基于核模式分析方法的旋轉(zhuǎn)機械性能退化評估技術(shù)研究.pdf

1、隨著科學(xué)技術(shù)的進步和工業(yè)需求的發(fā)展,各類先進生產(chǎn)設(shè)備一方面不斷向復(fù)雜、高速、高效、輕型、微型或大型的方向發(fā)展,另一方面卻又面臨更加苛刻的工作和運行環(huán)境。一旦設(shè)備的關(guān)鍵部件發(fā)生故障,就可能破壞整臺設(shè)備甚至影響整個生產(chǎn)過程,造成巨大經(jīng)濟損失,還可能導(dǎo)致災(zāi)難性的人員傷亡并產(chǎn)生嚴(yán)重的社會影響。因此,如何有效評估設(shè)備的運行狀態(tài),從而能夠及時采取措施以防止災(zāi)難性事故的發(fā)生是當(dāng)前迫切需要解決的問題。
　　 設(shè)備從性能開始惡化到完全失效,要經(jīng)過

2、一個性能逐步退化的過程。如果能夠在設(shè)備性能退化的過程中檢測到設(shè)備性能退化的程度,那么就可以有針對地組織生產(chǎn)和設(shè)備維修,防止設(shè)備異常失效的發(fā)生。設(shè)備性能退化評估與預(yù)測正是基于以上思想提出的一種主動設(shè)備維護的技術(shù)。設(shè)備性能退化評估與預(yù)測側(cè)重于對設(shè)備性能衰退狀態(tài)全過程的走向預(yù)測,而不在于某個時間點的性能狀態(tài)診斷,因此,其與現(xiàn)有的故障診斷技術(shù)在理念上和方法上都有很大的不同。本文以旋轉(zhuǎn)機械的典型零部件為對象,深入開展了設(shè)備性能退化智能評估和預(yù)測的

3、理論體系和技術(shù)方法研究,包括以下幾個方面的內(nèi)容:
　　 從理論分析與工程應(yīng)用的角度出發(fā),闡述了論文的選題背景和研究意義。分析了設(shè)備性能退化評估方法、預(yù)測方法以及核模式分析方法等方面的國內(nèi)外發(fā)展現(xiàn)狀,總結(jié)了目前研究中需要解決的問題,確立了本論文的研究內(nèi)容。
　　 簡要地敘述了核模式分析方法的原理,將小波核函數(shù)引入核模式分析方法中,研究了小波核函數(shù)在支持向量機分類器、支持向量機回歸分析以及核主元分析中的應(yīng)用?；谄揭撇蛔兒撕?/p>

4、數(shù)Mercer條件,推導(dǎo)證明了Mexican hat小波函數(shù)構(gòu)造的容許小波核函數(shù)。利用仿真數(shù)據(jù)和軸承試驗數(shù)據(jù),對比了小波核模式分析方法與RBF核模式分析方法的泛化能力,分析結(jié)果表明前者具有更好的性能。
　　 提出了循環(huán)平穩(wěn)熵分析方法,通過對軸承振動信號的相關(guān)性進行定量分析,準(zhǔn)確地監(jiān)測軸承運行狀態(tài)。此外利用小波核函數(shù)核主元分析方法對多維特征向量進行約簡,在全面掌握設(shè)備性能的同時,提高分析的效率并增強評估的準(zhǔn)確性。利用軸承的試驗數(shù)據(jù)

5、對特征提取和特征約簡方法進行了驗證。
　　 研究了基于支持向量機的多分類器性能退化評估方法。本文應(yīng)用支持向量機二叉樹算法進行設(shè)備性能退化評估研究,避免了傳統(tǒng)支持向量機多分類器的拒識區(qū)域問題。將小波核函數(shù)引入支持向量機多分類器中,提高了分類器的分類精度。提出了幾何距離概率統(tǒng)計準(zhǔn)則,在保證分類精度的同時,提高支持向量機多分類器參數(shù)優(yōu)選的效率。使用不同故障程度的軸承試驗數(shù)據(jù)對核參數(shù)優(yōu)化準(zhǔn)則及分類算法進行了驗證。
　　 研究了基

6、于支持向量機幾何距離的性能退化評估模型。支持向量機算法在處理二分類問題時,首先利用核函數(shù)將特征向量映射到高維特征空間,然后在該特種空間中建立線性分類面進行分類。本文提出的評估方法利用設(shè)備狀態(tài)特征向量與支持向量機最優(yōu)分類面之間的幾何距離,描述設(shè)備偏離正常狀態(tài)的程度,從而實現(xiàn)對設(shè)備性能退化程度的定量分析。利用裂紋轉(zhuǎn)子仿真模型,對評估模型的泛化推廣能力進行了分析。根據(jù)拉依達準(zhǔn)則,研究了連續(xù)變量的自適應(yīng)報警閾值設(shè)定問題。裂紋轉(zhuǎn)子和軸承疲勞試驗數(shù)

7、據(jù)驗證了該評估方法的評估效果。
　　 研究了基于小波核支持向量機自回歸(WSVAR)模型的性能退化預(yù)測方法。研究了模型各個參數(shù)對預(yù)測結(jié)果的影響,并以二進制網(wǎng)格搜索方法選定模型最優(yōu)參數(shù)。利用軸承加速疲勞試驗全過程數(shù)據(jù),對于WSVAR模型的預(yù)測效果進行了驗證。并將WSVAR的預(yù)測結(jié)果分別與RBF核函數(shù)SVAR和RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果進行了對比,表明WSVAR預(yù)測模型具有更高的預(yù)測精度。
　　 進行了軸承強化疲勞實驗研究。在

8、軸承加速疲勞試驗臺上采集了多組軸承強化疲勞試驗全過程數(shù)據(jù),利用大量的滾動軸承信號驗證了文中提出的各種特征提取方法、特征約簡方法、性能退化評估和預(yù)測方法的適用性。
　　 針對機械設(shè)備功能層次分級且相對獨立的特點,提出了基于層次分析的設(shè)備整體性能退化評估系統(tǒng)模型。考慮系統(tǒng)計算量大及系統(tǒng)后續(xù)擴展性等問題,在系統(tǒng)的開發(fā)中引入了面向服務(wù)(SOA)技術(shù),并基于SOA的成熟實現(xiàn)技術(shù)WCF開發(fā)了設(shè)備性能退化評估與預(yù)測系統(tǒng)原型。在某風(fēng)機監(jiān)測系統(tǒng)的