基于磷蝦群算法的SVR滾動軸承性能衰退預(yù)測研究.pdf

1、滾動軸承作為大型旋轉(zhuǎn)機械設(shè)備中的關(guān)鍵零部件之一，對保證機械設(shè)備正常運行起著舉足輕重的作用。因此對其提前進行預(yù)知維修具有非常重要的意義。而振動信號特征提取的好壞直接影響著衰退過程的變化趨勢及預(yù)測精度。如何建立正確的軸承退化評價指標關(guān)系到預(yù)測結(jié)果的準確性。在滾動軸承發(fā)生故障之前采取相應(yīng)的措施，從而避免其事故的發(fā)生，對保證設(shè)備能夠正常運行至關(guān)重要。
　　本文在滾動軸承現(xiàn)有的振動信號特征提取方法的基礎(chǔ)上，提出了CEEMD和小波包半軟閾值相

2、結(jié)合的特征提取方法，此方法區(qū)別于傳統(tǒng)時域、頻域、時頻域特征。在保證了原始信號的完整性的基礎(chǔ)上，對高頻振動信號中的噪聲進行濾除，并通過試驗驗證，與其它時頻方法的特征提取效果進行了對比，驗證了該方法的有效性。針對上述提出的改進的特征提取方法，在得到多個特征參數(shù)的基礎(chǔ)上對高維特征集進行降維處理，針對PCA、KPCA的缺點提出了LLE與模糊C均值相結(jié)合的方法，將LLE聚類后再經(jīng)模糊C均值二次聚類，通過試驗驗證，對比了軸承內(nèi)圈不同衰退程度的聚類效

3、果。針對傳統(tǒng)支持向量回歸機預(yù)測精度低的問題，提出了一種基于磷蝦群算法的多變量支持向量回歸機預(yù)測方法，采用了磷蝦群覓食原則，選取支持向量回歸機中的最優(yōu)參數(shù)C、σ的取值，并對遺傳算法和磷蝦群算法進行試驗驗證，進而準確預(yù)測滾動軸承內(nèi)圈衰退趨勢。最后采用辛辛那提大學(xué)滾動軸承全壽命試驗數(shù)據(jù)，應(yīng)用本文方法對滾動軸承振動信號進行多種方法特征提取，并對滾動軸承內(nèi)圈不同衰退過程進行階段性劃分，通過三組不同待預(yù)測的輸入特征，對滾動軸承的全生命周期退化趨勢進