振動譜表征空間滾動軸承壽命狀態(tài)方法研究.pdf

1、空間滾動軸承是空間運(yùn)動機(jī)構(gòu)的關(guān)鍵零部件，衛(wèi)星、航天飛機(jī)、宇宙飛船等空間飛行器的機(jī)械部件能否正常運(yùn)轉(zhuǎn)、實現(xiàn)預(yù)定功能和達(dá)到預(yù)期壽命，在很大程度上取決于飛行器內(nèi)各機(jī)械部件中滾動軸承的性能、壽命和可靠性。在空間服役的滾動軸承要承受低溫、交變溫度、高能粒子輻照、原子氧侵蝕、微塵沖刷等極端環(huán)境的綜合作用，其失效行為和機(jī)理與地面常規(guī)環(huán)境有很大差異。因此，為了滿足空間飛行器高可靠、長壽命的發(fā)展需求，亟需在模擬空間環(huán)境下開展?jié)L動軸承壽命評估和預(yù)測等方面的

2、研究，而研究基礎(chǔ)在于壽命狀態(tài)的描述和識別，即壽命狀態(tài)的表征。目前，摩擦力矩、溫度等參數(shù)等不能有效反映空間滾動軸承壽命狀態(tài)的變化，一個新的思路是以包含運(yùn)行狀態(tài)信息豐富的振動信號為切入點研究空間滾動軸承軸承壽命狀態(tài)的表征方法。當(dāng)空間滾動軸承的壽命狀態(tài)發(fā)生變化時，軸承振動信號時域中的幅值和概率分布將會發(fā)生變化，頻域中的頻率成分、不同頻率成分的能量，以及頻譜的主能量譜峰位置也將發(fā)生改變。本文以空間滾動軸承為研究對象，開展其壽命狀態(tài)的振動譜表征方

3、法研究。主要研究內(nèi)容如下：
　?、籴槍臻g滾動軸承壽命狀態(tài)的表征問題，提出了時頻域特征參數(shù)構(gòu)建空間滾動軸承壽命狀態(tài)特征向量的方法?？臻g滾動軸承處于不同的磨損程度即處于不同壽命狀態(tài)時，其振動情況發(fā)生變化，直接表現(xiàn)為振動信號特征的改變。通過振動信號時域波形和頻譜特征來反映空間滾動軸承振動信號的時域和頻域信息，從而指示不同壽命狀態(tài)之間的差異性。為了便于對壽命狀態(tài)的自動識別并全面準(zhǔn)確的反映空間滾動軸承的壽命狀態(tài)，綜合利用時域和頻域特征參數(shù)

4、，選擇了16個時域特征參數(shù)和14個頻域特征參數(shù)構(gòu)造出高維混合域特征向量即空間滾動軸承壽命狀態(tài)特征向量作為軸承壽命狀態(tài)的振動譜特征。同時，分析了轉(zhuǎn)速和載荷對空間滾動軸承壽命和振動的影響，提出了空間滾動軸承全壽命試驗方法與策略；
　?、卺槍臻g滾動軸承振動信號降噪和背景噪聲濾除問題，提出了基于集合經(jīng)驗?zāi)Ｊ椒纸猓‥nsemble Empirical Mode Decomposition，EEMD）的降噪和干擾濾除方法。在模擬真空環(huán)境下測

5、試得到的滾動軸承振動信號往往受到測試系統(tǒng)噪聲和模擬真空環(huán)境設(shè)備運(yùn)行而帶入的背景噪聲的干擾，為了提高信噪比，準(zhǔn)確提取空間軸承壽命狀態(tài)特征向量，需要將上述兩類噪聲進(jìn)行降噪和濾除。對于空間滾動軸承振動信號的降噪，應(yīng)用EEMD能有效抑制模式混疊的特性，根據(jù)白噪聲經(jīng)EEMD分解后其固有模式分量（Intrinsic Mode Functions，IMF）的特性設(shè)計了一種自動選取IMF分量重構(gòu)信號的算法，實現(xiàn)了信號自適應(yīng)降噪。對于背景噪聲的濾除，根據(jù)

6、 EEMD的濾波特性，通過計算含背景噪聲的軸承振動信號的IMF分量和單獨(dú)測試得到的背景噪聲的IMF分量之間的相關(guān)系數(shù)對IMF分量進(jìn)行篩選并重構(gòu)信號，從而將由于模擬真空環(huán)境而帶入的背景噪聲進(jìn)行了有效濾除。同時，針對EEMD的兩個重要參數(shù)，即加入白噪聲的幅值系數(shù)k和總體平均次數(shù)M的選取問題，根據(jù)不同幅值系數(shù)的白噪聲對信號極值點分布均勻性影響規(guī)律，提出了EEMD自適應(yīng)參數(shù)優(yōu)化方法，保證了分解精度和計算效率；
　?、坩槍臻g滾動軸承壽命狀

7、態(tài)識別問題，提出了基于流形學(xué)習(xí)的空間滾動軸承壽命狀態(tài)識別方法。軸承振動信號往往呈現(xiàn)出特征信息耦合、時變性強(qiáng)的特點，由其時頻域特征參數(shù)構(gòu)成的高維壽命狀態(tài)特征向量內(nèi)部的必然存在信息冗余和相互耦合，不利于進(jìn)行分類識別。為此，利用流形學(xué)習(xí)方法對壽命狀態(tài)特征向量進(jìn)行約簡，提取出原始觀測空間的真實流形結(jié)構(gòu)，最終得到維數(shù)低、敏感性高和分類錯誤率小的主要特征向量。然后，將經(jīng)過約簡后的訓(xùn)練樣本和測試樣本的低維壽命狀態(tài)特征向量輸入最近鄰分類器（K-Near

8、est Neighbors Classifier，KNNC），最近鄰分類器根據(jù)訓(xùn)練樣本的鄰域信息和類標(biāo)簽信息對測試樣本進(jìn)行分類決策，實現(xiàn)壽命狀態(tài)的識別。
　?、芨鶕?jù)空間滾動軸承振動特點及壽命試驗要求，搭建了測試系統(tǒng)硬件平臺，開發(fā)了集信號自動采集、處理和壽命狀態(tài)識別等功能為一體的空間滾動軸承壽命狀態(tài)識別系統(tǒng)。系統(tǒng)不僅可對大量數(shù)據(jù)文件進(jìn)行批量管理、分析，還應(yīng)用數(shù)據(jù)庫技術(shù)實現(xiàn)壽命樣本庫的建立、添加和刪除等管理，保證了壽命樣本的完整性和安