基于自適應增量LLE和SVM的滾動軸承健康狀態(tài)評估方法研究.pdf

1、滾動軸承作為旋轉機械設備中的重要基礎元件之一，整個機械設備運行的安全性和可靠性都與其健康狀態(tài)息息相關，一旦出現(xiàn)故障不能及時監(jiān)測并排除，就有可能造成整個機械設備的失效癱瘓，甚至造成巨大的災難性后果。因此，如何準確評估滾動軸承的健康狀態(tài)，以真正達到智能定量評估，變定時或事后維修為視情維修，實現(xiàn)滾動軸承的主動維護具有十分重要的意義。
　　論文以建立滾動軸承健康狀態(tài)評估方法為主線，從特征提取、維數(shù)約簡、健康狀態(tài)評估模型以及優(yōu)化算法方面逐步

2、展開研究。
　　特征提取方面，為有效利用時域、頻域、時-頻域中各類具有顯著差異的特征，更全面準確的刻畫軸承的健康狀態(tài)。論文對實際軸承振動信號進行時域、頻域的特征提取，并將集合經(jīng)驗模態(tài)分解(EEMD)結合奇異值分解(SVD)獲取時-頻特征。在此基礎上構建高維多域特征集。
　　維數(shù)約簡方面，深入研究局部線性嵌入(LLE)算法?；谡駝有盘柼崛〉奶卣骶哂袛?shù)據(jù)流形的局部幾何結構分布不均勻的特點，同時為避免出現(xiàn)新增樣本時需要重復計算的

3、缺點，本文對局部線性嵌入算法進行自適應增量改進。通過對比實驗證明改進后的局部線性嵌入算法的有效性。
　　優(yōu)化算法方面，由于人為選取支持向量機(SVM)中的參數(shù)具有一定的盲目性，傳統(tǒng)的參數(shù)優(yōu)化算法難以快速找出全局最優(yōu)解。因此本文深入研究了雞群優(yōu)化(CSO)算法，并將混沌理論引入到雞群算法中，即混沌優(yōu)化雞群算法(C-CSO)。通過對基本函數(shù)進行優(yōu)化實驗對比，詳細分析各優(yōu)化算法的性能。
　　健康狀態(tài)評估方面，用混沌優(yōu)化雞群算法優(yōu)化