基于LSTM的滚动轴承寿命预测

针对滚动轴承剩余使用寿命预测难、一般的神经网络预测精度差的问题,提出了一种基于振动信号时域特征,结合滚动轴承理论寿命值和具有处理时序特征功能的LSTM(Long Short-Term Memory,长短期记忆网络)剩余使用寿命预测方法。首先按照时间顺序提取振动信号的均方根值、峰度、偏斜等15个时域特征作为判断滚动轴承退化的特征值;然后将其输入到LSTM中,将网络输出的轴承退化值设定为[0,1],0表示轴承完好,1为完全退化;最后采用滚动轴承理论寿命计算公式,根据滚动轴承的转速和载荷计算滚动轴承的基本额定寿命,结合其理论寿命和退化值得到定量的剩余寿命。试验结果表明,LSTM与理论寿命结合的滚动轴承寿命预测方法相比于一般的神经网络具有较高的预测精度。     

一种新的滚动轴承故障诊断方法

滚动轴承发生故障时,其振动信号常呈现出强烈的非平稳特性。提出了一种基于小波变换和固有时间尺度分解(Intrinsic Time-scale Decomposition,ITD)的滚动轴承故障诊断方法。阐述小波分析基本理论和ITD分解基本原理。着重介绍基于小波和ITD分解滚动轴承故障诊断。仿真信号和实验结果表明,以小波与ITD分解相结合的信号特征提取方法,能够准确有效地提取滚动轴承的故障特征。     

基于小波阈值降噪滚动轴承信号的研究

分析了不同故障情况下滚动轴承故障信号频率的变化情况以及Penalty阈值降噪模型、Brige-Massart阈值降噪模型和缺省阈值降噪模型的特点。利用小波分析和三种阈值降噪模型对实际采集的轴承故障信号进行降噪,结果表明,Penalty阈值和缺省阈值降噪模型比Brige-Massart阈值降噪效果更好。文中还对降噪后的信号进行了频谱分析,获取了滚动轴承的特征值,便于判断滚动轴承发生的故障类型。     

基于集合谱峭度法的轴承故障诊断

轴承早期故障引起的微弱振动变化信号往往淹没在机械传动系统的背景振动噪声中,其故障特征提取困难。本文针对滚动轴承故障振动信号的非平稳性及调制特性,提出集合经验模式分解和谱峭度法合的滚动轴承故障特征信号提取及其故障诊断的新方法——集合谱峭度法(Ensembled Kurtogram,EK)。该方法应用集合经验模式分解将振动信号分解为多个固有模式函数,分别计算各个固有模式函数的峭度值及其与故障工况下振动信号、正常工况下振动信号之间的相关性,根据IMFs自动选取规则选取合适的IMFs进行轴承故障信号的重构;然后针对重构后的信号进行谱峭度计算得到对应的峭度图,根据峭度图上最大值原则选取最佳带通滤波器进行滤波;最后运用包络解调后的信号进行故障诊断。本文通过模拟仿真和实验验证,验证了该算法的故障信号提取有效性和故障诊断能力。     

基于自适应顺序的滚动轴承最优特征选取与寿命预测

为了提高舰船动力传动系统中滚动轴承的故障特征分析及寿命预测能力,需要对选择合适的振动信号特征表征滚动轴承状态的问题进行分析,通过时域,频域,时频域,信息熵等多方面提取滚动轴承的振动特征,构造特征库,综合全面描述滚动轴承的状态信息。提出了一种自适应特征提取方法,通过添加白噪声特征以及融合特征,并使用相关性,单调性,鲁棒性3个指标来综合评价特征,可以自动确定特征维数并筛选出敏感特征子集,并通过实验数据验证了所提方法的有效性。     

基于模式识别理论的内燃机状态识别研究

用模式识别的理论和方法，对内燃机气门间隙的识别问题进行了探讨。在分析气门振动力学模型的基础上，通过测取振动信号获得故障特征信息，用模式识别的来日方长 方法，在建立状态特征模式空间的基础上实现对故障分类识别。考虑到内燃顶振动信号的复杂性，采用了外触发采样和有效截取的方法进行信号的数据采集和分析。     

基于累计特征提取和RCNN的滚动轴承剩余使用寿命预测

对轴承振动信号的累计特征进行提取,在此基础上提出基于循环卷积神经网络(Recurrent Convolutional Neural Network,RCNN)的滚动轴承剩余使用寿命(Remaining Useful Life,RUL)预测模型。该预测模型通过构建循环卷积层增强神经网络对时间依赖性的学习,通过变分推理量化RUL预测中RCNN的不确定性。通过试验将基于RCNN的滚动轴承RUL预测模型与回归预测模型的预测结果相对比,验证该基于RCNN的预测模型的有效性。     

导致支承船用齿轮轴滚动轴承振动的因素

导致支承船用齿轮轴滚动轴承振动的因素是错综复杂的,试图通过改善某一因素的影响而彻底解决支承船用齿轮轴滚动轴承的振动问题是很困难的。本文分析了滚动轴承、齿轮及齿轮轴的制造和安装精度,齿轮机构的齿间摩擦和输出轴扭矩波动以及船舶中垂中拱弯曲变形时,沿船体纵向布置齿轮机构轴承中心距变化对支承齿轮轴的滚动轴承振动的影响,提出了一些控制支承船用齿轮轴的滚动轴承振动的方法。本文的分析及讨论对支承船用齿轮轴的滚动轴承振动的控制有一定的参考价值。     

非理想气泡振动混沌特性应用

通过计算非理想气泡振动模型的Lyapunov指数谱,绘出气泡振动模型的关联维与嵌入维关系图,得到气泡振动的关联维数,验证了非理想气泡振动的混沌特性。在此基础上,计算了气泡振动由倍周期分叉通向混沌过程中所对应的模糊函数,并绘制相应的模糊函数图形。结果表明,混沌响应信号作为主动探测信号将具有较强的分辨力,该结论为水下目标混沌信号检测奠定了理论基础。     

基于振动和润滑油分析的主推力轴承故障诊断实例

结合振动测试和润滑油分析的技术手段对某船主推力轴承故障进行综合分析,表明利用振动信号对滚动轴承故障进行诊断是设备故障诊断方法中比较有效的方法,同时润滑油分析的结果也可以验证振动监测的有效性,提高故障诊断的准确性.     

滚动轴承故障诊断和状态监测及其推广应用

本文从滚动轴承失效形式出发，对现有的轴承诊断技术进行了综述；通过分析滚动轴承的振动特征，研究各种诊断原理；对港口开展轴承状态监测和故障诊断实践中所取得的经济效益予以介绍；最后提出了今后港口推广和开展滚动轴承状态监测的几点设想。     

轴承振动信号自适应诊断建模方法

通过时频分析提取滚动轴承运行状态的振动信号特征参数,经标准化处理后,选择T-SNE降维技术,获得训练样本,研究基于随机森林的故障诊断模型,识别滚动轴承运行状态。经试验验证,该方法诊断准确率达到96%,将该方法应用于滑动轴承,准确率也达到94.6%。T-SNE降维技术可以自动选择适用于不同类型轴承的特征参数;随机森林作为一种机器学习方法,能根据数据的内在规律自动建立适用于不同类型轴承的故障诊断模型。研究表明,T-SNE与随机森林相结合应用于轴承故障诊断具有较好的准确率和通用性。     

滚动轴承裂纹故障仿真及验证

为了研究滚动球轴承内圈/外圈发生裂纹故障时的故障机理及振动特性,需对滚动轴承裂纹故障进行仿真研究。通过研究建立了轴承内圈裂纹故障激励的非线性模型,在模型中充分考虑了滚道表面波纹对接触刚度和位移的影响、裂纹缺陷对故障激励力的影响。在此基础上建立轴-滚动轴承-轴承座系统振动模型,并进行了动力学仿真分析。经与台架试验结果进行对比分析,仿真结果可以较好地反映轴承故障的机理,验证了滚动球故障动力学建模的合理性和正确性。     

基于复数无迹卡尔曼滤波的电力系统频率和谐波估计

针对噪声干扰条件下传统的扩展卡尔曼滤波方法在电力系统频率和谐波估计精度问题,本文提出了基于复数无迹卡尔曼滤波的频率和谐波估计方法.利用欧拉公式,对电力系统信号进行适当变换,获得电力系统信号复数状态空间模型,实现了系统信号频率和谐波估计.为了验证噪声干扰条件下本文方法参数估计有效性,通过在系统信号中增加不同信噪比噪声干扰,分别利用本文方法和通用扩展卡尔曼滤波方法对参数进行估计.结果表明,在噪声干扰条件下,本文方法的估计精度优于通用扩展卡尔曼滤波方法,这表明本文方法更适于强噪声干扰条件下的系统信号频率和谐波估计.     

船舶混沌噪声特性提取方法研究

为对船舶结构故障进行实时预报,本文基于小波变换理论,建立混沌振动信号的离散、分解以及重构模型,对船舶故障特征信号进行提取。以某船舶振动信号为例,在信号两端采用软窗域函数重构,而信号中间位置采用硬窗域函数进行重构,然后采用本文建立的模型进行特征信号的辨识,得出子结构特征信号。结果表明:本文建立的模型较为有效,且计算速度较快,能够为工程应用提供参考。     

利用声振监测技术识别气缸压力时域波形的研究

利用数字信号处理技术探讨了应用振动信号对内燃机缸内工作过程进行故障诊断的可行性，提出利用振动信号时域恢复气缸压力波形的理论和方法，并对该方法在故障诊断中实际应用作了论述。     

船舶柴油机振动信号分析与处理程序开发

此文以船舶柴油机故障诊断为目的，以振动信号分析与处理方法的理论为基础．以MAT-LAB语言为工具，开发了“船舶柴油机振动信号分析与诊断系统”，并介绍了该系统的设计思想与主要功能。     

一种基于Bi-LSTM和MLP融合的滚动轴承剩余寿命预测方法

目前长短期记忆网络(long short-term memory, LSTM)是滚动轴承剩余使用寿命(remaining useful life, RUL)预测的常用方法,但其训练过程中收敛速度慢、波动性剧烈、预测误差大的问题,严重影响其在实际生产中的应用.针对该问题,提出一种双向长短期记忆网络(Bi-directional LSTM, Bi-LSTM)与多层感知机(multilayer perceptron, MLP)融合的预测方法.首先,采用堆叠去噪自编码器(stacked denoising auto encoder, SDAE)对预处理后的滚动轴承振动信号进行特征提取;其次构建Bi-LSTM网络与多层感知机融合的多种预测模型,并通过实验获取较优模型;最后使用较优模型对其剩余寿命进行预测.实验结果表明,相对LSTM,Bi-LSTM,以及LSTM融合MLP等常用模型,采用文中提出的方法,模型在滚动轴承剩余寿命训练过程中,波动性更低、收敛速度更快,同时预测误差也得到明显降低.     

某柴油机振动烈度过大原因的实验研究及分析

针对某柴油机刚性安装在试验台上时振动烈度偏大的情况，测量了该机器及安装基础的振动速度信号，并在停机状态下测试了安装基础的速度导纳。对柴油机和安装基础的振动速度信号进行了相干分析，结合速度导纳测量结果，发现安装基础横向刚度不够是振动烈度偏大的主要原因。理论和试验结果证明：增加安装基础横向刚度可以减小安装基础的横向振动，进而减小柴油机的横向刚体运动，从而降低柴油机台架试验时的振动烈度。     

基于舰船振动信号激励下压电智能梁振动主动控制

为研究舰船结构振动主动控制有效方法,采用线性二次型独立模态空间控制法设计控制器,对舰船振动信号激励下压电智能梁的振动进行主动控制。基于Hamilton原理建立压电智能结构的有限元模型,并利用精细积分法计算前3阶模态的位移响应。编制了相应的计算机程序,对舰船振动信号激励下梁结构的振动进行主动控制数值仿真。由仿真结果可见,控制可以有效地实现,为舰船结构振动主动控制提供理论基础。