基于多健康状态评估的滚动轴承剩余寿命预测方法研究

发布时间：2017-05-24 11:14

  本文关键词：基于多健康状态评估的滚动轴承剩余寿命预测方法研究，由笔耕文化传播整理发布。

【摘要】：滚动轴承是一种常见的机械设备关键部件,研究其剩余寿命可以帮助工程人员及时采取合理的措施延长设备的寿命,防止损伤扩大化。本论文采用多健康状态评估的方法实现滚动轴承的剩余寿命预测。使用支持向量机分类模型(Support Vector Classification,简称SVC)实现状态评估,并在此基础上通过支持向量机回归模型(Support Vector Regression,简称SVR)实现剩余寿命预测。在建立模型之前,首先需要对采集得到的数据进行预处理。本文阐述了滚动轴承加速寿命试验平台的基本情况,总结了所使用数据的统计特性以及对原始数据进行特征提取的技术手段。采集到的原始振动信号需要进行移动平均平滑处理,以尽可能的消除噪声对信号的影响；然后对每个时间片段的数据进行特征提取,包含水平振动方向和垂直振动方向的时域特征、频域特征、故障频率特征以及经验模态分解(Empirical Mode Decomposition,简称EMD)分解特征。此外,本文还着重计算了信号的熵特征,主要包含：时域信号信息熵,频域信号信息熵以及希尔伯特熵。通过分析提取的滚动轴承特征,发现希尔伯特熵可以比较好的描述轴承的健康状态信息,它可以将轴承的整个生命周期分为两种模式：状态Ⅰ(平稳期)、状态Ⅱ(退化期)和状态Ⅲ(快速失效期),或者状态Ⅰ(平稳期)和状态Ⅲ(快速失效期)。通过相关系数分析,可以选择出用于轴承健康状态评估的特征集。选定的特征集是SVC的输入变量,其所对应的标签是SVC的输出变量,通过参数优化得到最优的SVC模型。算例验证表明确定的SVC模型可以比较准确的实现轴承的健康状态分类。在健康状态评估的基础上,针对不同状态的轴承进行剩余寿命模型的建立。处于状态Ⅰ中的轴承运行比较平稳,特征信号保持稳定,这说明其处于良好的健康状态,因此在这个阶段本文不进行剩余寿命的预测。轴承进入状态II和状态Ⅲ之后,标志着其性能开始发生退化,因此需要对处于这两种状态的轴承进行剩余寿命预测。利用相关性分析可确定用于剩余寿命预测的特征集,并分别建立针对状态Ⅱ的SVR模型和状态Ⅲ的SVR预测模型。算例表明,确定的SVR模型可以比较准确地实现状态Ⅱ和状态Ⅲ的剩余寿命预测,从而可以得到比较准确的轴承剩余寿命信息。针对本文在建模过程中可能存在的不足之处,在论文的第六章展望中,对未来的工作做出明确规划,以期在未来的学习中可以对此模型不断完善。
【关键词】：故障预测与健康管理 滚动轴承 支持向量机 剩余使用寿命 健康状态评估
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH133.33
【目录】：

• 摘要5-7
• ABSTRACT7-12
• 第一章 绪论12-19
• 1.1 研究背景及意义12-13
• 1.2 研究现状13-16
• 1.2.1 国内研究现状14-15
• 1.2.2 国外研究现状15-16
• 1.3 论文组织结构16-19
• 第二章 支持向量机的数学模型19-30
• 2.1 分类问题的基本理论20-26
• 2.1.1 线性可分最优超平面的构建21-24
• 2.1.2 非线性可分最优超平面的构建24-26
• 2.2 回归估计问题的基本理论26-29
• 2.2.1 线性回归函数估计26-29
• 2.2.2 非线性回归函数估计29
• 2.3 小结29-30
• 第三章 滚动轴承的特征提取30-52
• 3.1 滚动轴承加速寿命实验30-35
• 3.1.1 PRONOSTIA平台介绍30-31
• 3.1.2 采集信号的统计信息31-34
• 3.1.3 滚动轴承的L_(10)额定寿命34-35
• 3.2 数据预处理35-37
• 3.2.1 异常数据的剔除35-36
• 3.2.2 数据降噪处理36-37
• 3.3 滚动轴承的特征提取37-51
• 3.3.1 时域特征38-40
• 3.3.2 频域特征40-41
• 3.3.3 故障频率特征41-45
• 3.3.4 熵特征45-48
• 3.3.5 EMD分解特征48-51
• 3.4 小结51-52
• 第四章 滚动轴承的健康状态评估52-69
• 4.1 可行性分析52-57
• 4.2 面向健康状态评估的特征选择57-61
• 4.3 基于SVM的健康状态评估算法61-64
• 4.3.1 数据归一化61-62
• 4.3.2 参数寻优62-64
• 4.4 算法验证64-68
• 4.4.1 工况一条件下轴承验证64-67
• 4.4.2 工况二条件下轴承验证67-68
• 4.5 小结68-69
• 第五章 滚动轴承的剩余寿命预测69-83
• 5.1 面向剩余寿命预测的特征选择70-73
• 5.2 基于SVM的剩余寿命预测算法73-75
• 5.3 算法验证75-82
• 5.3.1 工况一条件下轴承验证75-79
• 5.3.2 工况二条件下轴承验证79-80
• 5.3.3 验证结果对比80-82
• 5.4 小结82-83
• 第六章 总结与展望83-85
• 6.1 结论83
• 6.2 未来工作展望83-85
• 致谢85-86
• 参考文献86-93
• 攻硕期间取得的研究成果93

【引证文献】

中国硕士学位论文全文数据库 前1条

1 武斌;基于物联网的胶带输送机状态监测及寿命管理系统开发[D];太原理工大学;2016年

  本文关键词：基于多健康状态评估的滚动轴承剩余寿命预测方法研究，，由笔耕文化传播整理发布。

本文编号：390601