基于改进Logistic回归模型航空发动机滚动轴承寿命预测

摘要

滚动轴承作为旋转机械的核心部件，也是易发生故障的部件，其运行状况的可靠性对于保证设备和人员安全至关重要。如果对滚动轴承实施故障诊断和剩余寿命预测，制订及时的维修计划，则可以有效的降低事故的发生的概率。因此，可靠的滚动轴承剩余寿命预测是旋转机械安全工作的重要保障。本文以滚动轴承为对象，研究了滚动轴承振动信号故障模式识别，提出了基于改进Logistic回归模型（ILRM）的滚动轴承寿命预测方法。本文的研究内容如下：
　　首先，对航空发动机的中介轴承（滚动轴承的一种）进行分析研究，模拟航空发动机工作环境，设计了航空发动机中介轴承双转子试验台，并根据实际工况设计了步进加载装置；研究了中介轴承典型故障试验和加速破坏的全寿命试验；针对航空发动机中介轴承振动信号传递路径复杂、干扰严重、微弱等特点，本文提出一种基于粗糙集和神经网络相结合的航空发动机中介轴承故障诊断方法，该方法通过小波包对原始信号进行降噪处理，然后把降噪后的信号特征输入到粗糙集中选择有效的测点数据，最后把该测点数据的特征量输入到神经网络中完成对中介轴承的故障模式识别。
　　其次，提出基于PCA和改进Logistic回归模型滚动轴承剩余寿命预测方法。首先研究了Logistic回归模型（Logistic Regression Model, LRM），发现其在寿命预测时不能兼顾轴承的退化趋势和不能消除随机振动信号对剩余寿命预测值的影响。为克服以上缺点对LRM进行改进得到ILRM；本文采用PCA对时域、频域、时频域中所有能表示轴承退化的有用特征进行降维，选择累积贡献率超过95%的主元作为模型的协变量；采用相对特征值法，极大的增强了本文算法的适用性。
　　最后，基于LabVIEW设计开发了航空发动机滚动轴承故障诊断与剩余寿命预测系统。该系统分为数据采集与存储、特征值提取与报警停机、剩余寿命预测等模块。系统主要采集加速度、温度、位移、转速等信号数据；提取大量的时域、频域、时频域特征；采用峭度值和有效值两个特征值作为报警指标；寿命预测模块包括PCA降维、ILRM参数估计和剩余寿命预测。

目录

声明

1 绪 论

1.1 课题背景及研究意义

1.2 国内外研究现状及发展趋势

1.3 论文的研究内容及安排

2 滚动轴承寿命预测理论研究

2.1 Logistic回归模型

2.2 支持向量机

2.3 BP神经网络

2.4 比例故障模型

2.5 本章小结

3 基于粗糙集和神经网络的中介轴承故障诊断

3.1 中介轴承试验研究

3.2 小波包分解

3.3 粗糙集理论

3.4 基于粗糙集和神经网络的中介轴承故障诊断

3.5 本章小结

4 基于PCA和改进Logistic回归模型滚动轴承剩余寿命预测

4.1 特征量选取

4.2 主元分析（PCA）

4.3 基本算法流程

4.4 基于PCA和改进Logistic回归模型滚动轴承剩余寿命预测

4.5 本章小结

5 航空发动机滚动轴承故障诊断与剩余寿命预测系统开发

5.1系统开发软件环境

5.2 系统开发硬件环境

5.3 系统开发方案

5.4 航空发动机滚动轴承故障诊断与剩余寿命预测系统

5.5 本章小结

结论

参考文献

攻读硕士学位期间发表学术论文情况

致谢