一种基于服役过程振动演化分析的滚动轴承振动行为预测方法及系统技术方案

技术编号:44598443 阅读:11 留言:0更新日期:2025-03-14 12:54
一种基于服役过程振动演化分析的滚动轴承振动行为预测方法及系统,包括:辨识服役过程演化阶段特征;对轴承接触表面劣化和振动行为演化进行关联分析;根据获得的服役过程振动行为演化模型构建基于ARIMA‑LSTM算法的振动行为预测。基于轴承振动行为在服役过程中演化规律提出了一种综合表征轴承振动演化行为的H1和一种适用于预测轴承在不同阶段振动行为方法。相较于通过机器学习直接获取的H1,本发明专利技术的H1是在分析轴承服役过程振动行为演化的阶段性特征基础上实现,对轴承演化过程描述更加准确。本发明专利技术所提出的振动行为预测方法较好地处理了轴承服役过程不同阶段演化特征不同所引起的预测准确性差、适用性不广的问题,具有较强的工程实用价值。

【技术实现步骤摘要】

本专利技术属于轴承振动预测,涉及一种滚动轴承振动行为预测方法及系统,特别涉及一种基于振动演化的滚动轴承振动行为预测方法及系统。


技术介绍

1、滚动轴承作为支撑旋转装备的核心部件之一,在偏置径向力、动态径向激励等复杂载荷作用下,轴承滚道作为接触表面经常会出现不同类型的损伤。这些损伤导致轴承振动变化更加复杂,直接影响轴承回转精度等动态运转性能,甚至造成装有轴承的装备系统出现破坏性事故。为了避免轴承振动变化导致的装备突发性事故,对轴承振动行为预测技术的需求迫在眉睫。轴承振动行为预测作为预测性维护的基础支撑,可以提高旋转设备运行的安全性和稳定性。

2、目前轴承振动行为预测按技术路线可以分为两大类:基于时间序列数据驱动和基于力学模型驱动。一般认为故障预测方法主要包括三类[197]:1)失效机理方法,如基于paris模型、forman模型等力学模型表征损伤退化过程;2)基于数据驱动的方法可分为两类:机器学习和统计数据驱动,(1)神经网络、支持向量机、极限学习机等浅层机器学习和卷积神经网络、深度自编码网络等深度学习方法,(2)指数分布、weibull分布等失本文档来自技高网...

【技术保护点】

1.一种基于服役过程振动演化分析的滚动轴承振动行为预测方法,其特征在于,包括以下步骤:

2.一种基于服役过程振动演化分析的滚动轴承振动行为预测方法的系统,其特征在于,该系统包括控制模块、驱动模块、测试采集模块和计算分析模块,测试采集模块与计算分析模块连接;控制模块与驱动模块、测试采集模块分别连接;

3.根据权利要求2所述的系统,其特征在于,所述演化特征计算模块,对轴承加速度、内圈位移和保持架位移开展时域、频域分析,提取特征值,获取用于表征轴承振动演化的特征信息。

4.根据权利要求2所述的系统,其特征在于,所述演化过程阶段性分析模块,采用最小二乘法多源数...

【技术特征摘要】

1.一种基于服役过程振动演化分析的滚动轴承振动行为预测方法,其特征在于,包括以下步骤:

2.一种基于服役过程振动演化分析的滚动轴承振动行为预测方法的系统,其特征在于,该系统包括控制模块、驱动模块、测试采集模块和计算分析模块,测试采集模块与计算分析模块连接;控制模块与驱动模块、测试采集模块分别连接;

3.根据权利要求2所述的系统,其特征在于,所述演化特征计算模块,对轴承加速度、内圈...

【专利技术属性】
技术研发人员:李宁张景奇冷依阳支传晓山明鑫翟敬宇
申请(专利权)人:大连理工大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1