基于PCA与SVM的滚动轴承性能退化评估方法研究

摘要

机械设备智能维护已经成为当今故障诊断领域研究的热点之一，性能退化评估是设备智能维护领域中的一个重要组成模块。滚动轴承是旋转机械设备不可或缺的零部件之一，由于其长期运行在高速、变载等复杂工况下，必然会导致其性能退化，影响机械正常工作甚至危及操作人员的人身安全。因此，开展滚动轴承性能退化评估，做到视情及时维修，是确保旋转机械安全、稳定、精确、高效运行的关键。
　　传统的滚动轴承故障诊断研究侧重于对故障位置（外圈、内圈、滚动体）的判断，而在实际生产中，当轴承内部某零部件发生损伤后，再用此方法对轴承损伤部位进行判断是毫无意义的，因为即便知道其损伤位置，也不可能单纯地更换该部位零部件。基于此，为了确定机械设备中滚动轴承的更换时间，确保机械安全稳定工作，文章提出了一种基于SVM的滚动轴承性能退化评估方法。
　　滚动轴承性能退化评估是视情维修的关键。在分析了主成分分析（PCA）与多维尺度分析（MDS）以及支持向量机（SVM）算法原理后，提出了基于PCA与MDS结合的特征提取方法；基于几何距离的SVM滚动轴承性能退化评估算法。首先通过设置PCA的贡献率进行特征循环提取，再将提取的特征送入MDS做降维处理得到原始数据的状态特征，同时对SVM算法中的参数寻优进行改进以适应滚动轴承性能退化评估算法。随机从滚动轴承健康状态和故障状态抽取上述状态特征并将其分为训练样本和测试样本，在用训练样本训练SVM性能退化评估模型之后，将测试样本输入该训练好的性能退化评估模型中进行性能评估。最终基于轴承全寿命实验数据和实验室数据，得到了合理的滚动轴承性能退化趋势图。

目录

声明

第1章 绪论

1.1 课题来源

1.2 课题研究背景与意义

1.3 滚动轴承故障诊断技术

1.4 基于滚动轴承振动信号的性能退化评估

1.5 本论文研究内容及章节安排

第2章 滚动轴承及其故障机理分析

2.1 滚动轴承简介

2.2 本章小结

第3章 基于PCA和MDS的样本特征提取

3.1 主成分分析

3.2 多维尺度分析

3.3 基于PCA与MDS的数据特征提取与筛选

3.4 本章小结

第4章 基于SVM的滚动轴承性能退化评估方法

4.1 支持向量机原理

4.2 SVM参数寻优算法

4.3 基于SVM的滚动轴承性能退化评估算法

4.4 本章小结

第5章 基于SVM和PCA的滚动轴承性能退化评估

5.1 基于SVM与PCA的滚动轴承性能退化模型的建立

5.2 基于轴承全寿命数据的性能退化评估

5.3 基于实验室数据的滚动轴承性能退化评估案例

5.4 本章小结

第6章 结论与展望

6.1 论文工作总结

6.2 研究展望

参考文献

攻读硕士学位期间发表的学术论文

致谢