旋轉(zhuǎn)零部件的狀態(tài)預(yù)測方法的研究與應(yīng)用.pdf

1、隨著科學(xué)技術(shù)的進(jìn)步和工業(yè)的發(fā)展，各類旋轉(zhuǎn)設(shè)備的復(fù)雜性顯著增加，如滾動(dòng)軸承和齒輪等部件的微小故障都會引起整個(gè)系統(tǒng)的工作狀態(tài)的改變，進(jìn)而會引起設(shè)備性能的下降，甚至引發(fā)嚴(yán)重的突發(fā)事故，造成巨大的經(jīng)濟(jì)損失。防止設(shè)備和產(chǎn)品性能失效，已成為企業(yè)降低運(yùn)作維護(hù)成本、提高生產(chǎn)效率和市場競爭力的重要手段，企業(yè)一般多采用計(jì)劃/周期性檢修的方式來保證設(shè)備和產(chǎn)品的穩(wěn)定性，但這種方式經(jīng)常會造成維修浪費(fèi)，因此給企業(yè)帶來了沉重的經(jīng)濟(jì)負(fù)擔(dān)。所以當(dāng)前的流行觀念是采用基于狀

2、態(tài)監(jiān)測的智能維護(hù)，不停地對設(shè)備和產(chǎn)品的性能狀態(tài)進(jìn)行監(jiān)測、評估和預(yù)測，并按需制定維護(hù)計(jì)劃，以防止因故障而導(dǎo)致性能惡化至完全失效，并根據(jù)設(shè)備的劣化狀態(tài)對將來運(yùn)行趨勢進(jìn)行預(yù)測。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)備功能失效情況的發(fā)生。設(shè)備性能狀態(tài)預(yù)測正是基于以上思想提出的一種主動(dòng)設(shè)備維護(hù)的技術(shù)。研究發(fā)展設(shè)備性能退化評估與預(yù)測技術(shù)，促使設(shè)備維修制度從事后維修、定期維修向預(yù)測性維修方

3、向發(fā)展，對于提高企業(yè)的經(jīng)濟(jì)效益和社會效益，促進(jìn)國民經(jīng)濟(jì)的發(fā)展具有十分重要的意義。將設(shè)備性能退化預(yù)測技術(shù)用于指導(dǎo)企業(yè)生產(chǎn)、優(yōu)化設(shè)備管理、降低企業(yè)突發(fā)事故以及提高企業(yè)綜合競爭力，是工程實(shí)際的迫切需要，也是故障診斷技術(shù)發(fā)展的必然趨勢。
　　 為了能更有效地對機(jī)械設(shè)備運(yùn)行狀態(tài)進(jìn)行有效監(jiān)測，并對當(dāng)前狀態(tài)進(jìn)行評估以及狀態(tài)預(yù)測，本課題以滾動(dòng)軸承和齒輪為研究對象，針對滾動(dòng)軸承和齒輪的運(yùn)行特點(diǎn)，研究其早期故障的物理本質(zhì)，從而客觀、有效的提取特征，

4、識別微弱故障特征，并對故障的發(fā)展?fàn)顟B(tài)進(jìn)行狀態(tài)預(yù)測。本文具體研究內(nèi)容如下：
　　 闡述了論文的選題背景和研究意義。分析了信號強(qiáng)化方法、預(yù)測方法以及狀態(tài)監(jiān)測系統(tǒng)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。
　　 研究基于多特征模式集的匹配追蹤的信號強(qiáng)化方法。主要研究基于匹配追蹤和基追蹤的信號強(qiáng)化方法。簡要介紹了追蹤算法的特性，并針對沖擊類信號，研究了基于小波包字典的匹配方法，實(shí)現(xiàn)噪聲背景下沖擊信

5、號的特征強(qiáng)化。將該方法推廣到軸承和齒輪振動(dòng)仿真信號預(yù)處理中，并提出了基于多特征模式集的匹配追蹤方法的特征強(qiáng)化方法，對微弱信號的特征提取和故障分析奠定了堅(jiān)實(shí)的基礎(chǔ)。
　　 研究了支持向量機(jī)回歸分析方法基礎(chǔ)上，建立了小波變換與最小二乘支持向量機(jī)相結(jié)合的預(yù)測模型，研究了模型中參數(shù)選擇對于預(yù)測精度的影響（包括C值，不敏感系數(shù)，核函數(shù)），并將該模型用于狀態(tài)預(yù)測。該模型特點(diǎn)是通過小波變換提取出時(shí)間序列的細(xì)節(jié)成分，由于分解后的子序列具有更強(qiáng)的

6、規(guī)律性，因此會更利于支持向量機(jī)進(jìn)行預(yù)測。該方法能夠比傳統(tǒng)的支持向量機(jī)方法提高預(yù)測精度。
　　 研究了模糊神經(jīng)網(wǎng)絡(luò)分析方法，提出了神經(jīng)模糊網(wǎng)絡(luò)(NF)的多步狀態(tài)預(yù)測模型，并討論了模型參數(shù)（隸屬度函數(shù)類型及數(shù)量、樣本數(shù)量、訓(xùn)練步數(shù)）對預(yù)測結(jié)果的影響進(jìn)行了分析和探討。利用軸承的全過程數(shù)據(jù)，對ANFIS的預(yù)測效果進(jìn)行了驗(yàn)證。并將ANFIS的預(yù)測結(jié)果分別與RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果進(jìn)行了對比，表明ANFIS預(yù)測模型具有更高的預(yù)測精度。

7、>　　 在以上研究的基礎(chǔ)上，提出了基于SOA(service oriented architecture)的狀態(tài)預(yù)測系統(tǒng)模型，并對該模型進(jìn)行了的建模分析與驗(yàn)證，實(shí)現(xiàn)了基于SOA的預(yù)測系統(tǒng)的原型系統(tǒng)開發(fā)。基于Web Service技術(shù)開發(fā)了遠(yuǎn)程服務(wù)、實(shí)現(xiàn)了UDDI業(yè)務(wù)服務(wù)注冊、驗(yàn)證了異構(gòu)平臺間RDC服務(wù)的消費(fèi)等。進(jìn)一步證明了SOA技術(shù)應(yīng)用到分布式遠(yuǎn)程故障診斷模型的可操作性。實(shí)現(xiàn)了企業(yè)狀態(tài)預(yù)測系統(tǒng)。該系統(tǒng)基于SOA架構(gòu)模型，使用.NET、

8、COM，ActiveX技術(shù)開發(fā)了系統(tǒng)基礎(chǔ)組件和控件；在.NET環(huán)境下，使用WCF和Web Service等SOA技術(shù)，對所開發(fā)的組件進(jìn)行了包裝，最后實(shí)現(xiàn)了系統(tǒng)的開發(fā)。
　　 在軸承加速疲勞試驗(yàn)臺上采集了多組軸承強(qiáng)化疲勞試驗(yàn)全過程數(shù)據(jù)。詳細(xì)對比分析了多個(gè)狀態(tài)下軸承信號的時(shí)域和頻域特征的變化規(guī)律。利用軸承試驗(yàn)數(shù)據(jù)，研究了各個(gè)狀態(tài)預(yù)測模型的預(yù)測能力，另外還針對第二章所提出的基于多特征模式集的匹配追蹤的信號強(qiáng)化方法，運(yùn)用到軸承疲勞實(shí)驗(yàn)和