基于支持向量數(shù)據(jù)描述的滾動軸承性能退化評估.pdf

1、滾動軸承是機械設備中常用的零部件，其運行狀態(tài)的優(yōu)劣會在一定程度上影響著整臺設備的性能。滾動軸承從正常運轉(zhuǎn)到失效往往會經(jīng)歷一系列不同的退化過程，如果能夠在這個過程中對軸承的退化程度進行定量評估，則可以使設備維護策略的制定具有針對性。本文以滾動軸承為研究對象，采用理論和實驗相結合的方法系統(tǒng)研究了軸承性能退化評估中退化特征提取、評估模型的建立和評估結果的驗證等問題。
　　針對退化特征提取問題，首先以內(nèi)圈故障為例分析了提升小波包變換在不同

2、程度故障信號分析中的有效性。在此基礎上，將提升小波包分別與奇異譜熵、符號熵相結合，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熵的退化特征提取方法。試驗數(shù)據(jù)分析結果表明，提升小波包奇異譜熵、提升小波包符號熵均對不同嚴重程度的內(nèi)圈故障比較敏感，能夠反映軸承的退化狀態(tài)。
　　針對評估模型的建立問題，將支持向量數(shù)據(jù)描述（SVDD）引入軸承性能退化評估中，建立了基于SVDD的性能退化評估模型，在此基礎上提

3、出了基于提升小波包奇異譜熵-SVDD的性能退化評估方法和基于提升小波包符號熵-SVDD的性能退化評估方法，并給出了實際在線評估中的失效閾值設定方法。數(shù)據(jù)采集是軸承性能退化評估的基礎，為此利用LabVIEW中的生產(chǎn)者-消費者結構和狀態(tài)機結構開發(fā)了基于虛擬儀器的軸承全壽命周期動態(tài)信號采集系統(tǒng)，并將該系統(tǒng)用于采集軸承故障程度模擬試驗數(shù)據(jù)。然后利用采集的故障程度模擬試驗數(shù)據(jù)驗證了所提出的評估方法的有效性。
　　為驗證所提出的評估方法在軸承

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