基于ELM的滚动轴承退化趋势与剩余寿命预测方法研究

发布时间：2023-09-18 19:55

　　对滚动轴承进行退化趋势及剩余寿命预测研究,是保障机械设备安全可靠运行的基础保障性研究内容之一。本文以NASA预诊断数据库的轴承疲劳试验数据为基础数据,利用多频率尺度模糊熵和极限学习机方法,研究了滚动轴承的振动信号特征提取、轴承性能衰退评估指标的构建、状态评估、退化趋势预测和剩余寿命预测等问题。主要工作如下:一、以对滚动轴承早期故障的发生和性能衰退较为敏感为原则,从众多时域、频域特征量中筛选出8个时域特征和10个频域特征。在时频域和熵领域,将经验模态分解和模糊熵相结合,提出“多频率尺度模糊熵(IMFFE)”特征提取方法,得到更为敏感的9个频率尺度上的模糊熵特征量。二、基于主成分分析(PCA)法构建轴承性能衰退评估指标。对筛选得到的敏感特征分领域进行PCA降维融合,得到时域、频域和IMFFE三个综合指标。分析预诊断数据库轴承全寿命周期内三个指标随样本号的变化规律,发现融合后的指标比单一特征量对轴承的性能衰退更为敏感。相对而言,IMFFE指标最佳。三、提出一种轴承运行状态评估方法。该方法以具有全寿命周期监测数据的同型号、近似工况的老旧轴承为“参考轴承”,以正在运行的“待测轴承”的监测历史数据...

【文章页数】：90 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 特征提取方法研究现状
        1.2.2 评估指标建立方法研究现状
        1.2.3 预测模型研究现状
    1.3 本文的主要研究工作
第2章 滚动轴承振动信号的特征提取与筛选
    2.1 引言
    2.2 滚动轴承的基本结构及其运行状态的振动监测
    2.3 轴承疲劳试验数据来源
    2.4 原始振动数据降噪处理
    2.5 滚动轴承现有的特征提取方法
        2.5.1 时域
        2.5.2 频域
        2.5.3 时频域
        2.5.4 熵特征
    2.6 面向剩余寿命预测的特征筛选
    2.7 多频率尺度模糊熵特征提取
    2.8 本章小结
第3章 滚动轴承的评估指标建立与状态评估
    3.1 引言
    3.2 基于PCA的指标建立方法
        3.2.1 主成分分析方法
        3.2.2 指标的建立
    3.3 多频率尺度模糊熵的仿真验证
    3.4 基于多频率尺度模糊熵的轴承状态评估方法
        3.4.1 参考轴承的状态划分
        3.4.2 待测轴承的状态评估
    3.5 本章小结
第4章 基于优化ELM的滚动轴承退化趋势及剩余寿命预测
    4.1 引言
    4.2 基于极限学习机模型的自适应预测算法
        4.2.1 极限学习机模型
        4.2.2 基于自适应粒子群优化算法的参数优化
    4.3 基于ELM的滚动轴承退化趋势预测
        4.3.1 退化趋势预测方法
        4.3.2 退化趋势预测流程
        4.3.3 试验验证
    4.4 基于MELM的滚动轴承剩余寿命预测
        4.4.1 剩余寿命预测流程
        4.4.2 试验验证
    4.5 本章小结
第5章 结论与展望
    5.1 结论
    5.2 展望
在校研究成果
致谢
参考文献
附录Ⅰ多频率尺度模糊熵算法的MATLAB程序
附录Ⅱ基于自适应粒子群优化的 ELM 退化趋势预测算法的 MATLAB 程序
附录Ⅲ基于自适应粒子群优化的MELM剩余寿命预测算法的MATLAB程序



本文编号：3848182