基于自適應(yīng)增量LLE和SVM的滾動(dòng)軸承健康狀態(tài)評(píng)估方法研究.pdf

1、滾動(dòng)軸承作為旋轉(zhuǎn)機(jī)械設(shè)備中的重要基礎(chǔ)元件之一，整個(gè)機(jī)械設(shè)備運(yùn)行的安全性和可靠性都與其健康狀態(tài)息息相關(guān)，一旦出現(xiàn)故障不能及時(shí)監(jiān)測(cè)并排除，就有可能造成整個(gè)機(jī)械設(shè)備的失效癱瘓，甚至造成巨大的災(zāi)難性后果。因此，如何準(zhǔn)確評(píng)估滾動(dòng)軸承的健康狀態(tài)，以真正達(dá)到智能定量評(píng)估，變定時(shí)或事后維修為視情維修，實(shí)現(xiàn)滾動(dòng)軸承的主動(dòng)維護(hù)具有十分重要的意義。
　　論文以建立滾動(dòng)軸承健康狀態(tài)評(píng)估方法為主線，從特征提取、維數(shù)約簡(jiǎn)、健康狀態(tài)評(píng)估模型以及優(yōu)化算法方面逐步

2、展開(kāi)研究。
　　特征提取方面，為有效利用時(shí)域、頻域、時(shí)-頻域中各類(lèi)具有顯著差異的特征，更全面準(zhǔn)確的刻畫(huà)軸承的健康狀態(tài)。論文對(duì)實(shí)際軸承振動(dòng)信號(hào)進(jìn)行時(shí)域、頻域的特征提取，并將集合經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD)結(jié)合奇異值分解(SVD)獲取時(shí)-頻特征。在此基礎(chǔ)上構(gòu)建高維多域特征集。
　　維數(shù)約簡(jiǎn)方面，深入研究局部線性嵌入(LLE)算法?；谡駝?dòng)信號(hào)提取的特征具有數(shù)據(jù)流形的局部幾何結(jié)構(gòu)分布不均勻的特點(diǎn)，同時(shí)為避免出現(xiàn)新增樣本時(shí)需要重復(fù)計(jì)算的

3、缺點(diǎn)，本文對(duì)局部線性嵌入算法進(jìn)行自適應(yīng)增量改進(jìn)。通過(guò)對(duì)比實(shí)驗(yàn)證明改進(jìn)后的局部線性嵌入算法的有效性。
　　優(yōu)化算法方面，由于人為選取支持向量機(jī)(SVM)中的參數(shù)具有一定的盲目性，傳統(tǒng)的參數(shù)優(yōu)化算法難以快速找出全局最優(yōu)解。因此本文深入研究了雞群優(yōu)化(CSO)算法，并將混沌理論引入到雞群算法中，即混沌優(yōu)化雞群算法(C-CSO)。通過(guò)對(duì)基本函數(shù)進(jìn)行優(yōu)化實(shí)驗(yàn)對(duì)比，詳細(xì)分析各優(yōu)化算法的性能。
　　健康狀態(tài)評(píng)估方面，用混沌優(yōu)化雞群算法優(yōu)化