基于支持向量數(shù)據(jù)描述的滾動(dòng)軸承性能退化評(píng)估.pdf

1、滾動(dòng)軸承是機(jī)械設(shè)備中常用的零部件，其運(yùn)行狀態(tài)的優(yōu)劣會(huì)在一定程度上影響著整臺(tái)設(shè)備的性能。滾動(dòng)軸承從正常運(yùn)轉(zhuǎn)到失效往往會(huì)經(jīng)歷一系列不同的退化過(guò)程，如果能夠在這個(gè)過(guò)程中對(duì)軸承的退化程度進(jìn)行定量評(píng)估，則可以使設(shè)備維護(hù)策略的制定具有針對(duì)性。本文以滾動(dòng)軸承為研究對(duì)象，采用理論和實(shí)驗(yàn)相結(jié)合的方法系統(tǒng)研究了軸承性能退化評(píng)估中退化特征提取、評(píng)估模型的建立和評(píng)估結(jié)果的驗(yàn)證等問(wèn)題。
　　針對(duì)退化特征提取問(wèn)題，首先以內(nèi)圈故障為例分析了提升小波包變換在不同

2、程度故障信號(hào)分析中的有效性。在此基礎(chǔ)上，將提升小波包分別與奇異譜熵、符號(hào)熵相結(jié)合，從而得到了基于提升小波包奇異譜熵的退化特征提取方法，并提出了基于提升小波包符號(hào)熵的退化特征提取方法。試驗(yàn)數(shù)據(jù)分析結(jié)果表明，提升小波包奇異譜熵、提升小波包符號(hào)熵均對(duì)不同嚴(yán)重程度的內(nèi)圈故障比較敏感，能夠反映軸承的退化狀態(tài)。
　　針對(duì)評(píng)估模型的建立問(wèn)題，將支持向量數(shù)據(jù)描述（SVDD）引入軸承性能退化評(píng)估中，建立了基于SVDD的性能退化評(píng)估模型，在此基礎(chǔ)上提

3、出了基于提升小波包奇異譜熵-SVDD的性能退化評(píng)估方法和基于提升小波包符號(hào)熵-SVDD的性能退化評(píng)估方法，并給出了實(shí)際在線評(píng)估中的失效閾值設(shè)定方法。數(shù)據(jù)采集是軸承性能退化評(píng)估的基礎(chǔ)，為此利用LabVIEW中的生產(chǎn)者-消費(fèi)者結(jié)構(gòu)和狀態(tài)機(jī)結(jié)構(gòu)開(kāi)發(fā)了基于虛擬儀器的軸承全壽命周期動(dòng)態(tài)信號(hào)采集系統(tǒng)，并將該系統(tǒng)用于采集軸承故障程度模擬試驗(yàn)數(shù)據(jù)。然后利用采集的故障程度模擬試驗(yàn)數(shù)據(jù)驗(yàn)證了所提出的評(píng)估方法的有效性。
　　為驗(yàn)證所提出的評(píng)估方法在軸承

4、性能退化評(píng)估中的實(shí)際應(yīng)用效果，對(duì)Cincinnati大學(xué)提供的全壽命周期試驗(yàn)數(shù)據(jù)進(jìn)行性能退化評(píng)估，并對(duì)SVDD參數(shù)、提升小波包符號(hào)熵參數(shù)的選取進(jìn)行了討論。結(jié)果表明，相比于其他方法，所提出的兩種評(píng)估方法均能更準(zhǔn)確地檢測(cè)到早期故障，且能更好地刻畫軸承故障的復(fù)雜惡化趨勢(shì)，從而為軸承的性能退化評(píng)估提供兩種思路。此外，鑒于SVDD算法中超球體邊界不能更新的問(wèn)題，還將自適應(yīng)SVDD算法引入軸承的性能退化評(píng)估中。全壽命數(shù)據(jù)分析結(jié)果表明，該方法僅需少量