滚动轴承振动性能保持可靠性与不确定性关系的动态评估

提出用振动瞬时值的波动范围、振动平均值的波动范围、振动序列对应时间段内的平均波动范围3个指标来综合表征在轴承服役过程中其振动性能的不确定性,并定量分析3个不确定性指标与振动性能保持可靠性的内在具体关系。运用最大熵法和泊松过程理论,计算轴承的振动性能保持可靠度;基于灰自助法、自助法和最大熵法、经典统计法,依次计算3个不确定性指标值;建立多因素回归分析模型,分析性能保持可靠性与3个不确定性指标的关系表达式。结果表明:对于案例1和案例2,性能保持可靠性与3个不确定性指标的线性相关系数分别为 -0843 7、-0779 8、-0759 7;-0835 4、-0843 9、-0808 2。两个案例均表明瞬时值的波动范围与平均波动范围对性能保持可靠性有非线性影响。     

内圈沟道损伤直径对滚动轴承振动性能的测度

采用中位数估计和Huber M估计相融合方法对未知分布的时间序列数据进行稳健处理,得到时间序列稳健数据,进一步得到时间序列数据的本征区间、变异率、中位数和平均值,组成时间序列数据的测度。该方法对不同沟道损伤直径条件下滚动轴承振动数据进行研究,结果发现:滚动轴承振动数据的变异率、中位数及平均值的变化趋势一致,与轴承的实际工况吻合,可以作为滚动轴承性能退化的测度。其中轴承正常运行时的变异率为10%与轴承寿命规定的10%失效率相同,轴承失效时的变异率89%和沟道损伤直径达到失效直径的89%相同。该测度准确地反映沟道损伤直径对轴承振动性能的影响,为滚动轴承性能预报提供可靠依据。该方法不需要知道时间序列数据的分布类型,为未知分布的时间序列数据的稳健处理提供一种方法。     

模糊等价关系下滚动轴承振动性能变异分析

在小样本且概率分布未知条件下,提出模糊等价关系和自助最大熵模型,并通过变异概率分析滚动轴承振动性能变异过程。对滚动轴承振动加速度原始数据分组得到样本,选定本征样本,计算各样本间的模糊等价系数;运用自助最大熵模型建立各样本的概率密度函数,通过交集法得到各样本相对于本征样本的变异概率,建立模糊等价系数和变异概率的关系曲线以实现对变异过程的监控;通过仿真和实验案例验证了所提模型的可行性和正确性。实验结果表明:随着磨损直径的逐渐增大,变异概率曲线呈“躺椅状”非线性上升趋势,对应滚动轴承磨损的3个阶段,即初级磨合阶段、正常性能退化阶段和性能恶化阶段。      

导弹武器系统时间同步网的综合性能评估方法

针对导弹武器系统时间同步网（MWSTSN）现有评估方法不全面、不客观等问题,提出了一种基于权系数优化的导弹武器系统时间同步网的综合性能评估方法。首先,基于时间同步网的工作流程与系统结构,综合分析了影响系统性能的各项指标,建立了导弹武器系统时间同步网性能的评估体系与评估模型。通过构建主、客观指标权重的分配系数最优化模型,利用层次分析法和熵值法对上述指标进行组合赋权,获取具有主、客观特性的组合权重。最后,通过案例验证上述评估过程的有效性,结果表明：该评估体系能够有效反映导弹武器系统时间同步网中各分系统及设备的可用性,并具备可测性和可操作性。     

基于乏信息系统的本征融合技术

提出基于乏信息系统的本征融合技术以模拟小样本条件下的未知分布.采用隶属函数法、最大隶属度法、自助法、灰自助法、算术平均值法和最大熵法等多种数学思想,从不同侧面分析各个个体的特征信息并进行融合,推断出总体的概率分布.滚动轴承噪声的试验研究表明,本征融合技术可以有效地模拟乏信息系统的概率分布.      

基于PCA-LMD 的滚动轴承信号混合特征选取与故障诊断

为了对非平稳、低信噪比的轴承振动信号进行分析,提出1 种基于PCA-LMD 的滚动轴承振动信号混合特征选取及智能 故障诊断方法。基于Hankel 矩阵对实测轴承振动信号进行主成分分析（PCA）降噪处理。对降噪后的非平稳信号进行局部均值分解 （LMD）,得到一系列具有瞬时物理意义的乘积函数（PF）。通过特征分析和对比,选取前5 阶PF 分量的能量比特征、样本熵、均方根及 波形指标作为信号混合特征向量。将特征向量输入到支持向量机（SVM）分类器进行训练与测试,从而实现故障诊断。结果表明：通过 对包含不同故障程度的滚动体、内圈、外圈故障的轴承实测数据进行分析,故障诊断正确率达到98%,验证了本方法的有效性,对航 空发动机轴承的故障诊断具有借鉴和指导作用。     

滚动轴承振动性能状态演变的非线性特征和不确定性特征的灰关系分析

为了更加全面有效地监测滚动轴承服役过程中其振动性能状态的演变历程,用关联维数和盒维数表征振动性能状态演变的非线性,用振动数据瞬时值的波动范围和平均值的波动范围表征振动性能状态演变的不确定性。运用灰关系分析法求解参数序列之间的灰置信水平,进而分析轴承振动性能状态演变的非线性特征和不确定性特征之间的非线性相关程度。两个案例表明：总体上来看,关联维数和盒维数均有减小的趋势,瞬时值的波动范围和平均值的波动范围都有增大的趋势,而且它们在突变点处有某种意义上的对应关系。非线性特征参数序列和不确定性特征参数序列总体上有负相关关系,且不确定性参数序列与关联维数的灰置信水平均比其与盒维数的灰置信水平要高。     

退化量有缺失的无失效小样本轴承可靠性评估

针对有试验性能退化量参数记录、且(或)有部分数据缺失情况的小样本无失效轴承试验问题,通过由Taylor和Thompson提出的数据模拟法实现补全样本退化量,结合Bootstrap自助法扩大样本量,再根据基于性能退化轨迹的补充信息方法来进行其可靠性评估。选取7组受试轴承的振动退化量,对比在完整数据和带有缺失数据情况下的分析结果,发现可合理利用原舍弃不合规试验的部分有效信息,使之增加可靠性评估的样本数,从而得到较不用这些数据更为准确的结果,且所得结果较用完整数据结果绝对值相差在01以内。对比由极大似然估计法和加权E-Bayes法分析试验寿命数据的结果,发现该方法所得评估结果更优,与试验实际相比误差在10%以内,对于提高评估精度及降低试验成本有积极的实际意义。     

基于混沌理论滚动轴承振动稳健化试验数据的动态分析

提出改进的Huber M方法是以中位数和Huber M方法两种稳健化处理相融合的一种对数据进行稳健化处理的方法.用中位数和数据平均值相似度判断数据是否有变异,根据变异率变化趋势确定变异率.发现在0%~10%变异率范围内,滚动轴承振动数据的连续性和可信度随着变异率的增加而增强.用混沌理论分析滚动轴承的动态特性,发现同一批次的滚动轴承振动有相同的时间延时、嵌入维数、最大Lyapunov指数,其中最大Lyapunov指数均大于0即属于混沌特征,进一步计算最大可预测周期,最大可预测周期为667个单位.滚动轴承振动时间序列物理空间的中位数和相空间的估计关联维数为非线性非单调性的内在运行机制,为滚动轴承振动的动态分析进一步提供可靠的依据.      

基于混沌理论的滚动轴承振动信号融合模型预测

提出融合算法模型,在混沌理论的基础上对滚动轴承振动信号进行预测。基于相图法、最大Lyapunov指数法和关联维数法对滚动轴承振动信号进行混沌判别,证明其混沌性。以预测值和真值间差值范数最小为目标导向优化出Kriging模型、最小二乘支持向量机(LSSVM)模型和极端学习机(ELM)模型的权重,加权法构建融合算法模型。相空间重构法构建滚动轴承振动信号预测的训练样本,并对融合模型、Kriging模型、LSSVM模型和ELM模型进行训练,训练好的模型用于振动轴承振动信号混沌预测。以案例1和案例2共两个实验的滚动轴承振动信号为对象进行验证,两案例的最大Lyapunov指数大于0,从而判断这两个案例的轴承振动信号呈现混沌特性。另外,从方均误差、方均根误差和平均绝对误差指标来评价,融合算法模型的指标值均小于单一模型算法,融合算法模型的预测精度优于单一模型算法。     

基于EMD样本熵-LLTSA的故障特征提取方法

针对振动信号的非线性、非平稳性以及微弱故障特征难以提取的问题,提出了一种基于经验模态分解(EMD)、样本熵和流形学习的故障特征提取方法.该方法将EMD、样本熵和流形学习相结合.首先,利用EMD的自适应多分辨率的特点计算分解得到的IMF(固有模态函数)信号的样本熵,初步提取滚动轴承状态特征值;然后利用流形学习方法对初步的提取的滚动轴承状态特征进行进一步的提取;最后利用支持向量机(SVM)对该特征提取方法进行分类评估,并将该方法运用在滚动轴承故障诊断实验中,实验证明该特征提取方法与基于小波包样本熵的故障诊断方法相比具有很好的聚类性能,且对于SVM的分类结果可达100%,在降低了特征数据的复杂度的同时,增强了故障模式识别的分类性能,具有一定的优越性.     

基于IITD和FCM聚类的滚动轴承故障诊断

基于Akima插值和固有时间尺度分解（ITD）中的线性变换,提出了一种改进的固有时间尺度分解（IITD）,在此基础上,进一步提出基于IITD近似熵（AE）和模糊C均值聚类（FCM）相结合的滚动轴承故障的诊断方法。采用IITD方法对滚动轴承的振动信号进行分解,通过互信息分析,筛选出前3个含主要特征信息的固有旋转分量（PR）,计算其近似熵值作为信号的特征向量,将得到的特征向量输入到FCM分类器中分析并得到分类结果。实验分析表明:分别与基于EMD、ITD近似熵和FCM聚类相结合的方法比较,该方法的分类系数更接近1,平均模糊熵更接近0,即此方法对滚动轴承的正常、内圈故障、外圈故障、滚动体故障信号以及对内圈的不同损伤程度信号均能更有效更准确地进行分类。      

滚动轴承振动的灰自助动态评估与诊断

以灰预报和自助再抽样方法为基础, 提出灰自助动态评估与诊断模型, 以评估和改进滚动轴承的振动.该模型用动态不确定度、估计区间、估计真值、平均不确定度、平均真值和系统误差测度等6个参数, 描述滚动轴承振动的基本特征.对HKRB轴承的试验表明, 该模型对随机误差的概率分布与系统误差的类型没有任何要求, 在平均不确定度为最小的条件下分离出系统误差.评估的可信度达到100%.根据灰自助动态评估结果, 还诊断出影响轴承振动的误差特征, 揭示了来自轴承零件制造的误差根源, 为实施滚动轴承振动的生产过程控制奠定了基础.      

基于LTSA融合降维法的滚动轴承可靠性评估方法

为了保障滚动轴承在给定工况下安全平稳地运行,提出了一种基于局部切空间排列（LTSA）和威布尔比例故障率模型（WPHM）的滚动轴承可靠性评估方法。该方法提取滚动轴承整个寿命周期的时域、频域、时频域及统计等不同分析域上的特征指标,从中筛选出包含滚动轴承运行状态的特征指标,构建出高维多域特征集;利用局部切空间排列算法对高维多域特征集进行融合降维,得到可全面反映滚动轴承性能退化趋势的综合特征指标作为WPHM的响应协变量进行可靠性评估。通过滚动轴承的寿命试验,得到该试验轴承的寿命为491 min。该方法能够得出轴承在489 min左右失效,寿命误差小于1%,故验证了该方法可以对滚动轴承的运行可靠性进行有效地评估。      

滚动轴承平均故障前时间计算方法研究

滚动轴承的平均故障前时间(MTTF)和平均失效率是旋转类机械设备可靠性预计和分析的重要基础数据,传统源于统计样本信息的滚动轴承MTTF和失效率数据可信度不高,难以约束滚动轴承的可靠性定量设计。为得到可信度更高的滚动轴承MTTF,利用滚动轴承疲劳寿命计算方法,基于滚动轴承寿命与可靠度的关系研究,推导了威布尔分布的MTTF和平均失效率计算公式,提出一种滚动轴承MTTF和平均失效率的计算方法和流程,给出了滚动轴承MTTF和平均失效率的计算示例。解决了利用设计参数(工作寿命、可靠度、动载荷等)计算滚动轴承MTTF和平均失效率的问题,可为滚动轴承及其配套产品的可靠性预计和分析提供数据和方法支持。     

滚动轴承振动与噪声关系的灰色研究

以灰色系统理论为基础,通过实验,研究6201和6203轴承振动与噪声的关系。振动用加速度有效值描述,噪声以声压级表示。实验数据处理结果表明,轴承振动与噪声的关系不明显,并具有很大的不确定性。因此,不宜用轴承的振动代替轴承的噪声,应单独研究轴承的噪声问题,制订轴承噪声标准和相应的工艺标准。      

基于卷积双向长短期记忆网络的轴承故障尺寸估计

基于振动监测数据的航空发动机滚动轴承损伤大小识别,对于研究滚动轴承故障演化、故障预测和故障诊断具有重要意义。针对传统模型对先验知识依赖性高、特征提取不充分、故障尺寸训练类别有限等问题,提出了一种基于深度学习的滚动轴承损伤尺寸预计方法,能够对训练过程中未出现的中间尺寸进行准确识别。在经典模型的基础上,搭建了一种深度卷积网络与长短期记忆网络组合模型,该模型可对轴承振动信号的多维特征与时序特征进行充分提取,实现轴承故障的智能和高效诊断。最后,利用滚动轴承加速疲劳试验机,进行了多种转速与损伤尺寸下的滚动轴承故障试验,基于试验数据进行了方法的比较,结果表明,该组合网络的在正常和加噪的情况下预测精度分别达到99.94%和98.67%,较单独的深度卷积网络、长短期记忆网络及其他模型精度更高,比较结果充分表明了本文所提方法的优越性。