和SVDD的滚动轴承性能退化评估（英文）

发布时间：2022-01-24 08:16

　　滚动轴承在长期工作过程中存在不同程度的性能退化。如果能够识别滚动轴承的退化状态,就可以采取维修措施。针对滚动轴承性能退化评估问题,提出了一种基于振动信号自回归模型（Autoregressive model,AR）能量比和支持向量数据描述（Support vector data description,SVDD）相结合的滚动轴承性能退化评估方法。首先用AR滤波得到轴承全寿命周期内振动信号的剩余分量,计算能量比作为轴承状态的特征向量;然后利用轴承正常状态下的特征向量对SVDD进行训练,得到正常状态下的超球面。轴承全寿命周期样本特征向量与超球面之间的相对距离作为轴承性能退化定量评估指标;最后设定早期故障报警阈值。结果表明,与常见的监测指标的性能退化评估方法相比,该方法的早期故障检测能力强,对轴承各阶段性能退化状态描述更为准确。 

【文章来源】：机床与液压. 2020,48(12)北大核心

【文章页数】：9 页

【文章目录】：
1 Introduction
2 The ore tical background
    2.1 Autoregressive model method
    2.2 Support vector data description
    2.3 Adaptive threshold setting
3 Establishme nt of pe rformance de gra-dation asse ssme nt mode l
4 Expe rime nt and re sult analysis
    4.1 Description of the experiment
    4.2 SVDD model evaluation results
5 Conclusion


【参考文献】：
期刊论文
[1]基于VMD和SVDD结合的滚动轴承性能退化程度定量评估[J]. 姜万录,雷亚飞,韩可,张生,苏晓.  振动与冲击. 2018(22)
[2]VMD样本熵特征提取方法及其在行星变速箱故障诊断中的应用[J]. 杨大为,冯辅周,赵永东,江鹏程,丁闯.  振动与冲击. 2018(16)
[3]基于Boxplot-LTSA噪声流形算法的滚动轴承状态识别[J]. 刘忠鑫,康建设,曲凤明,邓雅冲.  火力与指挥控制. 2018(06)
[4]基于SVM-BOXPLOT的乙烯生产过程异常工况监测与诊断[J]. 华丽,于海晨,邵诚,巩师鑫.  化工学报. 2018(03)
[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)
[7]基于萤火虫神经网络的轴承性能退化程度评估[J]. 刘永前,徐强,田德,龙泉.  机械传动. 2014(05)
[8]小波包变换和隐马尔可夫模型在轴承性能退化评估中的应用[J]. 肖文斌,陈进,周宇,王志阳,赵发刚.  振动与冲击. 2011(08)
[9]结合循环平稳和支持向量数据描述的轴承性能退化评估研究[J]. 潘玉娜,陈进.  机械科学与技术. 2009(04)



本文编号：3606219