基于PCA和多变量极限学习机的轴承剩余寿命预测

提出了一种基于主成分分析(PCA)和多变量极限学习机(MELM)的轴承剩余寿命预测方法。该方法首先利用PCA技术融合多个表征轴承运行状态与衰退趋势的时域频域特征指标来消除特征间的冗余性和相关性;进一步在单变量极限学习机(ELM)的基础上构建多变量极限学习机模型来预测轴承剩余寿命。该方法克服了传统单变量极限学习机结构简单、信息匮乏等缺点,能有效提高轴承剩余寿命的预测精度。运用全寿命轴承振动数据对模型进行验证,结果表明,相比单独应用ELM模型或MELM模型,基于PCA和MELM剩余寿命预测方法具有更高的预测精度和稳定性。     

基于多SVM误差加权的轴承剩余寿命预测

针对传统的以概率统计为基础的轴承寿命预测方法需要大量的轴承寿命试验数据,且运行周期较长,难以满足特定工况下轴承寿命状态预测的问题。通过多SVM的预测误差进行加权获得轴承的剩余寿命。首先采集多个轴承的全过程寿命振动数据,针对获取的多个轴承的振动数据进行特性提取并利用主成分分析进行特性约简,实现对轴承运行寿命评估特性指标的建立,并利用粒子群算法改进的多个支持向量机模型进行剩余寿命预测建模,利用所建立的多个模型对要预测的轴承特征数据进行预测,并通过各个模型的误差权重来实现轴承剩余寿命的准确预测。通过实验分析验证了模型的有效性。     

基于多失效模式的轴承滚动体可靠性模型

基于轴承滚动体接触疲劳寿命概率分布服从Weibull分布和Miner累积损伤理论的失效依据，提出滚动体接触疲劳累积损伤的可靠性预测模型；同时以滚动体心部应力为失效依据，导出滚动体可靠性模型，综合考虑滚动体多失效情况，提出一种新的基于多失效模式的轴承滚动体可靠性模型。最后用实例说明了应用该模型预测轴承滚动体可靠度的方法。     

基于相对特征和多变量支持向量机的滚动轴承剩余寿命预测

为解决有限状态数据下滚动轴承剩余寿命难以估算的问题,提出一种基于相对特征和多变量支持向量机(Multivariablesupport vector machine,MSVM)的剩余寿命预测的新方法。该方法利用不受轴承个体差异影响的相对方均根值(Relative rootmean square,RRMS)评估轴承性能衰退规律,运用相关分析选取敏感特征作为输入,构造兼顾多变量回归和小样本预测双重优势的MSVM模型预测轴承剩余寿命。与单变量支持向量机相比,MSVM克服了结构简单、信息匮乏等缺点,实现小样本数据潜在信息的最大挖掘。运用仿真数据和轴承全寿命试验数据对预测模型进行检验,结果表明MSVM可在小样本条件下利用尽可能多的有效信息获得准确的预测结果,具有较强的工程使用价值和通用性。     

直升机主减半主动反共振隔振技术研究

针对滚动轴承剩余寿命预测中的特征评估及模型优化问题，提出了面向轴承寿命的特征评估与模型优化的方法。该方法在轴承特征进行单调性与敏感性评估的基础上，对轴承运行状态跟踪能力进行量化评估，进而筛选出表征轴承性能退化的多维特征集。为了减少多维特征集之间相关冗余信息对寿命预测的影响，采用相似近邻传播（affinity propagation ,简称AP）聚类方法对多维特征集进行聚类和筛选。为了统一描述AP聚类后的特征对轴承退化状态的表征信息，采用自组织神经网络（self-organizing feature map ,简称SOM）构建轴承健康指数。最后，利用自适应混沌粒子群算法（adaptive chaos particle swarm optimization, 简称ACPSO）优化双指数模型预测轴承剩余寿命。试验表明，该方法可以准确描述轴承运行状态时期，并有效地预测了轴承的剩余寿命。     

面向轴承寿命预测的特征评估与模型优化

针对滚动轴承剩余寿命预测中的特征评估及模型优化问题,提出了面向轴承寿命的特征评估与模型优化的方法。该方法在轴承特征进行单调性与敏感性评估的基础上,对轴承运行状态跟踪能力进行量化评估,进而筛选出表征轴承性能退化的多维特征集。为了减少多维特征集之间相关冗余信息对寿命预测的影响,采用相似近邻传播(affinity propagation,简称AP)聚类方法对多维特征集进行聚类和筛选。为了统一描述AP聚类后的特征对轴承退化状态的表征信息,采用自组织神经网络(self-organizing feature map,简称SOM)构建轴承健康指数。最后,利用自适应混沌粒子群算法(adaptive chaos particle swarm optimization,简称ACPSO)优化双指数模型预测轴承剩余寿命。试验表明,该方法可以准确描述轴承运行状态时期,并有效地预测了轴承的剩余寿命。     

基于数据增强和卷积神经网络的多轴承剩余寿命预测

轴承的健康状态与设备安全可靠运行息息相关,在现代制造系统中,轴承剩余使用寿命(Remaining Useful Life,RUL)预测已成为研究热点.文中提出了通过数据增强来提取轴承衰退特征并利用卷积神经网络(Convolutional Neural Network,CNN)进行轴承RUL预测的方法.该方法首先将均方根、峰值和峰度作为时域特征,频谱分区求和(FSPS)特征作为频域特征,经过数据增强将18维时域和频域特征增加到108维,从而得到全面反应轴承退化过程的信息.通过搭建卷积神经网络(CNN),利用CNN处理高维特征的能力实现轴承RUL预测.最后,试验结果证明文中所提方法相对DNN模型、SVM模型具有更高的预测精度.     

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。     

含润滑间隙和曲轴转子-轴承结构的平面柔性多连杆机构多体动力学建模与动态误差分析

为预测多连杆高速精密压力机的动态精度,有必要建立多连杆机构的动力学模型。传统模型仅考虑间隙和构件柔性等因素,通常忽略了曲轴转子-轴承系统结构的影响,导致多连杆高速精密压力机的动态分析精度下降。本文提出了一种含润滑间隙和曲轴转子-轴承结构平面柔性多连杆机构多体动力学建模与仿真方法并构建了滑块与曲轴两者之间的动态尺寸链,该方法同时考虑了间隙,连杆和曲轴的柔性以及轴承的刚度等因素。仿真结果表明,在空载和冲裁两种工况下,基于含润滑间隙和曲轴转子-轴承结构平面柔性多连杆机构多体动力学模型的动态响应比传统模型更接近实验结果,验证了所提出方法的有效性。实验结果表明,在空载工况下,滑块在下死点位置存在剧烈加速度波动,而冲裁工况下,滑块在下死点位置产生冲击峰。曲轴转子-轴承结构的存在加剧了滑块位移偏离误差,润滑油的存在对整个机构起到了缓冲作用,但并不能显著提高滑块的运动精度。下滑块与连杆之间运动副间隙处润滑油膜不足以抵消运动副元素之间的碰撞和冲击,导致润滑油膜在运行过程中破裂,销轴与轴承衬套之间只存在一种永久接触状态。此外,研究了间隙尺寸、打击力以及轴承的接触角对机构动态误差的影响规律。     

基于二元多尺度熵的滚动轴承退化趋势预测

针对轴承振动信号随机噪声干扰大、多尺度熵表征轴承退化趋势偏差大的问题,提出了一种基于二元多尺度熵的滚动轴承退化趋势预测方法。首先对滚动轴承振动信号进行局部特征尺度分解,采用多元多尺度熵理论对二阶信号进行计算,提取了二元多尺度熵特征。然后采用互信息法和假近邻法对算法中的嵌入维数和延迟向量等参数进行了优化。最后采用极限学习机预测模型对二元多尺度熵退化趋势曲线进行预测,并对比了不同激活函数的预测性能。结果表明,相对于传统多尺度熵,二元多尺度熵偏差较小;激活函数为sigmoid时极限学习机模型预测精确度较高。     

考虑温度影响的角接触球轴承疲劳寿命仿真研究

针对承受热应力和结构应力共同作用下的角接触球轴承,利用ANSYS Workbench软件对其进行疲劳寿命分析。在三维软件Pro/E中建立轴承模型,导入有限元软件ANSYS Workbench中得到轴承的有限元模型,进行热-应力耦合分析,得到轴承温度分布和应力分布;根据零件的材料属性,利用ANSYS Workbench的Fatigue模块分析了轴承的疲劳寿命。根据软件模拟计算得到轴承寿命情况,为机床主轴轴承寿命的预测奠定基础。     

基于 TTP 参数法的25Cr20NiNbN 钢持久寿命评估方法

结合常规时间－温度（TTP）参数法和粒子群优化算法（PSO）,建立了 Larson －Miller（LM）, Orr －Sherby －Dorn（OSD）和 Manson －Harferd（MH）模型,然后利用这3种模型对25Cr20NiNbN 钢的持久寿命进行了评估,并利用 Z 参数对3种参数模型的预测准确度进行分析。通过分析3种模型的预测结果,发现 MH 法的预测结果准确度最高。对不同可靠度下材料的持久寿命进行计算,保证了预测结果的可靠性。     

平整分卷机组中张力装置的非线性有限元建模

为了实现对平整分卷机组中张力装置产生的张力的有效计算和预报，采用了大型商用有限元软件MSC．MARE，完成了平整分卷机组中张力装置的非线性有限元建模，实现了对张力装置中张力的预报和计算。实验结果表明，该非线性有限元模型可以实现对张力装置中张力准确地计算和预报。     

基于FOA-MKSVM的滚动轴承故障分类方法

由于滚动轴承实际各状态数据一般具有不均衡的特点,所以分类时采用单一核函数存在一定的局限性。针对此问题以及支持向量机多参数选择的盲目性,建立一种基于果蝇优化算法的多核支持向量机模型。该模型可以通过核函数权值来调节全局核函数和局部核函数在该模型中的作用,兼具了良好的学习能力和泛化能力。同时,将多核支持向量机参数与果蝇算法中食物的味道浓度值建立一定关系,通过模仿果蝇觅食行为,对各参数进行优化选择。为了验证所提方法的有效性,先利用UCI标准数据集进行实验,再将其应用到滚动轴承故障分类中,并对单核核函数与多核核函数及参数优化算法进行比较。结果表明,提出的方法具有初始化参数少、参数设置简单、全局搜索能力强和分类准确率高的优点,可有效地应用到滚动轴承故障分类中。     

多分类器集成加权均衡分布适配的滚动轴承寿命阶段识别

针对不同工况下样本有限不平衡造成滚动轴承寿命阶段识别中少数类样本无法被有效识别的问题,提出了多分类器集成加权均衡分布适配的滚动轴承寿命阶段识别方法。首先,采用随机抽样的方式获得源域多样本训练集,为目标域预测伪标签的同时赋予样本不同的初始权重,充分训练少数类样本;然后,在再生核希尔伯特空间训练各源域样本集的分类器,并通过迭代的方式优化伪标签、更新权重矩阵;最后,通过多分类器集成策略将合适的基分类器集成为强分类器,以获得最终识别结果。结合F-score评价标准,使用宏平均与微平均评价指标对多分类任务进行评价避免了准确率对识别结果的误导。在两组滚动轴承寿命阶段数据集上进行实验验证,证明了所提方法的可行性和有效性。     

锅炉给水泵轴承温度变化状态预测

为了预测锅炉给水泵轴承温度的变化情况,提高给水泵运行的安全性和经济性,采用了统计学习理论中的核心算法--支持向量机,建立了给水泵温度预测模型(SVAR).并通过一个实例,与基于灰色方法建立的预测模型(GM)和基于自回归方法建立的预测模型(AR)进行了比较.结果表明:基于支持向量自回归的给水泵轴承温度预测模型具有精度高、速度快、易于建模的特点.应用该方法建立的预测模型能够很好地预测给水泵运行中的温度状况,有效地避免给水泵运行中出现的故障.     

基于轴心轨迹的水轮机转子-轴承动负荷特性分析计算

从水电机组主要部件导轴承的根本属性分析入手,明确指出水电机组导轴承是一类动负荷轴承,提出了通过测试导轴承处轴颈的振动摆度,计算分析水电机组导轴承系统动负荷的方法。结合雷诺润滑方程进行求解研究,仿真计算得到了实际运行导轴承系统的动负荷数值。结果表明,在正常工况情况下,轴瓦的压力分布主要取决于轴颈的位置角度,各个瓦块的承载情况大致相似。该研究为预测导轴承支撑寿命提供了现实的可能,解决了开展水轮机组状态检修的一个重大实际问题。     

柴油机滑动轴承热流体动力润滑仿真研究

根据径向滑动轴承热流体动力润滑理论,基于JFO理论提出的质量守恒边界条件,建立同时包含油膜完整区和空 穴压力变化的单缸柴油机滑动轴承热流体动力润滑模型,采用有限差分法求解模型方程,仿真分析滑动轴承的油膜厚度、油膜压力、润滑油流量和温度等参数对润滑性能的影响,分析内燃机滑动轴承润滑特性,为轴承润滑可靠性设计提供一定的理论依据.     

灰色GM(1,1)模型在机械产品寿命试验数据预测中的应用

将构造的背景值公式引入 GM(1,1)模型 ,并用该模型预测机械产品寿命试验数据 ,实例计算结果表明 ,该方法能缩短机械产品寿命试验时间 ,提高了 GM(1,1)模型的预测精度。     

环形多孔节流空气静压轴承气膜流场分析

为提高空气静压轴承工作的稳定性,设计一种环形多孔节流空气静压轴承,建立其物理模型,并采用大涡模拟方法对轴承节流孔出口处附近计算区域的气膜流场进行分析。结果表明：空气静压轴承气膜压力在节流孔的出口附近气膜间隙上出现分离,但在远离节流孔的出口气膜压力曲线是重合的;节流孔数为9时轴承节流孔出口处的最大压降幅度为节流孔数为1时的26%左右,最大速度突升幅度为节流孔数为1时的43%左右,表明增加节流孔的孔数可以显著减小节流孔的出口附近压力的突降、速度的突升,提高轴承工作稳定性;在空气静压轴承工作过程中,节流孔出口处附近压力和速度的突变会产生微振动现象,而采用环形多孔节流可显著降低微振动现象。