滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械設(shè)備中最常見的部件之一,其運(yùn)行狀態(tài)的好壞直接影響到整個(gè)設(shè)備的工作性能。由于受到載荷、安裝、潤滑等因素的影響,滾動(dòng)軸承在工作過程中故障率較高。因此,如何實(shí)現(xiàn)對(duì)滾動(dòng)軸承故障的有效預(yù)測,對(duì)于盡早發(fā)現(xiàn)旋轉(zhuǎn)機(jī)械設(shè)備的故障苗頭,減少或杜絕重大事故的發(fā)生以及降低維修成本具有重要意義。 本文針對(duì)滾動(dòng)軸承的故障預(yù)測問題,在分析其故障機(jī)理和演化規(guī)律的基礎(chǔ)上,開展了基于隱半馬爾可夫模型(Hidden Semi-Markov Models,HSMM)的滾動(dòng)軸承故障預(yù)測技術(shù)研究。論文主要內(nèi)容包括: (1)滾動(dòng)軸承的故障機(jī)理分析與故障演化建模 系統(tǒng)地分析了滾動(dòng)軸承的故障演化機(jī)理。在對(duì)滾動(dòng)軸承正常狀態(tài)和故障狀態(tài)的特征頻率進(jìn)行分析的基礎(chǔ)上,建立了基于隱半馬爾可夫模型的滾動(dòng)軸承故障演化趨勢模型,對(duì)滾動(dòng)軸承全壽命過程中各個(gè)退化狀態(tài)的駐留時(shí)間和狀態(tài)轉(zhuǎn)移概率進(jìn)行了合理描述。 (2)基于小波能譜熵的滾動(dòng)軸承故障預(yù)測特征提取方法 針對(duì)滾動(dòng)軸承故障預(yù)測特征信息提取難的問題,提出了基于小波能譜熵的滾動(dòng)軸承故障預(yù)測特征提取方法。驗(yàn)證結(jié)果表明,該方法所提取的小波能譜熵評(píng)判指標(biāo),可以較好地描述滾動(dòng)軸承的全壽命過程中的故障演化趨勢。 (3)基于隱半馬爾可夫模型的滾動(dòng)軸承故障預(yù)測方法 針對(duì)隱半馬爾可夫模型算法中存在的參數(shù)設(shè)置不確定性、多樣本訓(xùn)練下溢等問題,深入研究了隱半馬爾可夫模型的改進(jìn)算法。在此基礎(chǔ)上,提出了以小波能譜熵為預(yù)測特征信息的隱半馬爾可夫模型故障預(yù)測方法。 (4)實(shí)驗(yàn)方案設(shè)計(jì)與實(shí)驗(yàn)驗(yàn)證 以滾動(dòng)軸承實(shí)驗(yàn)臺(tái)為對(duì)象,設(shè)計(jì)了故障預(yù)測的實(shí)驗(yàn)方案,并通過實(shí)驗(yàn)驗(yàn)證了本文所研究的基于隱半馬爾可夫模型的滾動(dòng)軸承故障預(yù)測方法,結(jié)果表明,該方法可以較準(zhǔn)確的實(shí)現(xiàn)對(duì)滾動(dòng)軸承的故障預(yù)測,具有良好的可行性和有效性。
【學(xué)位單位】：國防科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2008
【中圖分類】：TH133.33;TH165.3
【部分圖文】：

觀察向量序列 O=[O(1),O(2),…,O(k),…,O(K)]每個(gè)狀態(tài)可能包含的高斯元個(gè)數(shù)代表多高斯概率密度函數(shù)（正態(tài)分布）第 j 狀態(tài)第 g 個(gè)混合高斯權(quán)重第 j 狀態(tài)第 g 個(gè)混合高斯的均值第j 狀態(tài)第 g 個(gè)混合高斯方差矩陣表 4.3 狀態(tài)持續(xù)時(shí)間概率密度函數(shù)中的參數(shù)描述說明狀態(tài)持續(xù)時(shí)間單元最大狀態(tài)持續(xù)時(shí)間單元代表單高斯概率密度函數(shù)（正態(tài)分布）第 j 狀態(tài)持續(xù)時(shí)間的均值第 j 狀態(tài)第持續(xù)時(shí)間的方差

圖 1.1 課題研究思路文組織安排文結(jié)構(gòu)安排如下：章，總結(jié)了課題研究的目的及意義，綜述了滾動(dòng)軸承的狀態(tài)識(shí)別技技術(shù)的發(fā)展概況，并分析了當(dāng)前的研究需求，明確了本文的研究對(duì)技術(shù)路線。章，分析并總結(jié)了滾動(dòng)軸承的主要故障模式、產(chǎn)生機(jī)理、表現(xiàn)特征利用 HSMM 的建模方法對(duì)滾動(dòng)軸承的全壽命趨勢進(jìn)行了描述，論證 的滾動(dòng)軸承故障演化趨勢建模方法的有效性。章，簡單介紹了小波能譜熵的相關(guān)概念和基本理論，研究了基于小障預(yù)測特征提取方法，以滾動(dòng)軸承為例，驗(yàn)證了該方法的有效性。章，介紹了 HSMM 的基本理論和算法，針對(duì)實(shí)際應(yīng)用中存在的主要問應(yīng)的改進(jìn)措施，在此基礎(chǔ)上，深入研究了基于 HSMM 的滾動(dòng)軸承退法和故障預(yù)測方法。

由于發(fā)現(xiàn)不及時(shí)往往引起設(shè)備停機(jī)或設(shè)備損壞，造成生產(chǎn)上不應(yīng)有的損承失效形式較多，可能的故障種類有磨損、疲勞剝落、腐蝕、塑性變形膠合、保持架損壞等。從實(shí)踐中可知，滾動(dòng)軸承的故障大部分可歸結(jié)為化，進(jìn)而使振動(dòng)加劇。這些故障引起的振動(dòng)特征表現(xiàn)在振動(dòng)信號(hào)中存在沖。在時(shí)域中，沖擊使信號(hào)的均值、方差等發(fā)生變化；在頻域中，信號(hào)明顯增多，信號(hào)的能量分布發(fā)生變化。動(dòng)軸承的狀態(tài)監(jiān)測與預(yù)測一直是機(jī)械故障預(yù)測技術(shù)的主要內(nèi)容。據(jù)統(tǒng)計(jì)的旋轉(zhuǎn)機(jī)械故障是由于滾動(dòng)軸承的損壞引起的。由于滾動(dòng)軸承的振動(dòng)信明顯的表征故障特征，很多軸承的狀態(tài)監(jiān)測和故障預(yù)測的方法都是建立信號(hào)的分析基礎(chǔ)上的。因此，本章主要從滾動(dòng)軸承振動(dòng)信號(hào)的特征分析過 HSMM 的建模方法描述滾動(dòng)軸承的故障演化趨勢。2.2 滾動(dòng)軸承振動(dòng)信號(hào)的基本特征動(dòng)軸承的基本結(jié)構(gòu)

【引證文獻(xiàn)】

相關(guān)期刊論文 前2條

1 卓東風(fēng);原媛;;小波包變換和隱馬爾科夫模型(HMM)在液壓系統(tǒng)故障預(yù)測中的應(yīng)用[J];山西大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年03期

2 宋彪;王旭;;飛機(jī)視情維修的應(yīng)用現(xiàn)狀及發(fā)展[J];中國民航大學(xué)學(xué)報(bào);2012年05期

相關(guān)碩士學(xué)位論文 前2條

1 趙長生;滾動(dòng)軸承故障特征增強(qiáng)方法與狀態(tài)預(yù)測研究[D];大連理工大學(xué);2010年

2 王建利;滾動(dòng)軸承性能退化評(píng)價(jià)與趨勢預(yù)測研究[D];大連理工大學(xué);2013年

本文編號(hào)：2812422