基于RBF神经网络与模糊评价的滚动轴承退化状态定量评估

论文摘要

滚动轴承作为旋转机械最容易发生故障的零部件之一,对其进行性能状态评估,及早判断出故障情况并做出相应的维修策略具有重要的意义。首先对轴承早期无故障样本和同类轴承的失效样本的振动信号提取小波包奇异谱熵作为初始特征。其次,用早期无故障样本特征和同类轴承失效样本特征建立径向基(RBF)神经网络模型,将已提取特征的轴承全寿命数据特征通过迭代的方式输入到RBF模型中。为了得到有界限的性能退化评估指标,提高性能评估准确率,将RBF模型输出结果输入到隶属度函数,计算隶属度,以此作为性能退化评估指标。使用箱线图设置自适应阈值,确定轴承早期失效阈值。最后用包络解调对结果进行验证。实验表明,提出的性能退化评估方法早期故障检测能力强,得到的结论与轴承加速疲劳试验得到的结果保持一致。

论文目录

• 1 小波包奇异谱熵
•   1.1 小波包分解层数及小波基的选择
•   1.2 小波包奇异谱熵特征提取
• 2 性能退化评估模型
•   2.1 RBF神经网络
•   2.2 隶属度计算
•   2.3 自适应报警阈值的设定
•   2.4 模型的建立与指标的提取
• 3 实验与结果分析
•   3.1 轴承离散数据验证
•   3.2 轴承全寿命数据实验验证
•     3.2.1 试验台介绍
•     3.2.2 模型评估结果
• 4 包络谱分析
• 5 结 论

文章来源

类型: 期刊论文

作者: 周建民,王发令,张龙,李鹏,张臣臣

关键词: 滚动轴承,小波包奇异谱熵,神经网络,模糊评价,箱线图,包络解调

来源: 机械设计与研究 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 机械工业,自动化技术

单位: 华东交通大学载运工具与装备教育部重点实验室

基金: 国家自然科学基金资助项目(51865010,51665013)

分类号: TP183;TH133.33

DOI: 10.13952/j.cnki.jofmdr.2019.0328

页码: 116-122+127

总页数: 8

文件大小: 2664K

下载量: 74