非完备先验知识下的滑动轴承摩擦状态识别

针对监测系统通常无法全部获取轴承摩擦退化状态的先验知识,无法建立全摩擦状态的识别模型,从状态间的相似性出发,提出一种无先验知识下的基于灰色B型绝对关联度（AGRDB）和稀疏编码的滑动轴承状态识别方法。针对稀疏表示不具有监督性的缺陷,在稀疏编码的目标函数中引入AGRDB算法,训练类间距离最大、类内距离最小的正常润滑和严重摩擦的编码；在相同字典下建立具有一致判别性的稀疏表示模型,通过比较当前状态与正常润滑、严重摩擦的稀疏编码与重构误差,进一步识别当前轴承的状态,仿真信号和柴油机轴承实验的结果表明:所提方法能够在较少先验知识下识别出滑动轴承的早期摩擦状态（100~216min）和严重摩擦状态（216~384min）,且算法简单,适合较少样本下的滑动轴承摩擦故障在线监测。      

基于冲击信号的滑动轴承摩擦故障监测方法

针对滑动轴承声发射（AE）信号干扰严重、故障信号难分离、轴承摩擦故障监测难的问题,从不同信号的激励源作用形式出发,根据冲击信号的工作脉冲特征,建立了分离相对容易的干扰信号与轴承摩擦故障的联系,提出一种基于干扰信号监测滑动轴承故障的方法。首先,依靠K均值奇异值分解（K SVD）字典对冲击特征的捕捉能力,确定冲击脉冲产生的时刻；为了锐化和增强冲击信号,通过Hilbert包络解调出冲击包络信号。其次,引入钟形脉冲参数,通过钟形脉冲拟合单个冲击包络信号,并进一步推导出冲击包络信号的强度简化计算公式,用于滑动轴承接触摩擦故障识别。最后通过实验模拟了滑动轴承切断供油后的轴瓦摩擦过程,与AE传统特征相比,所提特征更容易识别轴承的早期摩擦故障,能够完整描述轴承的摩擦的全过程,且计算效率更高,为滑动轴承接触摩擦故障诊断提供了一种新的途径。      

引入稀疏原子特征融合的滑动轴承摩擦故障状态监测

从信息融合理论出发，将特征的稀疏表达作为特征融合参数，提出一种结合K奇异值分解(KSVD）和最大相关最小冗余准则(mRMR）的轴承摩擦故障特征融合算法。该算法采用KSVD对信号稀疏化，将稀疏系数对应的字典原子作为特征融合的参数，用以表达非线性故障信息；针对字典原子集的优化选择问题，基于互信息的mRMR提出一种确定最优原子集的原子数目的准则；最后，通过最大化原则融合稀疏系数，提取故障状态监测的有效信息。轴承摩擦故障模拟实验的结果表明，所提方法能够更好地融合不同特征的故障信息，相比于单特征和其他融合特征方法，提高了约12%的故障识别率。      

基于AK-IS法的航空齿轮泵滑动轴承可靠性分析

为研究高转速、低介质黏度运行的航空齿轮泵滑动轴承动压润滑可靠性，通过将Reylonds润滑方程与影响矩阵耦合，建立了考虑轴瓦弹性变形的航空齿轮泵滑动轴承弹流润滑(EHL)模型。考虑滑动轴承尺寸公差和运行工况等引起的不确定性，将与滑动轴承润滑特性密切相关的动压润滑的压力峰值作为可靠性判据，采用自适应Kriging和重要抽样法相结合的AK-IS法对滑动轴承动压润滑特性进行了可靠性及灵敏度计算。研究结果表明:考虑轴瓦弹性变形的压力峰值比刚性轴瓦压力峰值降低15.04%，表明滑动轴承弹流润滑对轴承动压润滑的影响不能忽略；基于AK-IS法的航空齿轮泵滑动轴承动压润滑可靠性分析具有准确性和高效性；各不确定因素对动压润滑可靠性的影响程度不同，其中轴承的半径间隙对可靠性最敏感，转速对可靠性最不敏感。