基于HSMM的滚动轴承故障预测技术

论文摘要

滚动轴承是旋转机械设备中最常见的部件之一,其运行状态的好坏直接影响到整个设备的工作性能。由于受到载荷、安装、润滑等因素的影响,滚动轴承在工作过程中故障率较高。因此,如何实现对滚动轴承故障的有效预测,对于尽早发现旋转机械设备的故障苗头,减少或杜绝重大事故的发生以及降低维修成本具有重要意义。本文针对滚动轴承的故障预测问题,在分析其故障机理和演化规律的基础上,开展了基于隐半马尔可夫模型（Hidden Semi-Markov Models,HSMM）的滚动轴承故障预测技术研究。论文主要内容包括:（1）滚动轴承的故障机理分析与故障演化建模系统地分析了滚动轴承的故障演化机理。在对滚动轴承正常状态和故障状态的特征频率进行分析的基础上,建立了基于隐半马尔可夫模型的滚动轴承故障演化趋势模型,对滚动轴承全寿命过程中各个退化状态的驻留时间和状态转移概率进行了合理描述。（2）基于小波能谱熵的滚动轴承故障预测特征提取方法针对滚动轴承故障预测特征信息提取难的问题,提出了基于小波能谱熵的滚动轴承故障预测特征提取方法。验证结果表明,该方法所提取的小波能谱熵评判指标,可以较好地描述滚动轴承的全寿命过程中的故障演化趋势。（3）基于隐半马尔可夫模型的滚动轴承故障预测方法针对隐半马尔可夫模型算法中存在的参数设置不确定性、多样本训练下溢等问题,深入研究了隐半马尔可夫模型的改进算法。在此基础上,提出了以小波能谱熵为预测特征信息的隐半马尔可夫模型故障预测方法。（4）实验方案设计与实验验证以滚动轴承实验台为对象,设计了故障预测的实验方案,并通过实验验证了本文所研究的基于隐半马尔可夫模型的滚动轴承故障预测方法,结果表明,该方法可以较准确的实现对滚动轴承的故障预测,具有良好的可行性和有效性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究背景及意义
• 1.2 国内外研究现状
• 1.2.1 机械设备故障预测技术的研究现状
• 1.2.2 基于数据的故障预测技术的研究现状
• 1.3 研究内容及组成
• 1.3.1 主要研究内容及研究思路
• 1.3.2 论文组织安排
• 第二章 滚动轴承的故障演化机理分析
• 2.1 概述
• 2.2 滚动轴承振动信号的基本特征
• 2.2.1 滚动轴承的基本结构
• 2.2.2 滚动轴承的特征频率
• 2.2.3 滚动轴承的固有振动频率
• 2.2.4 滚动轴承的故障类型
• 2.3 滚动轴承振动信号监测方法简述
• 2.4 滚动轴承的故障演化趋势分析与HSMM 建模
• 2.4.1 滚动轴承的故障演化趋势分析
• 2.4.2 滚动轴承演化趋势的HSMM 建模
• 2.5 本章小结
• 第三章 基于小波能谱熵的滚动轴承故障预测特征提取方法
• 3.1 概述
• 3.2 小波能谱熵理论
• 3.2.1 小波包变换
• 3.2.2 熵理论
• 3.2.3 小波能谱熵理论
• 3.3 基于小波能谱熵的滚动轴承振动特征提取方法及应用
• 3.3.1 基于小波能谱熵的特征提取方法
• 3.3.2 小波能谱熵特征提取方法在滚动轴承中的应用
• 3.4 本章小结
• 第四章 基于HSMM 的滚动轴承故障预测方法
• 4.1 概述
• 4.2 HSMM 的基本理论
• 4.2.1 HSMM 的定义
• 4.2.2 HSMM 的广义前-后向算法
• 4.3 HSMM 的部分算法问题及改进
• 4.3.1 HSMM 的改进算法
• 4.3.2 初始模型参数的选取
• 4.3.3 多个观察值序列的训练
• 4.3.4 下溢问题
• 4.4 基于HSMM 的滚动轴承故障预测方法
• 4.4.1 滚动轴承的退化状态识别方法
• 4.4.2 滚动轴承的故障预测方法
• 4.5 本章小结
• 第五章 基于HSMM 的滚动轴承故障预测方法的应用与实验
• 5.1 概述
• 5.2 实验平台
• 5.2.1 实验平台简介
• 5.2.2 实验方案
• 5.3 基于HSMM 的滚动轴承故障预测方法的实验验证
• 5.3.1 滚动轴承的退化状态识别
• 5.3.2 滚动轴承的故障预测
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 全文总结
• 6.2 研究展望
• 致谢
• 参考文献
• 作者在攻读硕士学位期间发表的论文