【摘要】：為了解決軸承早期性能退化時信噪比低,特征提取和早期性能退化評估困難這一難題,本文采用盲源分離的方法分離軸承振動信號的干擾,將盲源分離后軸承振動信號的峭度值作為軸承性能評估的敏感特征,利用動態(tài)模糊神經(jīng)網(wǎng)絡(luò)建立軸承的早期性能退化模型。根據(jù)盲源分離后,早期性能退化時軸承振動信號的峭度值增加,可作為軸承早期性能退化評估的敏感特征。計算結(jié)果表明,盲源分離使得振動信號的峭度對軸承的性能狀態(tài)更加敏感,軸承性能退化評估結(jié)果準確,具有重要的工業(yè)實用價值。
[Abstract]:In order to solve the problem of low signal-to-noise ratio (SNR), feature extraction and evaluation of early performance degradation, blind source separation (BSS) is used to separate the disturbance of bearing vibration signal. The kurtosis of bearing vibration signal after blind source separation is regarded as the sensitive feature of bearing performance evaluation, and the early performance degradation model of bearing is established by using dynamic fuzzy neural network. According to the blind source separation, the kurtosis of bearing vibration signal increases when the early performance is degraded, which can be used as a sensitive feature of early bearing performance degradation assessment. The calculation results show that blind source separation makes the kurtosis of vibration signal more sensitive to the performance state of bearing and the evaluation result of bearing performance degradation is accurate and has important industrial and practical value.
【作者單位】： 西南交通大學(xué)機械工程學(xué)院;
【基金】：國家自然科學(xué)基金項目(51275426) 四川省科技計劃項目(2015HH0015) 中央高�；究蒲袠I(yè)務(wù)費專項資金資助(2682014CX034,2682014BR024)資助
【分類號】：TH133.33

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 潘玉娜;陳進;李興林;;基于模糊c-均值的設(shè)備性能退化評估方法[J];上海交通大學(xué)學(xué)報;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)報方法[J];儀器儀表學(xué)報;2008年07期

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

4 郭磊;陳進;王國偉;;基于多智能體的設(shè)備性能退化評估系統(tǒng)建模[J];計算機集成制造系統(tǒng);2008年03期

5 張龍;黃文藝;王寧;熊國良;;基于一種簡單時域方法的滾動軸承性能退化評估(英文)[J];機床與液壓;2014年12期

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

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

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

9 董紹江;湯寶平;張焱;;基于最優(yōu)匹配跟蹤算法的單通道機械信號盲源分離[J];振動工程學(xué)報;2012年06期

10 牛雪梅;黃晉英;潘宏俠;孟文俊;;免疫優(yōu)化盲源分離算法在故障診斷中的應(yīng)用[J];振動.測試與診斷;2012年02期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 張彬;數(shù)據(jù)驅(qū)動的機械設(shè)備性能退化建模與剩余壽命預(yù)測研究[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)機械性能退化評估技術(shù)研究[D];上海交通大學(xué);2009年

3 潘玉娜;滾動軸承的性能退化特征提取及評估方法研究[D];上海交通大學(xué);2011年

4 李永波;滾動軸承故障特征提取與早期診斷方法研究[D];哈爾濱工業(yè)大學(xué);2017年

5 郝志華;基于局域波法和盲源分離的故障診斷方法應(yīng)用研究[D];大連理工大學(xué);2005年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 周楊;滾動軸承性能退化評估技術(shù)研究[D];電子科技大學(xué);2014年

2 徐清瑤;基于支持向量數(shù)據(jù)描述的滾動軸承性能退化評估[D];華東交通大學(xué);2015年

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

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

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

6 李卉;基于狀態(tài)監(jiān)測的滾動軸承性能退化評估[D];大連工業(yè)大學(xué);2015年

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

8 高鵬;基于單通道盲源分離理論的故障特征提取技術(shù)[D];長安大學(xué);2015年

9 趙金龍;齒輪箱振動信號的盲源分離方法[D];遼寧科技大學(xué);2015年

10 劉書溢;盲源分離技術(shù)在轉(zhuǎn)子故障診斷中的應(yīng)用[D];長春工業(yè)大學(xué);2016年

，

本文編號：2192758