基于磷蝦群算法的SVR滾動(dòng)軸承性能衰退預(yù)測(cè)研究.pdf

1、滾動(dòng)軸承作為大型旋轉(zhuǎn)機(jī)械設(shè)備中的關(guān)鍵零部件之一，對(duì)保證機(jī)械設(shè)備正常運(yùn)行起著舉足輕重的作用。因此對(duì)其提前進(jìn)行預(yù)知維修具有非常重要的意義。而振動(dòng)信號(hào)特征提取的好壞直接影響著衰退過(guò)程的變化趨勢(shì)及預(yù)測(cè)精度。如何建立正確的軸承退化評(píng)價(jià)指標(biāo)關(guān)系到預(yù)測(cè)結(jié)果的準(zhǔn)確性。在滾動(dòng)軸承發(fā)生故障之前采取相應(yīng)的措施，從而避免其事故的發(fā)生，對(duì)保證設(shè)備能夠正常運(yùn)行至關(guān)重要。
　　本文在滾動(dòng)軸承現(xiàn)有的振動(dòng)信號(hào)特征提取方法的基礎(chǔ)上，提出了CEEMD和小波包半軟閾值相

2、結(jié)合的特征提取方法，此方法區(qū)別于傳統(tǒng)時(shí)域、頻域、時(shí)頻域特征。在保證了原始信號(hào)的完整性的基礎(chǔ)上，對(duì)高頻振動(dòng)信號(hào)中的噪聲進(jìn)行濾除，并通過(guò)試驗(yàn)驗(yàn)證，與其它時(shí)頻方法的特征提取效果進(jìn)行了對(duì)比，驗(yàn)證了該方法的有效性。針對(duì)上述提出的改進(jìn)的特征提取方法，在得到多個(gè)特征參數(shù)的基礎(chǔ)上對(duì)高維特征集進(jìn)行降維處理，針對(duì)PCA、KPCA的缺點(diǎn)提出了LLE與模糊C均值相結(jié)合的方法，將LLE聚類(lèi)后再經(jīng)模糊C均值二次聚類(lèi)，通過(guò)試驗(yàn)驗(yàn)證，對(duì)比了軸承內(nèi)圈不同衰退程度的聚類(lèi)效

3、果。針對(duì)傳統(tǒng)支持向量回歸機(jī)預(yù)測(cè)精度低的問(wèn)題，提出了一種基于磷蝦群算法的多變量支持向量回歸機(jī)預(yù)測(cè)方法，采用了磷蝦群覓食原則，選取支持向量回歸機(jī)中的最優(yōu)參數(shù)C、σ的取值，并對(duì)遺傳算法和磷蝦群算法進(jìn)行試驗(yàn)驗(yàn)證，進(jìn)而準(zhǔn)確預(yù)測(cè)滾動(dòng)軸承內(nèi)圈衰退趨勢(shì)。最后采用辛辛那提大學(xué)滾動(dòng)軸承全壽命試驗(yàn)數(shù)據(jù)，應(yīng)用本文方法對(duì)滾動(dòng)軸承振動(dòng)信號(hào)進(jìn)行多種方法特征提取，并對(duì)滾動(dòng)軸承內(nèi)圈不同衰退過(guò)程進(jìn)行階段性劃分，通過(guò)三組不同待預(yù)測(cè)的輸入特征，對(duì)滾動(dòng)軸承的全生命周期退化趨勢(shì)進(jìn)