【摘 要】
：
在现代工业生产过程中,各个机器部件都有自己的功能,从而保证了机器的正常运转。滚动轴承在机械行业中是必不可少的基本零件,被誉为“工业的关节”。滚动轴承作为传统的精密零部件,在现代工业中随处可见,但是滚动轴承也极易发生损坏,如果其忽然发生故障,有可能引起设备停止运转,严重的话会造成不可估量的后果。此外,通过滚动轴承运行过程中的振动信号来跟踪滚动轴承的故障发展史,准确辨别其退化状态,预测滚动轴承的剩余使
论文部分内容阅读
在现代工业生产过程中,各个机器部件都有自己的功能,从而保证了机器的正常运转。滚动轴承在机械行业中是必不可少的基本零件,被誉为“工业的关节”。滚动轴承作为传统的精密零部件,在现代工业中随处可见,但是滚动轴承也极易发生损坏,如果其忽然发生故障,有可能引起设备停止运转,严重的话会造成不可估量的后果。此外,通过滚动轴承运行过程中的振动信号来跟踪滚动轴承的故障发展史,准确辨别其退化状态,预测滚动轴承的剩余使用寿命,从而及时有效地实施设备维护措施,从适时维护向视情维护转变,不仅可以确保设备安全运行还可以节约许多人力物力避免不必要的损失。所以分析滚动轴承的原始振动信号提取相关特征信息用于滚动轴承的剩余使用寿命预测具有深远的意义。利用一种时频信号分析方法处理滚动轴承的振动信号,然后结合双向长短时记忆网络进行滚动轴承剩余使用寿命预测研究。在全寿命周期实验过程中,外部干扰使得滚动轴承振动信号具有非平稳、非线性的特点。首先对滚动轴承原始振动信号进行变分模态分解（Variational Mode Decomposition,VMD）信号分析处理,提高信噪比,从而有效提取退化特征。具体介绍了VMD的基本原理和步骤,结合粒子群优化算法（Particle Swarm Optimization,PSO）对VMD算法中的模态分量个数K和惩罚因子进行自适应寻优。结合实验数据,对参数优化算法及VMD算法的可行性及有效性进行了验证。提取滚动轴承振动信号的特征,利用单调性、趋势性、皮尔逊相关系数、斯皮尔曼等级相关系数进行特征筛选,构建退化特征参数集,确定轴承退化开始点,为下一步的轴承剩余使用寿命预测建模奠定基础。接着利用双向长短时记忆网络（Bi-directional Long-Short Term Memory,Bi LSTM）在时间序列预测问题上的优势,建立以Bi LSTM为基础的网络模型对滚动轴承剩余使用寿命预测。最后通过与传统的深度学习算法对比,证明了本文所使用的信号分析方法与深度学习模型相结合方法在滚动轴承剩余使用寿命预测研究方面的优越性。
其他文献
随着全球经济的发展,化石能源日渐枯竭,并且伴随着环境污染等问题。在如此巨大的压力下,人们大力发展新能源,新能源汽车由于具有低能耗,轻污染等优点得到了各国政府的青睐。随着技术的进步,锂电池因其出色的能量密度、持久的使用寿命、便捷的充电过程、极低的自放电率以及绿色的环境友好性,已经逐步成为新能源汽车的首选动力来源。为了满足一辆新能源汽车的正常使用,由于单节电池的电压较低,这就需要将多节电池串联成一个电
为了应对不断加剧的燃油汽车尾气污染问题,电动汽车已经成为各国政府重点研究的对象,我国更是将发展电动汽车列为国家战略。车载充电机（On Board Charger,OBC）作为电动汽车的核心部件之一,主要由两级组成,前级为PFC整流器,后级为DC-DC变换器。其中,DC-DC变换器主要负责匹配直流负载特性,为充电的各过程提供所需的直流电压与电流。目前,对于DC-DC变换器的优化主要集中在减少能量传输
轴承作为机械设备中的关键部件,通常在相对恶劣环境下工作,若发生故障会造成安全事故和经济损失。因此,需要对轴承的工作状态进行监测研究。而在实际应用时,由于轴承工作时的工况不断变化,建立的模型在不同工况下的诊断效果不佳。本论文以机械设备工作时轴承振动信号为研究对象。以迁移学习和生成对抗网络为基础,针对不同工况下的轴承故障诊断开展迁移学习的研究,针对迁移效果不佳的情况开展域差异的研究,实现通过少量振动信
神经网络是拥有非常强大的自组织、自学习和非线性逼近能力的复杂系统。近年来,忆阻器常被用来替换传统神经网络中的电阻,忆阻神经网络应运而生。因为忆阻器具有捏滞回线特性,忆阻神经网络往往具有复杂的动力学行为,并能生成独特的混沌系统。因而忆阻神经网络的同步控制在混沌保密通信、图像加密和音频保密等信息安全领域具有广泛的应用前景。反同步是神经网络的一种基本动力学行为,其本质是一种振幅相同,但符号相反的同步行为
全空气空调系统是暖通空调（Heating,Ventilation and Air Conditioning,HVAC）统中最为普遍的系统之一,它的作用是调节和改善建筑室内的温度、湿度、空气质量等。近年来,由于社会经济迅速增长,人们的生活水平不断提高,人们对于工作和生活环境的要求也越来越高。创造一个舒适、健康的室内环境,不仅能够提高室内工作人员的工作效率,还能改善人们的生活品质,因此全空气空调系统室
随着环境恶化、能源枯竭等问题的日益加剧,清洁型能源的开发利用已受到社会大众的广泛关注,在电动汽车、新能源发电等应用领域都普遍采用锂电池作为储能元件。很多应用场合需要较高的供电电压,需要将电池单体串联形成电池包使用。当多次循环充放电后,电池单体间的不一致性进一步提高,如不加以控制,会严重降低电池的有效容量,减少其使用寿命,甚至会引起爆炸等安全事故。因此串联锂电池组需要配备电池均衡器保证锂电池安全稳定
当今国际局势日益复杂,局部地区冲突不断,冲突过程中战场环境对士兵的生命安全会带来巨大威胁,在未来战场上无人战车能够发挥重要作用,包括侦察、打击、运输等,无人战车指控系统对于士兵远程作战尤为重要,智能无人战车适用于城市或野外突击侦察、掩护、运输、打击等作战场景。与小型无人战车相比,智能无人战车能承载更多重、大型武器或运输物资,拥有更长的航程;与大型无人战车相比,其行动、传动、控制更敏捷、智能,有更高
随着智能制造产业的快速发展,在流水线上使用机器人代替人工分拣得到广泛应用。流水线上会出现种类不同且无序放置的零件,目前工业机器人对无序零件分拣的研究大多停留在传统的机器视觉方法上,经常会出现漏检、误检等问题。近年来,深度学习与机器人结合已经成为当下的研究热点,卷积神经网络对不同种类零件识别效果较好且速度快,但对无序零件定位不够精准。本文提出一种基于改进YOLOv4-tiny的零件检测方法并结合图像
化石能源的不可再生性与大规模使用造成了环境污染、全球变暖等问题,促使世界各国必须开发新型能源以实现能源的转型。作为一种清洁和可再生能源,风能以其短建设周期、低环境要求、丰富的储量和较高的利用率等特点,在全球各国迅速发展。风力发电机组通常在恶劣的自然环境中运行,例如戈壁滩、大草原和海面等地,由于受到交变载荷和环境等因素的影响,它们的故障率相对较高。当风力发电机组发生故障时,通常需要采用停机维修的方式
随着数字视频技术和工业智能化的迅速发展,制造业对自动化分析图像采集设备的要求日益提高。为了实现工业中智能化图像采集的功能,图像采集设备需要能够实时检测运动目标图像并使用计算机进行图像的数字化处理。在智能裁切运输场景中,为了控制并调节目标物体的运动状态,系统需要对运动物体进行识别和检测。因此,本文需要针对传统运动目标检测算法在该运输场景中出现的问题进行分析和解决,其中,研究问题主要集中在以下几个方面