摘要:针对优化特征改进包络谱(IESFO)存在早期故障弱特征提取能力较弱和对频率分辨率要求较高的不足,提出了基于谱相干滤波冲击增强的轴承故障特征提取方法。 首先使用 IESFO 算法选取优化解调频带并进行带通滤波;然后对滤波后信号使用多点优化最小熵反褶积(MOMEDA)算法增强信号中轴承故障产生的冲击;最后进行包络分析。 基于实测信号的研究结果表明,和现有方法相比,本方法在轴承性能退化过程中可以提前提取到轴承早期故障信息,且可用于提取滚动轴承复合故障信息。关键词: 快速谱相干;优化特征改进包络谱;冲击增强;多点优化最小熵反褶积;滚动轴承

摘要:提出了一种基于核主成分分析(KPCA)方法和运用了Dropout策略的长短时记忆神经网络(LSTM)的轴承剩余寿命预测方法。首先，提取了振动信号的有效值、最大值、峰峰值、峭度等14个时域特征指标。然后，利用KPCA方法融合轴承振动信号时域特征指标得到若干的主成分。提取若干主成分之中的第一主成分来评估研究对象的性能退化状态，利用主成分选取标准选择多个主成分作为本文预测模型的输入。接着建立利用Dropout策略进行改进的LSTM预测模型。最后，采用某轴承数据对本文所提方法进行了有效性验证。计算结果表明，对轴承退化程度的预测准确度达到了9592%，所提方法可以有效地来对轴承的剩余寿命进行预测，预测精度较高。