基于数据驱动的机电装备典型零部件健康寿命预测技术研究

发布时间：2024-05-30 20:42

　　随着工业信息化技术的不断发展进步,机电装备越来越向着精密化、复杂化以及智能化方向发展,其在给人类生产生活创造便利的同时,也给设备的故障预测和健康管理带来新的挑战。一旦机械设备发生故障而失效,则会影响整个机电系统的健康运行,导致严重的生产事件发生,更甚者会造成生命和财产的严重损失。轴承是机电装备的关键零部件之一,大多数机械设备因故障而无法健康稳定运行都和轴承损坏存在直接或间接的关系。因此,本课题运用目前国内外健康寿命预测主流的研究方法:基于数据驱动的方法,以轴承为例进行机电装备典型零部件健康寿命预测技术研究,其主要的研究内容如下所述:首先,借助在轴承整个生命周期中采集到的全部振动信号,分析比较不同的时域特征和频域特征,获取其在轴承全生命周期内的变化情况,最终选取均方根、峰值因子、峭度指标和频谱分区求和四个特征作为轴承剩余寿命预测的退化指标。然后,针对Mean-DNN等方法存在的不足之处,我们提出一种将K-近邻回归预测模型和全连接深度神经网络预测模型相融合的深度联想神经网络(ASDNN)预测模型,并在“IEEE PHM 2012”数据集上与4种典型方法进行对比分析,说明其优越性和可行性。其...

【文章页数】：89 页

【学位级别】：硕士

【部分图文】：

图2-1试验台结构情况

贵州大学硕士学位论文正常运行状态下，在实验室环境下获取轴承从健康运行状态到最终失效的整个命周期数据几乎不太现实。加速寿命实验平台（AcceleratedLifeTesting,ALT）以通过改变轴承运行的载荷或转速加快其衰退过程，获取其全生命周期的退化过数据。本文采用“IE....

图2-3均值和峰峰值变化示意图

并采集全生命周期数据，数据集包括2803个样本数据，每个样本含义2560个数据点。首先，我们获取均值和峰峰值变化示意图。通过图2-3观察得到，在轴承的整个生命周期内，除去个别异常点外，均值和峰峰值基本上没有发生明显的变化，这表明它们不能较好的表征轴承的退化过程。图2....

图2-4方差、脉冲因子以及波形因子变化示意图

的变化情况如图2-5所示，与其余的特征参数相比，一方面，当轴承时就会引发RMS值得变化，可见其对于早期故障较为敏感。另一方面障程度的不断加深，均方根也会随之变化。因此，均方根可以较好的康状态，故本文选用均方根作为退化指标之一。

图2-5均方根变化示意图

20图2-4方差、脉冲因子以及波形因子变化示意图均方根的变化情况如图2-5所示，与其余的特征参数相比，一方面，当轴承刚刚出现故障时就会引发RMS值得变化，可见其对于早期故障较为敏感。另一方面，随着轴承故障程度的不断加深，均方根也会随之变化。因此，均方根可以较好的表征轴承的....

本文编号：3984770