基于EMD和逻辑回归的轴承性能退化评估与剩余寿命预测

发布时间：2022-01-25 03:27

　　随着工业和科学技术的进步和发展,机电系统逐步走向智能化、高效化和精密化。滚动轴承在很多机电系统中担当着承载和传递动力的关键性作用。滚动轴承一旦出现突发性故障,不仅严重影响设备的生产效率,甚至可能造成操作员工的伤亡。因此,及时掌握滚动轴承的性能退化状况、预测出滚动轴承的剩余寿命、合理安排滚动轴承维修更换计划,对于保障机电设备的正常运转和降低滚动轴承的维护成本具有相当重大的意义。轴承的全寿命周期中,从早期故障到最终完全失效,中间要经历加深、磨平、恶化的过程。如果在这个过程中,能够有效地监测和评估轴承的性能退化程度,甚至预测到轴承的剩余正常使用寿命,那就可以根据当前的状况安排轴承的保养和维修,从而保障轴承的安全可靠和设备的良好运行。本文以滚动轴承为研究对象,根据经验模态分解算法对滚动轴承的振动信号进行特征提取,以逻辑回归作为评估模型,定量评估滚动轴承的性能退化状况,并运用自回归移动平均模型和灰色模型实现对滚动轴承的信号特征值和剩余寿命预测。主要内容为:1.建立轴承的性能退化评估模型。随机选取轴承正常状态下和失效状态下的若干组数据,根据经验模态分解方法计算振动信号本征模函数作为特征向量。以训练... 

【文章来源】：华东交通大学江西省

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

EMD算法流程图

图 2-2 货车内圈故障轴承Fig. 2-2 Bearing of railway freight car with inner race faul列车的车速记录为 38 km/h。查询相关资料了解到学传感器的信号采样频率为 48KHz。根据轴承参征频率 BPFI=44Hz。图 2-3 是故障轴承内圈信号的

14图 2-4 各阶 IMF 和残余分量时域波形Fig. 2-4 Time domain Waveform of IMF and the residual components从图 2-4 可知，IMF1 分量幅值最大，能量主要集中在 IMF1 上。因此对 IMF解调。基于 EMD 和 Hilbert 变换相结合的包络解调故障分析步骤如下：对待测信号进行 EMD 分解，得到若干个频率从高到低的 IMF 分量；

【参考文献】：
期刊论文
[1]基于无量纲指标与波谱分析的滚动轴承故障诊断[J]. 陈俊君,徐冰.  机械设计与研究. 2015(04)
[2]基于威布尔分布及最小二乘支持向量机的滚动轴承退化趋势预测[J]. 陈昌,汤宝平,吕中亮.  振动与冲击. 2014(20)
[3]连续隐半马尔科夫模型在轴承性能退化评估中的应用[J]. 李巍华,李静,张绍辉.  振动工程学报. 2014(04)
[4]随机共振消噪和EMD分解在轴承故障诊断中的应用[J]. 张超,陈建军.  机械设计与研究. 2013(01)
[5]基于IMF能量谱的水声信号特征提取与分类[J]. 刘深,张小蓟,牛奕龙,汪平平.  计算机工程与应用. 2014(03)
[6]基于局部特征尺度分解的经验包络解调方法及其在机械故障诊断中的应用[J]. 程军圣,郑近德,杨宇.  机械工程学报. 2012(19)
[7]基于信号预处理和Hilbert变换的滚动轴承故障诊断[J]. 杨超,李亦滔.  华东交通大学学报. 2012(04)
[8]IMF能量和RBF神经网络相结合在滚动轴承故障诊断中的应用研究[J]. 张梅军,王闯,陈灏.  机械. 2012(06)
[9]一种新的非平稳信号分析方法——局部特征尺度分解法[J]. 程军圣,郑近德,杨宇.  振动工程学报. 2012(02)
[10]耦合隐马尔可夫模型在轴承故障诊断中的应用[J]. 肖文斌,陈进,周宇.  噪声与振动控制. 2011(06)



本文编号：3607815