全矢KPCA和AR模型结合的滚动轴承故障预测方法

• 作者: 林辉翼 陈磊 韩捷 高亚娟
• 来源期刊: 机械设计与制造
• 学科: 工学
• 关键词: 故障预测 核主元分析 全矢谱 AR模型 滚动轴承 信息融合
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 理论与方法研究
• 页码范围: 20-24
• 页数: 5页
• 分类号: TH16|TH133.3
• 字数: 4103字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3997.2019.11.006

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈磊	郑州大学振动工程研究所	71	341	11.0	15.0
2	韩捷	郑州大学振动工程研究所	196	1599	19.0	30.0
3	林辉翼	郑州大学振动工程研究所	7	7	1.0	2.0
4	高亚娟	郑州大学振动工程研究所	4	2	1.0	1.0