滾動軸承廣泛應用于機械設備中,對其進行有效的設備狀態監測與故障診斷研究,及時確地預測設備運行趨勢和剩余壽命,對保障系統平穩運行、減少甚至避免重大安全事故發生具有相當重要的意義。
《滾動軸承故障信息提取與壽命預測》以滾動軸承為研究對象,結合信號處理與人工智能等學科的成果,系統地介紹了旋轉機械智能故障診斷與剩余壽命預測中的理論基礎與前沿成果。該書的主要內容有:振動信號降噪,Cabor濾波器的軸承狀態監控方法,小波變換與特征信息提取,經驗模式分解(EMD)和變分模態分解(VMD)理論與應用,基于支持向量機的剩余壽命預測等。
《滾動軸承故障信息提取與壽命預測》適合機械專業研究生使用。
滾動軸承是旋轉機械中最基礎且易發生故障的零部件之一,其運行狀態對于保障關鍵設備安全可靠運行意義重大。對滾動軸承進行狀態監測,當設備出現劣化特征時,準確判斷其故障及預測其剩余壽命對于合理安排設備的維修決策至關重要。隨著信號處理技術的不斷發展,例如,小波變換、經驗模式分解(EMD)和變分模態分解(VMD)等,這些新方法都有效地應用到了故障診斷中,推動了故障診斷技術的發展。本書以滾動軸承為研究對象,結合信號處理與人工智能等學科的成果,系統地介紹了智能故障診斷與剩余壽命預測中的理論基礎與前沿成果。
本書內容主要參考了山東省自然科學基金項目“滾動軸承故障信息提取與壽命預測研究(ZR2016EEM20)”和“滾動軸承故障的特征提取與診斷方法研究(ZR2012EEL06)”的研究成果,同時也參考了國內外相關學科領域有關的研究成果和專著。
全書共分5章,第1章綜述滾動軸承故障診斷和剩余壽命預測的意義和研究進展。第2章介紹軸承幾何尺寸結構、故障特征頻率和目前最經典的共振解調技術。第3章介紹多種軸承信號降噪方法和VMD理論在振動信號分析中的應用。第4章介紹多種故障信息提取方法,包括小波變換法、最優GABOR濾波器法、經驗模態分解法和模糊C均值算法(FCM)。第5章介紹剩余壽命預測的方案,包括特征提取與約減和支持向量機預測方法。
本書是筆者對所承擔的山東省自然科學基金項目的研究成果經過認真篩選、取舍后而成稿。非常感謝加拿大湖首大學的Wilson Wang教授在課題研究過程中給予的幫助。編著本書目的是為機械故障診斷領域的研究者、工程技術人員及相關專業的研究生提供參考,但是由于筆者水平有限,書中不當和錯誤之處在所難免,懇請讀者批評指正。
章 緒論
1.1 滾動軸承故障診斷的意義
1.2 滾動軸承故障的特征提取方法
1.3 滾動軸承故障的模式識別方法
1.4 滾動軸承的剩余壽命預測
第2章 滾動軸承結構和共振解調
2.1 滾動軸承的幾何形狀和特征頻率
2.2 共振解調技術
第3章 振動信號的預處理和降噪
3.1 引言
3.2 基于平穩小波變換的降噪
3.3 總變差降噪方法在軸承故障診斷中的應用
3.4 VMD分解理論及其在軸承信號中的應用
3.5 小結
第4章 故障信息提取與診斷
4.1 引言
4.2 基于子小波布置和系數融合的軸承故障診斷
4.3 基于最優Gabor濾波器的軸承狀態監控方法
4.4 基于EMD和MKD的滾動軸承故障診斷方法
4.5 基于加權FCM算法的軸承故障診斷
第5章 剩余壽命預測
5.1 引言
5.2 特征提取與約簡
5.3 SVR預測理論
5.4 預測流程
5.5 實驗驗證
參考文獻