基于自联想神经网络与模糊C均值的滚动轴承的性能退化评估

论文摘要

滚动轴承是旋转机械中最重要也是最容易出现故障的零部件之一,如果能对滚动轴承的性能进行实时监测评估就能及时做出维修策略,故建立了自回归(AR)模型,提取滚动轴承全寿命周期的AR模型的自回归系数和残差,对提取到的特征降维后建立自联想神经网络(AANN)以及FCM模型,然后将AANN模型的输出与输入向量之差作为特征向量输入到FCM模型中,得到性能退化指标,再用实例对结论进行验证。实验表明,文中提出的性能退化方法得到的结论与轴承加速疲劳试验得到的结果是一致的。

论文目录

• 1 AR特征提取
• 2 性能退化评估模型
•   2.1 AANN模型
•   2.2 FCM模型
•   2.3 模型的建立与指标提取
• 3 实验与结果分析
•   3.1 试验台介绍
•   3.2 AANN-FCM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,张臣臣,张龙,郭慧娟

关键词: 模型,滚动轴承,性能退化评估

来源: 机械设计与研究 2019年01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: 载运工具与装备教育部重点实验室华东交通大学

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.2019.0107

页码: 96-99

总页数: 4

文件大小: 1008K

下载量: 128