基于全信息支持向量回歸的軸承壽命預測研究
發(fā)布時間：2021-04-07 20:30
軸承的可靠性和壽命研究,是機械設備安全管理中至關重要的部分。而首先要保證采集到的軸承振動信號包含了軸承全面的振動信息,才能實現對軸承運行狀態(tài)的準確監(jiān)測與預測。在轉子的渦動規(guī)律理論中,轉子在同一橫截面內的不同方向上,所采集到的軸承振動頻譜結構、振動強度等信息不一定是相同的。為了解決這一問題,本文運用了振動信號同源融合技術——全矢譜（Full Vector Spectrum,FVS）技術,通過雙通道的信號采集、融合,得到軸承更為全面、準確的振動信號。進一步地,得到每一時刻軸承的振動信息后,軸承的運轉狀態(tài)描述往往是多指標、多維度的。為了能夠較為直接地反映軸承當前的健康程度,本文引入了多元狀態(tài)評估技術（Multivariate State Estimation Technique,MSET）,根據軸承的歷史信息來評估軸承當前的運轉狀態(tài),將軸承的多元狀態(tài)信息進行整體處理并轉化為直觀的單一指標:健康度。與其他單一指標相比,基于MSET的健康度指標是對軸承運轉狀態(tài)的多元信息全面評估的結果,能夠較為靈敏地捕捉到軸承細微的、不易察覺的初期故障,更有利于監(jiān)測到軸承故障的發(fā)展過程。此外,本文又根據互信息理論...
【文章來源】：鄭州大學河南省 211工程院校
【文章頁數】：76 頁
【學位級別】：碩士
【部分圖文】：
泵及發(fā)電機各類故障發(fā)生比例51%定子繞組16%16%軸承定子繞組外部因素軸及聯軸器轉子不確定因素
圖 2-1 全矢譜主振矢圖與全頻譜對比2.3 全矢譜理論全矢譜技術是將多個傳感器采集到的信息進行融合，與傳統的單通道信息采集相比，基于單源信號的振動特征只能夠體現轉子在一個方向上的振動情況。全矢譜技術能夠同時反映多通道采集到的信號特點，完整地再現出轉子在該橫截面內運轉狀態(tài)。用于旋轉機械振動信號采集的傳感器一般為“垂直－水平”或“V”型布局，如圖 2-2 所示。
圖 2-1 全矢譜主振矢圖與全頻譜對比全矢譜理論全矢譜技術是將多個傳感器采集到的信息進行融合，與傳統的單通道信比，基于單源信號的振動特征只能夠體現轉子在一個方向上的振動情技術能夠同時反映多通道采集到的信號特點，完整地再現出轉子在該橫轉狀態(tài)。用于旋轉機械振動信號采集的傳感器一般為“垂直－水平”或局，如圖 2-2 所示。
【參考文獻】：
期刊論文
[1]一種融合AutoEncoder與CNN的混合算法用于圖像特征提取[J]. 劉興旺,王江晴,徐科. 計算機應用研究. 2017(12)
[2]改進型非線性狀態(tài)估計的制粉系統故障診斷[J]. 任夢祎,焦嵩鳴. 熱力發(fā)電. 2015(12)
[3]微織構對徑向滑動軸承承載能力的影響機理[J]. 尹明虎,陳國定,高當成,王琳. 華中科技大學學報(自然科學版). 2015(12)
[4]基于深度神經網絡的有色金屬領域實體識別[J]. 毛存禮,余正濤,沈韜,高盛祥,郭劍毅,線巖團. 計算機研究與發(fā)展. 2015(11)
[5]基于深度學習理論的機械裝備大數據健康監(jiān)測方法[J]. 雷亞國,賈峰,周昕,林京. 機械工程學報. 2015(21)
[6]自適應多核組合相關向量機預測方法及其在機械設備剩余壽命預測中的應用[J]. 雷亞國,陳吳,李乃鵬,林京. 機械工程學報. 2016(01)
[7]基于混沌理論和K-means聚類的有載分接開關機械狀態(tài)監(jiān)測[J]. 周翔,王豐華,傅堅,林嘉楊,金之儉. 中國電機工程學報. 2015(06)
[8]神經網絡預測方法在機械設備故障診斷中的應用[J]. 馬利興,許寶杰,吳國新. 設備管理與維修. 2014(S1)
[9]多尺度排列熵及其在滾動軸承故障診斷中的應用[J]. 鄭近德,程軍圣,楊宇. 中國機械工程. 2013(19)
[10]混沌時間序列的混合預測方法[J]. 張金良,譚忠富. 系統工程理論與實踐. 2013(03)
博士論文
[1]民機產品可靠性評估技術研究[D]. 王燁.南京航空航天大學 2009
[2]智能優(yōu)化支持向量機預測算法及應用研究[D]. 陳其松.貴州大學 2009
[3]航空發(fā)動機主軸承使用壽命預測技術研究[D]. 苗學問.北京航空航天大學 2008
碩士論文
[1]滾動軸承故障機理及智能化檢測技術研究[D]. 何翔.西南交通大學 2017
[2]疲勞裂紋形成壽命預估的耦聯有限元法[D]. 陳濤.燕山大學 2011
[3]基于Hilbert-Huang變換的滾動軸承智能診斷方法研究[D]. 任玥.西南交通大學 2007
[4]300MW汽輪機故障診斷系統的研究和應用[D]. 王仕龍.華北電力大學（河北） 2007
[5]基于支持向量機的混沌序列預測方法研究[D]. 黨建亮.西南交通大學 2006
本文編號：3124144
【文章來源】：鄭州大學河南省 211工程院校
【文章頁數】：76 頁
【學位級別】：碩士
【部分圖文】：
泵及發(fā)電機各類故障發(fā)生比例51%定子繞組16%16%軸承定子繞組外部因素軸及聯軸器轉子不確定因素
圖 2-1 全矢譜主振矢圖與全頻譜對比2.3 全矢譜理論全矢譜技術是將多個傳感器采集到的信息進行融合，與傳統的單通道信息采集相比，基于單源信號的振動特征只能夠體現轉子在一個方向上的振動情況。全矢譜技術能夠同時反映多通道采集到的信號特點，完整地再現出轉子在該橫截面內運轉狀態(tài)。用于旋轉機械振動信號采集的傳感器一般為“垂直－水平”或“V”型布局，如圖 2-2 所示。
圖 2-1 全矢譜主振矢圖與全頻譜對比全矢譜理論全矢譜技術是將多個傳感器采集到的信息進行融合，與傳統的單通道信比，基于單源信號的振動特征只能夠體現轉子在一個方向上的振動情技術能夠同時反映多通道采集到的信號特點，完整地再現出轉子在該橫轉狀態(tài)。用于旋轉機械振動信號采集的傳感器一般為“垂直－水平”或局，如圖 2-2 所示。
【參考文獻】：
期刊論文
[1]一種融合AutoEncoder與CNN的混合算法用于圖像特征提取[J]. 劉興旺,王江晴,徐科. 計算機應用研究. 2017(12)
[2]改進型非線性狀態(tài)估計的制粉系統故障診斷[J]. 任夢祎,焦嵩鳴. 熱力發(fā)電. 2015(12)
[3]微織構對徑向滑動軸承承載能力的影響機理[J]. 尹明虎,陳國定,高當成,王琳. 華中科技大學學報(自然科學版). 2015(12)
[4]基于深度神經網絡的有色金屬領域實體識別[J]. 毛存禮,余正濤,沈韜,高盛祥,郭劍毅,線巖團. 計算機研究與發(fā)展. 2015(11)
[5]基于深度學習理論的機械裝備大數據健康監(jiān)測方法[J]. 雷亞國,賈峰,周昕,林京. 機械工程學報. 2015(21)
[6]自適應多核組合相關向量機預測方法及其在機械設備剩余壽命預測中的應用[J]. 雷亞國,陳吳,李乃鵬,林京. 機械工程學報. 2016(01)
[7]基于混沌理論和K-means聚類的有載分接開關機械狀態(tài)監(jiān)測[J]. 周翔,王豐華,傅堅,林嘉楊,金之儉. 中國電機工程學報. 2015(06)
[8]神經網絡預測方法在機械設備故障診斷中的應用[J]. 馬利興,許寶杰,吳國新. 設備管理與維修. 2014(S1)
[9]多尺度排列熵及其在滾動軸承故障診斷中的應用[J]. 鄭近德,程軍圣,楊宇. 中國機械工程. 2013(19)
[10]混沌時間序列的混合預測方法[J]. 張金良,譚忠富. 系統工程理論與實踐. 2013(03)
博士論文
[1]民機產品可靠性評估技術研究[D]. 王燁.南京航空航天大學 2009
[2]智能優(yōu)化支持向量機預測算法及應用研究[D]. 陳其松.貴州大學 2009
[3]航空發(fā)動機主軸承使用壽命預測技術研究[D]. 苗學問.北京航空航天大學 2008
碩士論文
[1]滾動軸承故障機理及智能化檢測技術研究[D]. 何翔.西南交通大學 2017
[2]疲勞裂紋形成壽命預估的耦聯有限元法[D]. 陳濤.燕山大學 2011
[3]基于Hilbert-Huang變換的滾動軸承智能診斷方法研究[D]. 任玥.西南交通大學 2007
[4]300MW汽輪機故障診斷系統的研究和應用[D]. 王仕龍.華北電力大學（河北） 2007
[5]基于支持向量機的混沌序列預測方法研究[D]. 黨建亮.西南交通大學 2006
本文編號：3124144
本文鏈接：http://www.sikaile.net/jixiegongchenglunwen/3124144.html
