基于灰色ELM的滾動(dòng)軸承故障預(yù)測(cè).pdf

1、隨著旋轉(zhuǎn)機(jī)械設(shè)備趨于大型化、高效化、集成化，這對(duì)旋轉(zhuǎn)機(jī)械安全可靠運(yùn)行的要求也相應(yīng)提高。滾動(dòng)軸承是現(xiàn)代旋轉(zhuǎn)機(jī)械設(shè)備中最具關(guān)鍵作用的組成部件之一，它的工作狀態(tài)正常與否直接關(guān)系著機(jī)械設(shè)備乃至整個(gè)系統(tǒng)的運(yùn)行狀態(tài)，但由于工作條件的惡劣造成其壽命參差性很大和容易損傷的缺點(diǎn)，因此需要對(duì)滾動(dòng)軸承實(shí)施有效的故障預(yù)測(cè)。本課題“基于灰色ELM的滾動(dòng)軸承故障預(yù)測(cè)”對(duì)采用灰色理論方法和ELM神經(jīng)網(wǎng)絡(luò)進(jìn)行滾動(dòng)軸承故障預(yù)測(cè)中所涉及的理論、方法和關(guān)鍵技術(shù)進(jìn)行了深入的研

2、究，主要研究工作如下:
　　通過(guò)系統(tǒng)分析滾動(dòng)軸承故障預(yù)測(cè)主要方法及國(guó)內(nèi)外在該領(lǐng)域的研究現(xiàn)狀，指出快速、準(zhǔn)確的軸承故障預(yù)測(cè)技術(shù)已成為研究重點(diǎn)。在三大類(lèi)故障預(yù)測(cè)技術(shù)中，重點(diǎn)分析介紹了了本文采用的基于數(shù)據(jù)的故障預(yù)測(cè)技術(shù)。
　　針對(duì)滾動(dòng)軸承振動(dòng)信號(hào)具有非平穩(wěn)性和非線性的特點(diǎn)以及各種經(jīng)典方法的不足之處，運(yùn)用灰色理論來(lái)預(yù)測(cè)軸承故障發(fā)展。深入研究了灰色模型的建模機(jī)理和適用范圍。針對(duì)傳統(tǒng)灰色GM(1，1)模型的不足，探討了一系列改進(jìn)灰色模型

3、。其中，灰色多變量預(yù)測(cè)模型MGM(1，n)模型從系統(tǒng)的角度對(duì)多個(gè)診斷指標(biāo)進(jìn)行統(tǒng)一描述，本文用滾動(dòng)軸承實(shí)驗(yàn)予以驗(yàn)證。
　　由于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)梯度學(xué)習(xí)算法存在著訓(xùn)練時(shí)間長(zhǎng)、過(guò)度擬合訓(xùn)練樣本和易陷入局部最優(yōu)等問(wèn)題。本課題引入了ELM神經(jīng)網(wǎng)絡(luò)，ELM（極限學(xué)習(xí)機(jī)）具有學(xué)習(xí)時(shí)間短、算法簡(jiǎn)單容易實(shí)現(xiàn)、良好的泛化性能和能避免陷入局部最優(yōu)等優(yōu)點(diǎn)，已經(jīng)成功應(yīng)用于函數(shù)擬合和預(yù)測(cè)等應(yīng)用領(lǐng)域。介紹了極限學(xué)習(xí)機(jī)的相關(guān)基礎(chǔ)理論，對(duì)前饋神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法和極限學(xué)

4、習(xí)機(jī)算法進(jìn)行了研究。
　　在實(shí)際環(huán)境中的滾動(dòng)軸承的振動(dòng)信號(hào)在的噪聲背景下不易提取，兼有非線性和非平穩(wěn)的特點(diǎn)。本文對(duì)滾動(dòng)軸承的振動(dòng)信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，經(jīng)過(guò)理論和仿真分析，發(fā)現(xiàn)在非線性信號(hào)處理方面EEMD分解較EMD分解有更好的抗混疊效果;自相關(guān)函數(shù)降噪性能優(yōu)越，在故障提取特征方面具有很大的優(yōu)勢(shì)。
　　灰色模型能夠預(yù)測(cè)發(fā)展序列，ELM神經(jīng)網(wǎng)絡(luò)具有高度的非線性映射特性，本文提出一種新的組合權(quán)系數(shù)的計(jì)算方法，將二者有機(jī)結(jié)合，建立灰