本文關(guān)鍵詞：一種融合型異常檢測(cè)算法及其在軸承性能退化評(píng)估中的應(yīng)用　出處：《制造技術(shù)與機(jī)床》2017年10期 　論文類型：期刊論文

  更多相關(guān)文章： 滾動(dòng)軸承 AR模型 模糊C均值 隱馬爾科夫模型 性能退化評(píng)估 包絡(luò)解調(diào)

【摘要】：用自回歸模型(autoregressive model,AR)提取早期無(wú)故障滾動(dòng)軸承的振動(dòng)樣本以及同型號(hào)同位置失效滾動(dòng)軸承(簡(jiǎn)稱同類軸承)的失效樣本,用早期無(wú)故障樣本和失效樣本建立模糊C均值(Fuzzy C Mean,FCM)和隱馬爾科夫(Hidden Markov Model,HMM)性能退化評(píng)估模型,然后得到正常指標(biāo)和同類軸承的失效指標(biāo),把這兩個(gè)指標(biāo)作為輸入特征建立FCM模型,待測(cè)數(shù)據(jù)通過(guò)保持模型不變連續(xù)迭代的方式輸入模型中,描繪出性能退化曲線。該方法集中了空間統(tǒng)計(jì)距離和相似度方法兩者的優(yōu)勢(shì)且不需要軸承失效數(shù)據(jù)。實(shí)驗(yàn)表明所提出的評(píng)估方法得到的評(píng)估指標(biāo)能實(shí)時(shí)監(jiān)測(cè)滾動(dòng)軸承的性能退化趨勢(shì)并且可以及時(shí)發(fā)現(xiàn)早期故障。
[Abstract]:Using the autoregressive model (autoregressive model AR) from early vibration fault of rolling bearings and the samples of the same model with the position of rolling bearing failure (the similar bearing) failure samples, early fault free samples and failure samples and establish fuzzy C means (Fuzzy C, Mean, FCM) and Cin Markoff (Hidden Markov, Model, HMM) the evaluation model of performance degradation, and then get the failure index of the normal index and similar bearings, these two indicators as input features to establish the FCM model, the measured data by keeping the model invariant successive iterations of the input model, describe the performance degradation curve. The method has both spatial statistical distance and similarity method and advantages the bearing failure data. Evaluation experiments show that the proposed method can evaluate the performance of real-time monitoring of rolling bearing degradation trend and can timely send An early fault.

【作者單位】： 華東交通大學(xué)機(jī)電與車輛工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金:完全自適應(yīng)第二代小波及在循環(huán)沖擊類故障特征提取中的應(yīng)用(51205130);基于載荷反演的齒輪箱工況不敏感狀態(tài)退化評(píng)估理論與技術(shù)(51665013)
【分類號(hào)】：TH133.33
【正文快照】： 滾動(dòng)軸承的故障是引起旋轉(zhuǎn)機(jī)械失效的主要原因之一。滾動(dòng)軸承在長(zhǎng)期超負(fù)荷工作的環(huán)境下性能會(huì)出現(xiàn)不同程度的退化,軸承的性能退化評(píng)估是故障診斷的延伸[1]。滾動(dòng)軸承的性能退化評(píng)估近年來(lái)已有探索性研究,研究?jī)?nèi)容主要有性能退化指標(biāo)和評(píng)估模型的建立兩方面[2]。傳統(tǒng)的性能退化

【相似文獻(xiàn)】

相關(guān)期刊論文 前9條

1 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

2 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

3 林海彬;蔡景;徐一鳴;;基于性能退化的機(jī)構(gòu)磨損可靠性研究[J];飛機(jī)設(shè)計(jì);2012年05期

4 郭磊;陳進(jìn);王國(guó)偉;;基于多智能體的設(shè)備性能退化評(píng)估系統(tǒng)建模[J];計(jì)算機(jī)集成制造系統(tǒng);2008年03期

5 張龍;黃文藝;王寧;熊國(guó)良;;基于一種簡(jiǎn)單時(shí)域方法的滾動(dòng)軸承性能退化評(píng)估(英文)[J];機(jī)床與液壓;2014年12期

6 馬海波;徐海黎;王恒;黃希;;基于Kolmogrov-Smirnov檢驗(yàn)的機(jī)械設(shè)備性能退化評(píng)估研究[J];制造業(yè)自動(dòng)化;2013年22期

7 張龍;黃文藝;熊國(guó)良;周建民;周繼慧;;基于TESPAR與GMM的滾動(dòng)軸承性能退化評(píng)估[J];儀器儀表學(xué)報(bào);2014年08期

8 鐘鑫;劉文彬;楊劍鋒;;基于邏輯回歸的滾動(dòng)軸承性能退化評(píng)估[J];科技信息;2010年16期

9 郭磊;李興林;吳參;劉呈則;;基于支持向量機(jī)的滾動(dòng)軸承性能退化評(píng)估方法[J];軸承;2012年08期

相關(guān)博士學(xué)位論文 前3條

1 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

2 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

3 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7條

1 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

2 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

3 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

4 張雪峰;滾動(dòng)軸承故障診斷與性能退化評(píng)估[D];哈爾濱工業(yè)大學(xué);2016年

5 鄭建禹;基于CFOA-MKHSVM模型的滾動(dòng)軸承性能退化評(píng)估方法研究[D];哈爾濱理工大學(xué);2016年

6 何兵;基于KJADE的軸承故障識(shí)別與性能退化評(píng)估方法研究[D];安徽大學(xué);2017年

7 劉雨;基于支持向量數(shù)據(jù)描述與信息融合的設(shè)備性能退化評(píng)估研究[D];上海交通大學(xué);2009年

，

本文編號(hào)：1368809