全矢KPCA和AR模型结合的滚动轴承故障预测方法

论文摘要

由于单一传感器获取的振动信号具有片面性,采用全矢谱信息融合技术对滚动轴承信号进行特征提取,并与KPCA模型和AR时序预测方法相结合进行故障预测。首先,采用全矢谱技术提取实验数据中的特征主振矢;然后,采用KPCA方法对得到的特征主振矢进行融合,消除数据冗余,并建立全矢KPCA监控模型;最后,将测试样本输入全矢KPCA监控模型并输出T2和SPE统计量,将其值作为AR预测模型的输入,预测其变化情况,并根据其预测值超出KPCA监控模型的控制限与否来判断设备是否出现故障。实验结果表明,该方法既能较好地预测出滚动轴承的运行状态,又能进一步追踪故障发展趋势,为及时做好维修措施提供理论依据。

论文目录

文章来源

类型: 期刊论文

作者: 高亚娟,陈磊,林辉翼,韩捷

关键词: 故障预测,核主元分析,全矢谱,模型,滚动轴承,信息融合

来源: 机械设计与制造 2019年11期

年度: 2019

分类: 工程科技Ⅱ辑,基础科学

专业: 数学,机械工业

单位: 郑州大学振动工程研究所

基金: 河南省教育厅科学技术研究重点项目指导计划(13B603970.0),河南省高校重点学科开放实验室项目(PMTE201302A)

分类号: TH133.33;O212.4

DOI: 10.19356/j.cnki.1001-3997.2019.11.006

页码: 20-24

总页数: 5

文件大小: 654K

下载量: 121

相关论文文献

标签：故障预测论文;  核主元分析论文;  全矢谱论文;  模型论文;  滚动轴承论文;  信息融合论文;