卫星动量轮轴承摩擦力矩性能可靠性动态预测

基于灰置信水平、自助-最小二乘法和最大熵原理建立动态预测模型,并应用于卫星动量轮轴承摩擦力矩性能可靠性的动态预测。首先,对摩擦力矩原始数据分组得到样本,并选定本征样本,提出了由灰置信水平求解各样本变异强度的新方法,进而求得各样本可靠度的实际值;其次,将紧邻的5个样本变异强度融入自助-最小二乘法线性拟合得到拟合系数,由最大熵原理得到下一个样本的变异强度预测值和上下区间;然后,持续更新紧邻的5个变异强度,得到各样本可靠度的预测值和上下区间,最终实现滚动轴承摩擦力矩性能可靠性的动态预测。试验结果表明,恒转速条件下可靠度预测误差均小于4.1%,变转速条件下可靠度预测误差不超过9.4%,充分验证了所提出动态预测模型的可行性和正确性。     

滚动轴承振动性能的混沌特性与不确定性之间的灰关系评估

鉴于滚动轴承振动性能的失效概率分布呈现多变性、非线性、不确定性等特征,提出分别用振动数据序列的Hurst指数和最大熵指标表征滚动轴承振动性能的混沌特性和不确定性。基于滚动轴承服役过程中的振动数据序列,在对数坐标系中运用最小二乘法拟合得到Hurst指数值,判断各个振动序列对应时间段内轴承运行性能状态的混沌特性。运用最大熵法求解各振动序列的最大熵值,进而对轴承振动性能的不确定性进行定量分析。运用灰关系分析法,计算均值归一化后的Hurst指数和最大熵序列之间的灰置信水平,分析轴承振动性能的混沌特性和不确定性之间的非线性相关程度。两个案例中Hurst指数与最大熵序列之间的灰置信水平分别为96.99%和82.1%,表明轴承振动性能的混沌特性和不确定性之间的关系非常紧密。     

轴承性能时间序列的概率信息求取及退化分析

针对轴承性能时间序列概率信息求取及退化分析问题,对轴承振动、温度、摩擦力矩3种性能时间序列进行了研究,提出了一种基于自助最大熵法的概率密度函数,以及模糊等价关系的退化指标量化方案。利用自助最大熵原理,建立了轴承性能时间序列训练组的概率密度函数;依据验证组落入函数区间的频率证明了模型的准确性;根据模糊集合理论提取了轴承性能信号中的模糊等价关系,结合0.5阈值参数进行了轴承退化特征评估。研究结果表明:轴承振动、温度的区间误报率分别为2%和4%,最小退化系数分别为0.600和0.609,表明概率信息求取较为准确,且轴承的服役状况良好;轴承摩擦力矩区间误报率较高,为66%,最小退化系数为0.477,相对于训练组,验证组的变异显著,说明轴承具有明显的退化迹象。     

滚动轴承噪声的灰自助动态评估

以灰预报和自助再抽样方法为基础,提出灰自助动态评估模型,用于评估滚动轴承的噪声。该模型用动态不确定度、估计区间、估计真值、平均不确定度、平均真值和趋势项测度6个参数,全面描述滚动轴承噪声的基本特征。计算机仿真和工程试验表明,该模型对随机变量的概率分布与趋势项的类型没有任何要求,在平均不确定度为最小的条件下,可有效地分离出趋势项,评估的可信度达到100%。     

用灰自助泊松方法预测滚动轴承振动性能可靠性的变异过程

将灰自助原理融入泊松过程,提出灰自助泊松方法,以预测滚动轴承振动性能可靠性的变异过程。凭借时间序列的计数过程,在短时间区间内获取轴承振动表现出的变异强度的极少量原始信息;经过对变异强度原始信息的自助再抽样,模拟出变异强度的大量生成信息;用灰预测模型处理生成信息,获取变异强度估计值;用泊松过程表征可靠性函数,实时预测轴承振动性能可靠性的变异过程。轴承振动时间序列可靠性的试验研究表明,性能可靠性变异状态可以被真实描述,预测值与检验值具有很好的一致性。     

基于GBM(1,1)的大型滚动轴承摩擦力矩动态评估与预报

利用基于灰预报和自助再抽样建立的动态评估模型GBM（1,1）,对大型滚动轴承摩擦力矩进行分析研究,GBM（1,1）模型对样本的概率分布和趋势项的类型没有任何要求,在平均不确定度为最小情况下,可有效分离趋势项。该模型利用估计真值、估计区间和动态不确定度3个指标对滚动轴承的摩擦力矩基本特征进行全面描述。     

基于灰自助法的轴承温度区间预测的数学模型研究

轴承温度是影响主轴系统刚度和运转精度的主要因素,若能实时预测轴承温度区间波动及其稳定性信息,可及时发现轴承工作性能失效隐患。基于灰自助法对每组数据序列进行区间预测,利用温度数据进行预报分析,对相关数据进行模型验证,预测结果表明温度预测区间几乎包含所有实验值,误报率小,精度高。然后基于模糊集合理论进行轴承温度稳定性评估,有效挖掘出轴承温度变化趋势的本质特征。     

轴承沟道形状误差的最小二乘评定

结合轴承沟道形状误差的几何特性,提出了轴承沟道形状误差的最小二乘评定,详细阐述了利用最小二乘算法求解轴承沟道形状误差的过程和步骤。该算法采用最小二乘法拟合每条线轮廓的中心,得到一个空间圆及方程;求解空间圆与每条线轮廓所在平面的交点坐标;计算每条线轮廓上测点至所对应的每个交点的距离中最大值和最小值之差,从中找到最大极差值,即得到包容整个轴承沟道的最小二乘形状误差值。该算法简单明确,具有精度高、易于计算机程序实现、易于推广应用等特点。     

滚动轴承振动速度的乏信息真值估计

针对小样本和概率分布未知的乏信息问题,建立滚动轴承质量数据序列真值融合模型,对滚动平均法、隶属函数法、最大隶属度法、滚动自助法和算术平均法的估计真值进行融合,进而获得最终估计真值。通过对圆锥滚子轴承的质量参数进行蒙特卡洛模拟和试验研究,以验证文中所述融合方法的适应性和有效性。     

使用最小二乘法时要注意运用相关系数的分析

《轴承》杂志1981年第3期刊登了合肥轴承厂朱培钰同志“用最小二乘法制定厂内轴承振动值标准”一文。该文用最小二乘法确定线性回归方程,从而确定了B＆K2112型频谱仪与S0910型振动测量仪所测得的振动值之间的相关关系,解决了两种不同测振仪的标准传递工作。该文运用最小二乘法求得的线性回归方程也是正确的。但是,没有求出相关系数r,也没有进行相关性检验。从数理统计方法上讲,论证是不够紧密的。     

轴承温度区间预测与稳定性分析试验研究

轴承温度是影响主轴系统刚度和运转精度的主要因素,若能实时预测轴承温度区间波动及其稳定性信息,可及时发现轴承工作性能失效隐患。本文所做试验通过轴承温度检测装置,测试了不同时刻下轴承的温度服役信息,获得两套轴承温度时间序列,每套包含50个数据。基于灰自助法对每组数据序列进行区间预测,利用前6个温度数据进行预报分析,以后44个数据进行模型验证,预测结果表明温度预测区间几乎包含所有实验值,误报率小,精度高。然后基于模糊集合理论进行轴承温度稳定性评估,有效挖掘出轴承温度变化趋势的本质特征。     

预测控制的预报误差校正法研究

基于时间序列方法对模型误差过程建立模型，用递推最小二乘法估计模型误差过程的参数，由最小方差预报原理给出模型误差的预报，在上原理的基础上，对误差预报校正器进行了设计，并在动态知控制（DMC）中，用预报误差校正代替一般的误差校正，经过系统仿真比较，可以看出误差预后和误差预报校正的结果令人满意。     

基于模糊熵与LS-SVM的轴承故障诊断

由于滚动轴承不同状态的振动信号具有不同复杂度的特点,提出利用模糊熵和最小二乘支持向量机(LSSVM)实现轴承故障的准确诊断。模糊熵将模糊理论引入到数据序列的复杂度测度中,能够测量出不同复杂度的数据序列。根据模糊熵计算方法,选择最优参数计算轴承振动信号的模糊熵,作为区分轴承不同故障状态的特征参数。以轴承振动信号的模糊熵为输入,以最小二乘支持向量机为分类器,准确识别轴承故障状态。轴承实测振动信号分析表明,方法能够有效诊断轴承故障,提高故障诊断的准确率。     

小波网络在振动信号时间序列预报中的应用

介绍了离散仿射小波神经网络的原理及其构建方法 ,用正交最小二乘算法进行小波基函数的选择 ,用最小二乘算法确定小波网络权值。说明小波神经网络具有高度的非线性函数逼近能力 ,可以用于建立时间序列预报模型 ,最后给出了小波网络用于建立旋转机械振动信号时间序列预报模型实例。     

滚动轴承性能稳定性及可靠性分析

以摩擦力矩电流信号时间序列表征滚动轴承服役期间性能运转状况,将时间序列分段处理并建立本征序列;基于灰关系,对轴承运转过程中每段摩擦力矩电信号进行排序,分别与本征序列相匹对进而获取灰置信水平;以灰置信水平的大小判定轴承运转的性能稳定性情况。然后将所分数据段自助再抽样,用最大熵法建立其概率密度函数,在所对应灰置信水平下获取估计区间;凭借计数过程,模拟出变异强度的原始信息;基于泊松过程建立可靠性函数,实时监测滚动轴承性能可靠性演变历程。仿真案例与试验研究表明:所提模型可真实监控轴承运转的性能稳定性及可靠性,有效解决具有不确定的强烈波动和趋势变化的时间序列问题。     

轴承温度区间预测与稳定性分析

通过温度检测装置测试了不同时刻下轴承的工作温度信息,获得2套轴承温度时间序列,每套包含50个数据。基于灰自助法对每组数据序列进行区间预测,利用前6个温度数据进行预报分析,后44个数据进行模型验证。预测结果表明,温度预测区间几乎包含所有试验值,误报率小,精度高。然后基于模糊集合理论进行轴承温度稳定性评估,挖掘出轴承温度变化趋势的本质特征及其性能退化迹象。     

轴承滚子凸度轮廓的最小二乘拟合与误差评定

为了实现对轴承滚子凸度轮廓误差的精确评定,依据圆弧修正型轴承滚子凸度素线轮廓的几何特征和形状误差的定义,基于最小二乘原理,研究了轴承凸度轮廓(两段圆弧和一段直线)的最小二乘拟合和误差评定方法。首先利用各测量点的曲率差值确定了圆弧段与直线段的相切参考点;其次分别选取两个参考点临近的测量点作为辅助相切参考点,并与对应的圆弧段测量点一起拟合出一系列的最小二乘圆弧并计算拟合误差;然后基于直线与两段圆弧相切的原则确定出一系列的直线方程并计算对应的直线度误差;通过比较判断最终确定出圆弧修正型轴承滚子凸度轮廓的最小二乘拟合及误差评定。实例结果表明:圆弧修正型凸度轮廓曲线的总误差0.020 9mm与文中设定标准凸度轮廓曲线引入的法向误差0.02mm相差4.5%。本方法可以有效的实现轴承凸度轮廓的拟合与误差评定,为平面多段曲线的最小二乘拟合提供了一种新的思路。     

KPCA和改进SVM在滚动轴承剩余 寿命预测中的应用研究

为解决支持向量机模型在预测滚动轴承剩余寿命时准确率不高的问题,对核主成分分析(Kernel Principal Component Analysis,KPCA)和最小二乘支持向量机(Least Square Support Vector Machine,LSSVM)在剩余寿命预测中的应用进行了研究。采用核主成分分析方法融合轴承振动信号时域、频域特征指标并提取第一主成分评估轴承性能退化情况,并将满足要求的多个KPCA主成分作为输入,建立KPCA-LSSVM模型来对轴承剩余寿命进行预测。采用轴承全寿命试验数据对该方法的有效性进行验证,结果表明,该方法提取的轴承性能退化评估指标能够更为全面地表征轴承性能退化情况,建立的KPCA-LSSVM模型可在滚动轴承剩余寿命预测工作中获得良好的预测效果。     

炉口火焰光谱驱动的炼钢终点控制

为自动炼钢过程中炉口火焰光谱数据的有效特征提取提供一种快速算法,实现自动炼钢过程的碳含量和温度值的动态预报,以推动智能炼钢进程。本研究采用分波段最小二乘拟合算法对炉口火焰光谱信息的稳定特征进行提取,采用小波分析方法对炉口火焰光谱信息的不稳定特征进行提取,构建了时间、光谱数据主特征、累计耗氧量、碳含量、温度值等一一对应的样本集,借助极限学习机拟合算法构建了不同条件下的自动炼钢过程的碳含量和温度动态预报模型,通过预测误差矩阵、炼钢初始条件实现了基于支持向量机的动态预报模型分类,为不同条件下的样本提供最优的动态预报模型。研究结果表明:应用分波段最小二乘拟合算法和小波分析算法提取的炉口火焰光谱信息的稳定特征和不稳定特征,可以很好地反映全光谱信息;基于绝对误差设计交叉实验,得到的样本类别、预测模型类别和样本初始条件之间呈现出了一致性;光谱信息数据挖掘可以为自动炼钢过程中碳含量和温度值的动态预报进行修正标定,为炼钢终点的控制提供支持。     

基于WD-LSSVM的监护信息预报研究

针对监护信息预报问题,提出了一种新的监护信息预报方法.采用小波分解和最小二乘支持向量机相结合的方法,该方法利用小波分解将原参数序列分解为逼近信号和细节信号,采用LS-SVM算法,分别建立监护信息逼近信号和细节信号的预报模型,得到逼近信号和细节信号的监护信息预报值,然后将各部分预报值利用小波逆变换进而得到监护信息最终预报结果.最后对提出的方法进行了实验验证.