论文部分内容阅读
滚动轴承是旋转机械中应用最广泛的零部件之一,在工业生产中发挥着至关重要的作用。当机械设备中滚动轴承出现意外故障时,可能导致巨大的经济损失,甚至人员伤亡。因此,研究滚动轴承健康管理问题,实现滚动轴承的初始故障诊断、性能退化阶段划分及剩余使用寿命预测,对设备的及时维修、维护策略制定和当前状态剩余使用寿命预测,具有重要参考意义。本文以滚动轴承全寿命周期振动信号为研究对象,将提出的健康管理方法与现代信号处理技术相结合,研究了滚动轴承的初始故障诊断、性能退化阶段划分和剩余使用寿命预测等问题。论文主要研究内容如下:(1)提出了基于由粗到精策略的滚动轴承初始故障诊断方法。针对滚动轴承初始故障信号易被强背景噪声淹没,且不同特征参数对早期故障敏感性不同的问题,采用变分模态分解(Variational Mode Decomposition,VMD)得到原始振动信号本征模态函数(Intrinsic Mode Functions,IMFs),通过奇异值分解(Singular Value Decomposition,SVD)处理IMF分量得到时-频域特征奇异值,再结合对初始故障敏感的时域特征参数,融合成单一指标马氏距离MD2;将VMD、Autogram、调整多点最优最小熵反卷积(Multipoint Optimal Minimum Entropy Deconvolution Adjusted,MOMEDA)与包络分析结合,确定滚动轴承故障类型;根据提出的?MD2的3σ原则与回溯追踪算法,实现滚动轴承的初始故障诊断。通过讨论对比两组滚动轴承全寿命周期数据的结果,验证了所提方法的有效性与优越性。(2)构建了基于MD-CUMSUM滚动轴承退化的健康指标(Health Indicator,HI)。针对滚动轴承性能退化阶段难以准确划分、且性能评价指标具有波动性和非单调性问题,使用VMD-SVD提取振动信号时-频域特征,将性能退化相关的时域特征和时-频域特征融合为马氏距离MD1,采用CUMSUM处理MD1,得到随轴承磨损而单调增加的健康指标;根据提出的由粗到精诊断策略确定滚动轴承初始故障样本,结合HI设定的合理阈值,实现滚动轴承性能退化阶段划分。通过讨论两组全寿命周期实验数据并进行对比实验,验证了所提方法在性能退化阶段划分中的有效性与优越性。(3)提出了基于风险评估和改进训练集的滚动轴承剩余使用寿命预测方法。针对滚动轴承初始故障和失效时间在敏感性与误报率之间的权衡问题,将VMD-SVD提取的时-频特征和最优时域特征融合成马氏距离,利用MD-CUMSUM得到单调递增的健康指标;通过提出的风险评估方法权衡确定滚动轴承的初始故障时间和失效时间;采用提出的改进训练集S和基于遗传算法优化的支持向量回归(Support Vector Regression,SVR),实现滚动轴承的剩余使用寿命预测。通过分析讨论滚动轴承全寿命周期数据的结果,验证了所提方法在剩余使用寿命预测方面的准确性及优越性。