基于JADE的軸承故障診斷與壽命預(yù)測研究.pdf

1、旋轉(zhuǎn)機械設(shè)備在現(xiàn)代工業(yè)領(lǐng)域中充當著重要的角色，而滾動軸承是旋轉(zhuǎn)設(shè)備中的主要部件之一，滾動軸承的運行狀態(tài)對旋轉(zhuǎn)機械穩(wěn)定運行至關(guān)重要。滾動軸承在高速、重載或惡劣環(huán)境中運轉(zhuǎn)極易出現(xiàn)故障，而且故障類型復(fù)雜，因此，滾動軸承診斷是設(shè)備故障診斷的重點與難點。設(shè)備出現(xiàn)故障之前，準確了解軸承的運行狀態(tài)和健康狀態(tài)，進而做出相關(guān)的應(yīng)對措施，可防止工業(yè)事故的發(fā)生，減少工業(yè)過程中的損失;故障一旦出現(xiàn)，需要準確判斷其故障類別與原因，可快速、準確地采取補救措施。對軸

2、承進行診斷的關(guān)鍵在于從現(xiàn)場采集到的軸承信號中提取可有效判別軸承狀態(tài)的特征參數(shù)，當滾動軸承發(fā)生故障時，軸承狀態(tài)信號將會發(fā)生變化，對這些信號進行分析，提取淹沒在信息里的故障信息。針對得到滾動軸承的有效特征，研究學(xué)者提出很多信號處理方法。本文將特征矩陣聯(lián)合近似對角化(Joint Approximate Diagonalization of Eigen-matrices，簡稱JADE)方法與經(jīng)驗?zāi)Ｊ椒纸?Empirical Mode Decom

3、position，簡稱EMD)、譜相關(guān)等方法相結(jié)合，對軸承狀態(tài)特征提取方法進行了探討，進一步結(jié)合支持向量機(Support VectorMachines，簡稱SVM)和極限學(xué)習(xí)機(Extreme Learning Machine，簡稱ELM)對軸承故障分類和壽命預(yù)測方法開展了研究。
　　本文第一章論述了故障診斷的基本環(huán)節(jié)和基本方法，介紹了軸承壽命預(yù)測理論的發(fā)展和軸承振動信號的基本知識。第二章軸承故障信號的采集方面的一些知識和信號的

4、故障頻率的計算，總結(jié)了不同故障下故障特征的計算方法。第三章在軸承故障分類中，運用JADE結(jié)合EMD、譜相關(guān)等方法，提取了反映軸承故障類型的特征參數(shù)，進一步結(jié)合SVM實現(xiàn)了對不同故障類型的識別，取得了很好的效果。在第四章中對JADE算法進行了改進，提出了雙層JADE算法，提取反映軸承退化狀態(tài)的特征參數(shù)向量，同時利用ELM進行壽命預(yù)測模型的建立。對不同故障類型的軸承故障全壽命數(shù)據(jù)進行分析，實現(xiàn)了軸承壽命的準確預(yù)測。第五章對軸承疲勞試驗進行了