基于融合灰色熵和自助马尔科夫链的滚动轴承振动性能退化趋势预测

针对现有的基于熵的非线性动力学方法存在计算结果与非线性动力学系统不一致、计算结果在不同尺度上不一致、计算所需数据长度较长的缺点,提出一种新的非线性时间序列复杂性测度:融合灰色熵算法,并将其用于滚动轴承退化特征提取。针对滚动轴承退化趋势序列数据长度短、预测困难的问题,提出了自助马尔科夫链预测模型。试验研究结果表明,融合灰色熵对数据长度要求较低,并且在不同尺度上的计算结果具有一致性。同时,所提的自助马尔科夫链预测模型的平均相对误差仅为8.4973%,低于GM模型的平均相对误差。这说明所提模型能够有效地对滚动轴承的振动性能退化趋势进行预测。      

基于多参数信息融合筛选的滚动轴承振动信号特征提取与表征方法

针对航空发动机机械系统滚动轴承故障诊断难的问题,提出一种基于多参数信息融合筛选的滚动轴承故障诊断方法。该方法采用小波包分解（WPD）强干扰环境复杂传递路径下测得的滚动轴承振动信号,得到若干个节点分量,以偏度值（Skew）、峭度值（Kurt）和排列熵（PE）多参数融合作为筛选指数（λ）对各节点分量进行筛选及重构,并进行包络解调识别故障特征信息。基于滚动轴承实验台测试数据及航空发动机中介轴承模拟试验台所测数据开展了振动信号提取与表征方法有效性的综合验证,并对某型航空发动机进行故障识别。结果表明：该方法可有效识别简单及复杂传递路径下滚动轴承故障特征,可作为航空发动机主轴轴承特征信息提取及故障诊断的有效方法之一。     

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.      

航空滚动轴承振动特征的故障灵敏度分析与融合技术

针对工程中航空滚动轴承实时状态监测的需要,提出了基于标准化欧氏距离的多特征融合评估方法。首先,进行了航空滚动轴承故障模拟试验,引入了故障灵敏度的定量评价指标,对融合前后特征的故障灵敏度进行了分析;在此基础上,将所提方法与主分量分析、支持向量数据描述和支持向量分布估计方法相比较;最后,进行了轴承疲劳加速试验,将所提融合方法应用于航空滚动轴承状态监测。试验表明:相比于主分量分析、支持向量数据描述和支持向量分布估计,基于标准化欧氏距离的融合值的故障灵敏度更高;其对不同类型、不同阶段的航空滚动轴承故障更加灵敏,相比于有效值更适合作为航空滚动轴承状态监测的指标。      

多重应力下滚动轴承剩余寿命预测

为了实现多重应力下滚动轴承的剩余寿命预测,有效利用不用应力下的退化数据,提出了一种基于加速模型和贝叶斯（Bayesian）理论的滚动轴承剩余寿命预测方法。通过拟合优度检验和威布尔（Weibull）概率图检验法对滚动轴承试验中的数据进行有效性分析。利用switching Kalman filters（SKF）判断滚动轴承各时刻的退化状态。当滚动轴承进入加速退化时,用指数模型拟合轴承退化过程,利用广义线性对数模型表示退化模型参数与应力的关系,根据修正后的轴承实时退化数据利用贝叶斯算法更新模型参数,得到滚动轴承剩余寿命的概率密度函数,从而实现滚动轴承剩余寿命预测。采用XJTU-SY轴承数据集进行验证,预测结果的均方根误差在20 min以内,证明该方法能够有效预测滚动轴承的剩余寿命。      

基于旋转坐标系转轴振动信号的滚动轴承故障诊断方法

实验验证了基于旋转坐标系转轴振动信号的滚动轴承局部故障诊断方法.建立起滚动轴承故障实验台, 采用压电晶体加速度传感器测取转轴的振动.通过滚动轴承内环、外环、滚动体和保持架四种典型故障的实验分析结果, 证明了该方法的可行性, 并发现转轴振动信号的传递路径相对简单, 对轴承内环、滚动体和保持架早期微小故障的发现与诊断可能是有利的.      

磁悬浮控制系统混沌预测

 根据谐波平衡原理,理论上对非线性磁悬浮控制系统的倍周期分叉及混沌行为进行了分析,给出了系统产生倍周期分叉的近似条件,确定了系统混沌存在近似的位置,这为保证此系统实现稳定控制及优化控制器设计提出了一种有利的理论依据。     

基于机匣振动信号的滚动轴承故障协同诊断技术

针对基于机匣测点信号的航空发动机滚动轴承故障诊断问题,提出了一种滚动轴承故障的协同诊断技术。通过最小熵解卷积消除信号传递路径的影响以增强信号中的冲击性成分;通过小波变换提取共振频带;通过自相关分析抑制频带信号中的非周期性成分并进一步提升信噪比。依托带机匣的转子试验器分别对人工故障轴承和真实故障轴承进行了两组试验,试验结果表明:相比于其他典型方法,采用所提协同诊断法得到的包络谱中故障特征频率对应的谱峰更加清晰、明显。      

混沌时间序列的神经网络预测研究

研究了一类特殊非线性系统——混沌系统的预测问题。混沌是一种普遍存在的非线性动力学行为,混沌时间序列难以预测和控制,文章先是通过重构系统状态相空间分析混沌时间序列,然后采用多层前向神经网络对其进行预测。对典型的Lorenz和Mackey-Glass混沌序列预测结果表明,如果训练样本足够多,网络结构简单适当,训练后的网络具有很好的泛化性能,说明神经网络预测方法具有较好的工程实用价值。最后分析神经网络初始权值设置对预测性能的影响,指出改进方向。     

基于InfoLSGAN和AC算法的滚动轴承剩余寿命预测

为解决小样本和噪声干扰下滚动轴承剩余寿命(RUL)预测准确率低的问题,提出一种基于信息最小二乘生成对抗网络(information least squares generative adversarial network,InfoLSGAN)和行动者-评论家(actor-critic,AC)算法的滚动轴承剩余寿命预测方法。将堆叠降噪自动编码器、信息生成对抗网络和最小二乘生成对抗网络相结合,构建InfoLSGAN,自动地从噪声数据中提取可解释的鲁棒特征,解决梯度消失问题;采用基于AC的训练算法训练InfoLSGAN,减少训练时间,加快收敛速度;根据训练后的InfoLSGAN,利用softmax分类器预测测试样本中滚动轴承的剩余寿命。通过滚动轴承加速疲劳寿命试验验证该方法的有效性。试验结果证明,当信噪比等于0时,该方法对滚动轴承测试样本的寿命预测准确率至少提高了10%。在小样本情况下,滚动轴承剩余寿命预测的平均准确率达9584%。     

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...     

基于双线性池化引导特征融合的轴承故障诊断算法

为了深入优化滚动轴承在变负载驱动环境下特征提取不充分、轴承故障特征表征不足的问题,提出了基于双线性池化引导特征融合的轴承故障诊断算法。对读取到的原始信号数据进行预处理,通过去除直流分量、噪声滤波、抗混叠滤波、时域窗函数等操作,提高信号处理后的振动谱图质量;对预处理后的信号数据进行傅里叶变换,计算出变换后的幅值和频率数据,并绘制对应的振动谱图;利用通道注意力和空间注意力改进Res2Net网络,提取不同关注点下的视觉特征,并基于双线性池化方法进行多特征融合;利用全连接和softmax函数构建分类头,实现轴承故障分类。结果表明：所提出的方法在凯斯西储大学轴承数据集以及德国Paderborn数据集中的精确率分别为98.22%、97.94%,在轴承故障诊断中,所提算法不仅在理论上融合了自动化控制理论与控制工程原理,而且在实践中验证了其在轴承故障诊断中的有效性,为实现轴承故障的早期预警和智能诊断提供了新的技术途径。     

基于正则化多核判别分析的航空发动机滚动轴承早期故障融合诊断方法

针对基于机匣测点信号的航空发动机滚动轴承早期故障诊断问题,提出了一种基于正则化多核判别分析的融合诊断方法.该方法首先提取多种类型的滚动轴承故障特征;然后采用相同的一组核参数为不同类型的特征分别构造一组核矩阵,并将所有核矩阵组合在一起;最后通过求解一个半无限线性规划得到该组核矩阵关于正则化核判别分析的目标函数的最优线性组合系数,进一步采用该系数计算所有核矩阵的线性组合,从而实现多种类型特征信息的融合.实验结果表明:该方法诊断正确率与采用单一类型特征诊断的最高正确率相比提高了9.25%,同时可以避免核矩阵需要人工选择的问题,从而进一步提高了故障诊断的自动化水平.      

基于径向基函数的变量预测模型模式识别方法

针对变量预测模型模式识别方法中4种数学模型不足以反映特征值之间复杂关系的缺陷.因此,提出了一种基于径向基函数的变量预测模型(VPMRBF)模式识别方法,把提取的特征值输入到VPMRBF分类器中,然后通过训练样本建立反映特征值之间复杂关系的径向基函数预测模型,最后把测试样本的特征值作为径向基函数预测模型的输入,以预测误差平方和为依据完成分类.该方法充分有效地利用并且结合径向基函数和变量预测模式识别方法的优点,实现了故障特征提取到故障识别的全程诊断. 滚动轴承故障诊断实验分析结果表明:与径向基神经网络、支持向量机和变量预测模式识别方法相比,VPMRBF的识别率分别提高了4.75%,1.75%和5.25%.      

高温环境下角接触球轴承磨损寿命分析

针对高温环境下轴承材料性质和润滑状态变化,造成轴承磨损加剧,过早丧失精度的问题。首先开展高温环境下轴承用材料的摩擦磨损试验,获取材料的磨损系数。在此基础上,考虑温度、润滑、轴承材料属性等对轴承磨损性能的影响,建立高温角接触球轴承磨损模型,通过数值求解探讨工况参数和结构参数等对轴承磨损性能的影响,并评估轴承的磨损寿命。结果表明:对于高温轴承材料无磁合金GH05,在高温300 ℃摩擦状态下平均磨损系数为2.5×10?7 mm2/N;随着载荷、转速、温度的增加,轴承内、外滚道的磨损率均不断增大,其中内圈磨损率大于外圈,内圈磨损特性决定着轴承的磨损寿命;载荷和转速是决定轴承磨损寿命的主要因素,轴承主结构参数对磨损寿命具有重要影响,通过结构优化可提高轴承磨损寿命。      

滚动轴承摩擦力矩的乏信息模糊预报

滚动轴承摩擦力矩的波动具有不确定性,属于概率分布与趋势规律都未知的乏信息系统.这阻碍了对轴承摩擦力矩的小样本分析与总体把握.为此,以模糊集合理论为基础,从小样本入手,建立了航天轴承摩擦力矩参数的经验概率密度函数及其模糊预报模型,并对摩擦力矩的均值上界和最大值上界进行预报.对HKTA和HKTB两种轴承摩擦力矩参数的试验研究表明,在99%～100%置信水平下,预报结果与试验结果之间的误差很小,最大绝对误差仅为0.081 1个设定单位,最大相对误差仅为10.165%,可以满足航天工程的要求.      

改进型SVM在轴向磁轴承转子位移自检测中的应用

磁轴承采用位移自检测技术能够减少磁轴承体积、降低成本和提高可靠性。提出了一种基于混合核函数最小二乘支持向量机(LSSVM)预测模型的磁轴承自检测技术。介绍了轴向主动磁轴承的工作原理并推导了其悬浮力的数学模型;在混合核函数LSSVM回归原理的基础上,建立了控制线圈电流与转子位移之间的非线性预测模型,并优化了LSSVM参数,实现了无位移传感器控制。构建了轴向主动磁轴承系统自检测仿真模型,针对所提自检测方法进行了仿真研究,仿真结果表明该模型能够准确预测转子轴向位移。进一步的试验结果表明,该方法具有良好的轴向位移自检测性能,实现了轴向主动磁轴承无位移传感器下稳定悬浮运行。