【摘要】：滾動軸承是機械結構中十分重要的一個構件,主要作用是將滑動摩擦轉換成為滾動摩擦,使得機械構件之間的摩擦大大減少。據統(tǒng)計,70%大型機械結構的損壞與軸承損傷有關。由此可見,對于軸承的退化趨勢的預測十分重要。對于軸承的退化趨勢預測,要著重解決兩個問題。第一,構建合適的健康因子,用來評價滾動軸承的性能退化程度。本文選擇的是基于主成分分析法構建健康因子,即融合多個特征參數的信息,構建健康因子。第二,選擇合適的退化狀態(tài)預測模型,在有限的歷史數據的情況下準確地對軸承的退化趨勢作出預測。預測就是在已有的歷史數據的基礎上,通過采用相應的分析方法或者數據處理模型對數據的分析,對當前時間節(jié)點之后的一段時間的數據做出科學的預測。本文分別在歷史數據較少和充足的情況下討論了對滾動軸承退化趨勢的預測。短期預測時采用了當前常用的BP神經網絡和支持向量機的方法,其中第三章還針對兩種方法的優(yōu)劣進行了對比分析。長期預測時本文應用的是SFAM網絡和Elman網絡的方法。在第四章結尾,本文對兩種長期預測的方法進行了對比,給出了相關結論,Elman網絡的實用性要比SFAM網絡好。但是SFAM在針對某些軸承運行數據時,對退化趨勢預測比較準確。最后本文構建了混合預測模型,基于BP神經網絡和支持向量機的混合預測模型,經過實際運算,得到混合預測模型的誤差要比任意一個模型的預測誤差小,為滾動軸承的退化趨勢預測提供了一個新的思路。
【圖文】：

第2章 滾動軸承健康因子的構建2.1 引言把能夠衡量滾動軸承的健康狀態(tài)的指標稱作滾動軸承的健康因子。本章致力于找到一個合適的健康因子為之后的滾動軸承退化趨勢預測做鋪墊。本章介紹了滾動軸承的結構與失效的基本形式，交代了滾動軸承的幾種振動信號的特征，最后基于主成分分析法構建了滾動軸承的健康因子。2.2 滾動軸承的結構及壽命2.2.1 滾動軸承的結構及其工作原理在工程應用中，滾動軸承有很多種：深溝球軸承，角接觸軸承，滾針軸承，滑動軸承，，圓錐滾子軸承，圓柱滾子軸承等等。本文主要討論的是應用最為廣泛的深溝球軸承。這里以其為例，介紹一下滾動軸承的結構。

圖 2-2 滾動軸承壽命曲線圖上，當滾動軸承到達后一階段時，會產生比較大的噪聲，振和速度值不斷變大。然后噪聲變大，軸承自身溫度升高，峰軸承失效[14]。下面是一個軸承全壽命實驗過程中有效值隨時可以發(fā)現，有效值在后一階段結束波動，開始上升，符合對述。
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TH133.33

【參考文獻】

相關期刊論文 前10條

1 楊宇;李杰;潘海洋;程軍圣;;VPMCD和改進ITD的聯(lián)合智能診斷方法研究[J];振動工程學報;2013年04期

2 程軍圣;鄭近德;楊宇;;變量預測模型在齒輪故障診斷中的應用[J];振動.測試與診斷;2013年S1期

3 陳龍;張可;羅配明;;改進的Elman神經網絡在WSNs距離預測中的應用[J];傳感器與微系統(tǒng);2013年01期

4 張超;常太華;劉歡;胡陽;;基于改進Elman神經網絡的風速預測[J];華東電力;2012年08期

5 郭艷平;顏文俊;;基于EMD和優(yōu)化K-均值聚類算法診斷滾動軸承故障[J];計算機應用研究;2012年07期

6 尤馬彥;凌捷;郝彥軍;;基于Elman神經網絡的網絡安全態(tài)勢預測方法[J];計算機科學;2012年06期

7 程軍圣;楊怡;楊宇;;局部特征尺度分解方法及其在齒輪故障診斷中的應用[J];機械工程學報;2012年09期

8 程軍圣;鄭近德;楊宇;;一種新的非平穩(wěn)信號分析方法——局部特征尺度分解法[J];振動工程學報;2012年02期

9 湯鳴;;基于BP神經網絡模型的西安市生活垃圾產生量預測[J];西安航空技術高等�？茖W校學報;2011年05期

10 肖文斌;陳進;周宇;王志陽;趙發(fā)剛;;小波包變換和隱馬爾可夫模型在軸承性能退化評估中的應用[J];振動與沖擊;2011年08期

相關碩士學位論文 前2條

1 張琪;上海市生活垃圾分類減量規(guī)劃研究[D];華東師范大學;2016年

2 劉燕飛;滾動軸承的工作狀態(tài)及壽命預測方法研究[D];湖南大學;2014年

本文編號：2656942