滾動(dòng)軸承作為旋轉(zhuǎn)機(jī)械中重要的部件,其運(yùn)行狀態(tài)的健康與否直接關(guān)系到機(jī)械設(shè)備的穩(wěn)定安全,因此對(duì)軸承進(jìn)行故障診斷和性能退化評(píng)估意義重大。本文以滾動(dòng)軸承為研究對(duì)象,提出核函數(shù)特征矩陣聯(lián)合近似對(duì)角化(Kernel Joint Approximate Diagonalization of Eigen-matrices,KJADE)特征融合方法,并結(jié)合其它信號(hào)處理方法和機(jī)器學(xué)習(xí)方法,分別對(duì)滾動(dòng)軸承的特征提取、故障識(shí)別、性能退化評(píng)估等問題進(jìn)行了研究。本文首先對(duì)KJADE特征融合算法的理論進(jìn)行研究,其以一維或多維信號(hào)作為處理對(duì)象,從不同域提取信號(hào)的原始特征集,并經(jīng)過非線性函數(shù)將其映射到高維特征空間,從而使得低維空間中存在的線性不可分問題轉(zhuǎn)變成高維空間中的線性可分問題。然后引入核函數(shù)的思想代替高維特征空間中復(fù)雜的內(nèi)積計(jì)算并得到核矩陣,計(jì)算其四階累積量矩陣并進(jìn)行特征分解,從而得到非線性低維敏感特征。該特征分布消除了原始特征間的相關(guān)性和冗余性,較于傳統(tǒng)的線性JADE方法,該算法對(duì)非線性信號(hào)擁有更好的適用性。在軸承的故障識(shí)別中,首先從時(shí)域、頻域和時(shí)頻域?qū)φ駝?dòng)信號(hào)的特征參數(shù)進(jìn)行計(jì)算并組成原始多域特征集,然后使用KJADE算法提取更為穩(wěn)健有效的低維特征。主要研究了基于KJADE的低維非線性特征融合技術(shù),通過對(duì)多類軸承故障振動(dòng)信號(hào)進(jìn)行特征提取,以及與其他典型降維方法的比較結(jié)果,得出本文所提取的低維特征在特征空間內(nèi)具有非常好的聚類效果。并研究KJADE特征子空間的構(gòu)建,并作為支持向量機(jī)(Support Vector Machine,SVM)的學(xué)習(xí)樣本,實(shí)現(xiàn)對(duì)軸承的故障識(shí)別。基于兩類模型可以有效評(píng)估故障樣本與健康樣本之間的差異性,對(duì)軸承的性能退化評(píng)估進(jìn)行了研究。利用KJADE對(duì)滾動(dòng)軸承的全壽命振動(dòng)信號(hào)進(jìn)行低維特征指標(biāo)的提取,獲得能夠反映軸承性能退的敏感屬性。主要研究了基于KJADE和兩類模型的性能退化指標(biāo)提取技術(shù),并獲得了更為穩(wěn)健單調(diào)的評(píng)估指標(biāo),其對(duì)于早期故障的發(fā)現(xiàn)也更為及時(shí)有效。在此基礎(chǔ)上研究了極限學(xué)習(xí)機(jī)(Extreme Learning Machine,ELM)在軸承性能退化趨勢(shì)預(yù)測(cè)上的應(yīng)用,通過對(duì)退化指標(biāo)的歷史數(shù)據(jù)進(jìn)行學(xué)習(xí),能夠較好的實(shí)現(xiàn)對(duì)下一時(shí)刻軸承狀態(tài)的預(yù)測(cè)。此外,上述研究和分析是建立在凱斯西儲(chǔ)大學(xué)軸承實(shí)驗(yàn)數(shù)據(jù)、Cincinnati大學(xué)智能維護(hù)中心的滾動(dòng)軸承全壽命振動(dòng)數(shù)據(jù)和本文作者所在實(shí)驗(yàn)室所采集到的軸承疲勞實(shí)驗(yàn)數(shù)據(jù)基礎(chǔ)之上。本文研究表明,KJADE特征融合方法能夠提取反映軸承運(yùn)行狀態(tài)的有效敏感特征,對(duì)軸承的故障識(shí)別和性能退化評(píng)估都具有非常重要的意義。
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TH133.3
文章目錄
摘要
Abstract
第一章 緒論
1.1 選題意義
1.2 軸承故障診斷的主要方法與步驟
1.2.1 軸承故障診斷的主要方法
1.2.2 軸承故障診斷的基本步驟
1.3 軸承故障診斷方法研究現(xiàn)狀
1.3.1 軸承故障特征提取研究現(xiàn)狀
1.3.2 軸承故障狀態(tài)識(shí)別與性能退化評(píng)估研究現(xiàn)狀
1.4 本文研究內(nèi)容與安排
第二章 滾動(dòng)軸承振動(dòng)機(jī)理與故障分析
2.1 引言
2.2 研究對(duì)象分析
2.3 滾動(dòng)軸承的振動(dòng)機(jī)理與故障特征頻率計(jì)算
2.3.1 滾動(dòng)軸承的振動(dòng)機(jī)理
2.3.2 滾動(dòng)軸承的故障特征頻率計(jì)算
2.4 典型軸承故障振動(dòng)信號(hào)的特點(diǎn)
2.5 本章小結(jié)
第三章 KJADE特征融合方法及其在滾動(dòng)軸承故障識(shí)別中的應(yīng)用研究
3.1 引言
3.2 滾動(dòng)軸承故障信息特征提取方法
3.2.1 時(shí)域特征提取方法
3.2.2 頻域特征提取方法
3.2.3 時(shí)頻域特征提取方法
3.3 特征矩陣聯(lián)合近似對(duì)角化(JADE)方法
3.3.1 JADE基本模型
3.3.2 數(shù)據(jù)的球化
3.3.3 四階累積量矩陣
3.3.4 JADE算法
3.4 KJADE算法及其在軸承特征融合上的應(yīng)用研究
3.4.1 KJADE分析方法
3.4.2 基于KJADE的滾動(dòng)軸承特征融合方法
3.5 基于SVM的滾動(dòng)軸承故障識(shí)別
3.5.1 支持向量機(jī)(SVM)
3.5.2 滾動(dòng)軸承故障識(shí)別
3.6 本章小結(jié)
第四章 基于KJADE與ELM的滾動(dòng)軸承性能退化評(píng)估與趨勢(shì)預(yù)測(cè)研究
4.1 引言
4.2 基本理論
4.2.1 KJADE
4.2.2 兩類模型
4.2.3 極限學(xué)習(xí)機(jī)(ELM)
4.3 基于KJADE與兩類模型的滾動(dòng)軸承性能退化評(píng)估
4.3.1 軸承疲勞實(shí)驗(yàn)裝置介紹
4.3.2 軸承原始全壽命特征參數(shù)提取
4.3.3 軸承性能退化評(píng)估
4.4 基于ELM的滾動(dòng)軸承性能退化趨勢(shì)預(yù)測(cè)方法
4.5 本章小結(jié)
第五章 滾動(dòng)軸承疲勞試驗(yàn)方法驗(yàn)證
5.1 LabVIEW簡介與應(yīng)用
5.2 軸承疲勞試驗(yàn)裝置
5.3 實(shí)驗(yàn)分析與驗(yàn)證
5.4 本章小結(jié)
第六章 總結(jié)與展望
6.1 結(jié)論
6.2 展望
參考文獻(xiàn)
致謝
在讀期間發(fā)表的學(xué)術(shù)論文
【相似文獻(xiàn)】
相關(guān)期刊論文 前10條
1 彭寶華;周經(jīng)倫;劉學(xué)敏;;元器件性能退化信息的系統(tǒng)性能可靠性評(píng)估[J];火力與指揮控制;2011年10期
2 胡昌華;胡錦濤;張偉;平振海;;支持向量機(jī)用于性能退化的可靠性評(píng)估[J];系統(tǒng)工程與電子技術(shù);2009年05期
3 蔡靜;王玉梅;;基于Wiener過程的性能退化產(chǎn)品可靠性評(píng)估[J];湖南理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2012年02期
4 王劍;劉西拉;;結(jié)構(gòu)性能退化的評(píng)估和貝葉斯動(dòng)態(tài)預(yù)測(cè)[J];巖石力學(xué)與工程學(xué)報(bào);2007年S1期
5 潘玉娜;陳進(jìn);李興林;;基于模糊c-均值的設(shè)備性能退化評(píng)估方法[J];上海交通大學(xué)學(xué)報(bào);2009年11期
6 華成;張慶;徐光華;謝俊;李淑智;;動(dòng)態(tài)概率模型跟蹤性能退化的實(shí)時(shí)可靠性評(píng)估方法[J];西安交通大學(xué)學(xué)報(bào);2010年01期
7 李偉;王華偉;孫紹輝;;基于性能退化數(shù)據(jù)的可靠性建模分析[J];飛機(jī)設(shè)計(jì);2014年02期
8 王立;于重重;施彥;張慧妍;;基于振動(dòng)信號(hào)分析的電機(jī)性能退化特征提取[J];計(jì)算機(jī)仿真;2014年04期
9 何英;周東華;俞容;;一種基于性能退化數(shù)據(jù)的電子設(shè)備緩變故障預(yù)報(bào)方法[J];儀器儀表學(xué)報(bào);2008年07期
10 張佳;張偉;梅冰;;系統(tǒng)性能退化與可靠性評(píng)估[J];戰(zhàn)術(shù)導(dǎo)彈技術(shù);2011年06期
相關(guān)博士學(xué)位論文 前9條
1 李業(yè)波;智能航空發(fā)動(dòng)機(jī)性能退化緩解控制技術(shù)研究[D];南京航空航天大學(xué);2014年
2 袁容;基于性能退化分析的可靠性方法研究[D];電子科技大學(xué);2015年
3 張彬;數(shù)據(jù)驅(qū)動(dòng)的機(jī)械設(shè)備性能退化建模與剩余壽命預(yù)測(cè)研究[D];北京科技大學(xué);2016年
4 郝會(huì)兵;基于貝葉斯更新與Copula理論的性能退化可靠性建模與評(píng)估方法研究[D];東南大學(xué);2016年
5 郭磊;基于核模式分析方法的旋轉(zhuǎn)機(jī)械性能退化評(píng)估技術(shù)研究[D];上海交通大學(xué);2009年
6 趙建印;基于性能退化數(shù)據(jù)的可靠性建模與應(yīng)用研究[D];國防科學(xué)技術(shù)大學(xué);2005年
7 林遲;基于結(jié)構(gòu)全壽命設(shè)計(jì)需求的環(huán)境作用與結(jié)構(gòu)性能退化研究[D];哈爾濱工業(yè)大學(xué);2010年
8 薛鵬飛;預(yù)應(yīng)力混凝土連續(xù)剛構(gòu)橋結(jié)構(gòu)性能退化預(yù)測(cè)評(píng)估研究[D];浙江大學(xué);2009年
9 潘玉娜;滾動(dòng)軸承的性能退化特征提取及評(píng)估方法研究[D];上海交通大學(xué);2011年
相關(guān)碩士學(xué)位論文 前10條
1 郭琦;基于性能退化數(shù)據(jù)的可靠性評(píng)估方法研究[D];華南理工大學(xué);2015年
2 魏郁昆;系統(tǒng)可靠性分析中環(huán)境因子評(píng)估方法研究及軟件實(shí)現(xiàn)[D];電子科技大學(xué);2014年
3 周楊;滾動(dòng)軸承性能退化評(píng)估技術(shù)研究[D];電子科技大學(xué);2014年
4 劉帥君;基于性能退化數(shù)據(jù)的航空發(fā)動(dòng)機(jī)剩余壽命預(yù)測(cè)[D];電子科技大學(xué);2015年
5 李卉;基于狀態(tài)監(jiān)測(cè)的滾動(dòng)軸承性能退化評(píng)估[D];大連工業(yè)大學(xué);2015年
6 王丹丹;列車滾動(dòng)軸承性能退化評(píng)估方法研究[D];北京交通大學(xué);2016年
7 周楓;基于大數(shù)據(jù)的航天器性能退化分析方法[D];南京航空航天大學(xué);2015年
8 徐清瑤;基于支持向量數(shù)據(jù)描述的滾動(dòng)軸承性能退化評(píng)估[D];華東交通大學(xué);2015年
9 翁柳青;考慮傳感器性能退化的結(jié)構(gòu)損傷檢測(cè)[D];福州大學(xué);2013年
10 張揚(yáng);材料性能退化對(duì)混凝土橋梁安全的影響及對(duì)策研究[D];西南交通大學(xué);2016年
本文編號(hào)：
2758679
