【摘 要】
:
滚动轴承作为旋转机械设备的基础部件,其运行状态对设备至关重要,滚动轴承的好坏将直接影响机械设备的运行。在这种背景下,对机械设备中的滚动轴承故障进行识别判断和剩余使用寿命(RUL)预测就显得十分关键,这样就可以减少甚至避免因机械设备发生故障而产生的意外,同时又可以依据设备的RUL提供安全、稳定的后期维护策略。为了能有效的对机械设备健康状态进行监控,对滚动轴承进行定期的故障识别和寿命预估是必要的。为了
论文部分内容阅读
滚动轴承作为旋转机械设备的基础部件,其运行状态对设备至关重要,滚动轴承的好坏将直接影响机械设备的运行。在这种背景下,对机械设备中的滚动轴承故障进行识别判断和剩余使用寿命(RUL)预测就显得十分关键,这样就可以减少甚至避免因机械设备发生故障而产生的意外,同时又可以依据设备的RUL提供安全、稳定的后期维护策略。为了能有效的对机械设备健康状态进行监控,对滚动轴承进行定期的故障识别和寿命预估是必要的。为了提取更加充分的原始振动信号的特征信息,进行准确的故障特征识别和RUL预估,本文首先提出了一种基于轴承信号时频域变换分析方法与卷积神经网络(CNN)相结合的故障识别方法,然后提出了一种结合集合经验模态分解(EEMD)和长短时记忆网络(LSTM)的滚动轴承RUL预测方法,研究内容如下:传统的故障诊断方法需要人工进行特征提取,这就导致了很多因人为存在的一些不可逆的误差,本文提出的将时频域上的振动信号输入到CNN模型中进行滚动轴承的故障诊断的方法,以很好的解决这一问题。为了提高CNN的学习准确率和收敛速度,引入了Adam算法进行优化,降低算法的学习率,以自适应的方式学习CNN模型。在CWRU实验中心数据下,得出了基于CNN的时频域特征进行分析并诊断,其诊断率高于相同条件下的时域特征和频域特征。为了预测滚动轴承的剩余使用寿命,就需要充分提取轴承振动信号的特征信息,构建轴承的健康指标。本文提出了一种基于LSTM与EEMD相结合的RUL预测方法。首先对振动信号时频域进行分析,选定出用于本文进行RUL预测的基本特征集。针对提取的特征中可能含有用不到的冗余特征,利用相关系数原则将特征进行约简,最终得到较为敏感的趋势特征集。最后建立LSTM网络模型来预测轴承剩余使用寿命,试验结果表明此方法比传统的特征提取的方法对滚动轴承进行寿命预测更加准确,预测结果更为理想。针对滚动轴承的退化状态较为多变,且会出现退化特征不明显的问题,本文选用LSTM网络构建健康指标,当LSTM-HI为0时,轴承失效,用在轴承剩余寿命预测上效果显著。最后在PRONOSTIA实验平台数据的支持下,基于EEMD-LSTM的轴承的RUL预测方法与EEMD-BP网络和EMD-LSTM网络进行对比,可以发现,本文所提方法的预测效果更加显著。
其他文献
目前,与日俱增的恶意代码对公民的隐私、权利以及国家安全都有着严重的影响,因此研究恶意代码具有重要的政治、经济和社会意义。逆向工程分析技术能够在本质上分析和理解恶意代码行为,有效应对变化多端的恶意代码,完成对恶意代码的检测。本文主要研究内容如下:1、针对采用单一特征检测恶意代码存在的局限性,提出了基于感知哈希和特征融合的恶意代码检测方法。首先,通过感知哈希算法对恶意代码灰度图样本进行检测,快速划分出
智能微电网作为一种包含并连接各种能源的新型能源网络,利用网络化供应和智能管理技术可在用户侧和分布式能源之间起到串联作用。而在多能互补型家庭微电网群中,分布式电源出力间歇性的缺陷可以通过合理调控进行弥补,从而保证供用电质量及可靠性,降低投资和运行费用。本文提出一种基于需求响应策略的多能互补型智能微电网群控制优化方法,基于需求响应建立微电网系统模型,以及构建系统优化目标与约束条件,利用强化学习算法对微
先进高强度双相钢因高强度、高韧性等优越性能逐渐成为汽车车身轻量化的重要材料。但是,先进高强度双相钢在拥有高强度特性的同时也存在室温塑性较差的不足,因此冷冲压过程中极易出现破裂问题。研究表明,采用温冲压技术可有效改善室温条件下先进高强度双相钢车身板成形性差的问题,而且相对于热冲压技术能耗较小,因此逐渐受到青睐。温冲压条件下先进高强度双相钢板料的变形规律及破裂特性较室温下有所差别,且板料在温冲压过程中
随着科技的不断发展和人民生活水平的提高,人们对供电可靠性及电能质量的要求越来越高。配电变压器作为电能分配与电压等级变换的核心,是配电网中最重要的设备之一。能否保证其安全、可靠、经济运行,对配网的供电可靠性起着至关重要的作用。非晶合金配电变压器可以有效的降低变压器的空载电流和空载损耗,但其特有的矩形绕组结构相比于圆形绕组更容易在短路故障时发生形变和绝缘烧毁。因此本文主要针对矩形绕组进行研究,分析其动
金属离子电容器集成了电池高能量密度和超级电容器高功率密度的优势,因而成为储能器件研究的一个新热点。与锂相比,钾资源储量丰富且成本低廉,因此钾离子电容器在大规模储能应用方面潜力巨大。然而,K+在电池型负极嵌入脱出过程中动力学过程相对缓慢,无法与电容型正极材料较快的电荷储存过程相匹配,因此实现具有高倍率性能的负极材料对于钾离子电容器性能的提高至关重要。相比于碳负极材料,过渡金属硫族化合物(TMDs)的
气敏传感器作为一种气体检测器件,其在工业废气排放监测、燃料排放监测、汽车尾气排放监测、家庭安全以及环境污染监测等领域具有重要的应用价值。其中,金属氧化物半导体(MOSs)基气敏传感器因为制备工艺简单、成本低廉以及性能优异等优点受到研究者的广泛关注。本文围绕三氧化钨(WO3)和氧化锌(ZnO)两种金属氧化物半导体展开研究工作,分别成功制备了高性能的氢气传感器和丙酮气体传感器。实验以制备高比表面积的W
随着对空气污染和化石燃料消耗问题引起的关注,发展新能源汽车已成为必要趋势。纯电动汽车因续驶里程和电池方面的诸多问题限制了其推广,而能够延长续驶里程的增程式电动汽车将成为燃油车到纯电车的有效过渡。通过直接“移植”的传统增程器存在传递链长、传递效率低等问题,且汽车行驶过程中对储能系统高比能量和高比功率的要求,单一电源无法同时符合。针对此,本文围绕内燃约束直线发电系统的动态特性及复合储能系统的参数优化、
无人驾驶汽车以其更加智能、安全、高效的优点在将驾驶员从复杂的驾驶任务中解放出来的领域发挥着重要作用,成为各大高校及汽车厂商的研究热点。无人驾驶技术在给提供方便的同时,也造成了许多的交通事故。虽然传感器和地图的精度不断提高,使得大多数情况下车载辅助系统的感知能力超过人类,但是其认知及决策水平却远不及人类,再加上当前相关的交通设施、法律法规的不完善,所以要想实现完全意义上的无人驾驶,还需要较长一段时间
降解污染物和开发清洁能源已成为应对环境能源危机的关键,由此,利用太阳能解决上述挑战的光催化及光电催化技术受到了广泛研究。高效、绿色和低成本是进行光催化和光电催化系统研究的关键。本论文聚焦设计并构建新型半导体异质结,并以此提高光催化和光电催化性能。通过使用新兴的二维黑磷纳米片(BP)和石墨碳氮化物(g-C3N4)与银盐基化合物构建异质结光催化剂来提高光催化活性与稳定性;通过贵金属(Ag纳米颗粒)沉积
生物质能属于可再生能源,具有CO2零排放、储量丰富等优势。面对日益严峻的化石能源紧缺和环境污染问题,生物质能展现出良好的应用前景。生物质直燃技术是生物质能高效大规模应用的主要方式,但在燃烧中碱金属(主要为钾,K)的逸出会导致换热器表面粘污、腐蚀,设备结渣,颗粒物排放高等问题,严重影响了生物质的大规模应用。本文针对生物质燃烧中K的逸出规律展开研究(主要包括K的蒸发和挥发分对K的携带),为解决K逸出引