滾動(dòng)軸承性能退化評(píng)估與壽命預(yù)測(cè)
本書(shū)結(jié)合作者團(tuán)隊(duì)在高端裝備智能運(yùn)維領(lǐng)域積累多年的研究成果與**研究進(jìn)展,以工程中常見(jiàn)的關(guān)鍵基礎(chǔ)部件滾動(dòng)軸承為研究對(duì)象,重點(diǎn)介紹滾動(dòng)軸承動(dòng)力學(xué)建模、性能退化程度評(píng)估和壽命預(yù)測(cè)方法,內(nèi)容兼顧基礎(chǔ)性、學(xué)術(shù)性和實(shí)用性,具有較強(qiáng)的可讀性。
更多科學(xué)出版社服務(wù),請(qǐng)掃碼獲取。
目錄
前言
第1章 緒論 1
1.1 軸承動(dòng)力學(xué)模型 1
1.2 性能退化程度評(píng)估 3
1.3 壽命預(yù)測(cè) 5
1.3.1 性能退化指標(biāo) 5
1.3.2 壽命預(yù)測(cè)方法 7
參考文獻(xiàn) 13
第2章 軸承動(dòng)力學(xué)模型及響應(yīng) 22
2.1 軸承基本動(dòng)力學(xué)模型 22
2.2 故障軸承動(dòng)力學(xué)模型 24
2.3 軸承性能退化模型 29
2.3.1 健康階段動(dòng)力學(xué)模型 30
2.3.2 缺陷萌生階段動(dòng)力學(xué)模型 34
2.3.3 缺陷擴(kuò)展階段動(dòng)力學(xué)模型 34
2.3.4 故障形成與失效階段動(dòng)力學(xué)模型 36
2.4 軸承動(dòng)力學(xué)響應(yīng) 37
2.4.1 仿真信號(hào)分析 37
2.4.2 實(shí)驗(yàn)信號(hào)分析 40
參考文獻(xiàn) 42
第3章 軸承性能退化程度評(píng)估方法 44
3.1 基于階躍-沖擊匹配追蹤的性能評(píng)估 44
3.1.1 階躍-沖擊字典的構(gòu)造 44
3.1.2 階躍-沖擊字典匹配追蹤算法 49
3.1.3 仿真及實(shí)驗(yàn)驗(yàn)證 50
3.2 基于級(jí)聯(lián)字典匹配追蹤的性能評(píng)估 52
3.2.1 級(jí)聯(lián)字典的構(gòu)造 53
3.2.2 級(jí)聯(lián)字典匹配追蹤算法 54
3.2.3 仿真及實(shí)驗(yàn)驗(yàn)證 55
3.3 基于數(shù)字孿生匹配的性能評(píng)估 60
3.3.1 雙沖擊定量評(píng)估原理 60
3.3.2 數(shù)字孿生匹配定量評(píng)估算法 64
3.3.3 仿真及實(shí)驗(yàn)驗(yàn)證 66
參考文獻(xiàn) 80
第4章 基于相似性?xún)?yōu)化匹配的壽命預(yù)測(cè)方法 81
4.1 相似性理論 81
4.2 相似性?xún)?yōu)化匹配方法 82
4.3 仿真及實(shí)驗(yàn)驗(yàn)證 84
4.3.1 仿真驗(yàn)證 84
4.3.2 實(shí)驗(yàn)驗(yàn)證 89
參考文獻(xiàn) 91
第5章 基于時(shí)變卡爾曼濾波的預(yù)測(cè)方法 92
5.1 時(shí)變卡爾曼濾波算法 92
5.2 時(shí)變卡爾曼濾波器模型 95
5.2.1 基于一次函數(shù)模型的卡爾曼濾波器 95
5.2.2 基于二次函數(shù)模型的卡爾曼濾波器 96
5.2.3 時(shí)移窗濾波相對(duì)誤差因子 97
5.3 實(shí)驗(yàn)驗(yàn)證 98
參考文獻(xiàn) 102
第6章 基于粒子濾波的預(yù)測(cè)方法 103
6.1 時(shí)變粒子濾波壽命預(yù)測(cè)算法 103
6.1.1 粒子濾波算法原理 103
6.1.2 時(shí)變粒子濾波預(yù)測(cè)模型 105
6.1.3 實(shí)驗(yàn)驗(yàn)證 111
6.2 雙流無(wú)跡粒子濾波壽命預(yù)測(cè)算法 117
6.2.1 無(wú)跡粒子濾波算法原理 118
6.2.2 雙流無(wú)跡粒子濾波預(yù)測(cè)模型 119
6.2.3 實(shí)驗(yàn)驗(yàn)證 122
參考文獻(xiàn) 126
第7章 基于稀疏圖學(xué)習(xí)的預(yù)測(cè)方法 128
7.1 性能退化特征提取及模型 128
7.1.1 圖像紋理特征提取 128
7.1.2 性能退化字典構(gòu)建 140
7.2 自適應(yīng)稀疏圖學(xué)習(xí)方法 142
7.3 仿真及實(shí)驗(yàn)驗(yàn)證 148
7.3.1 仿真驗(yàn)證 148
7.3.2 實(shí)驗(yàn)驗(yàn)證 151
參考文獻(xiàn) 157
第8章 基于機(jī)理-數(shù)據(jù)協(xié)同驅(qū)動(dòng)雙路徑深度學(xué)習(xí)預(yù)測(cè)方法 159
8.1 退化模型與預(yù)測(cè)網(wǎng)絡(luò) 159
8.1.1 性能退化模型構(gòu)建 159
8.1.2 LSTM網(wǎng)絡(luò)訓(xùn)練 160
8.2 深度學(xué)習(xí)壽命預(yù)測(cè)方法 167
8.3 實(shí)驗(yàn)驗(yàn)證 168
8.3.1 實(shí)驗(yàn)驗(yàn)證一 168
8.3.2 實(shí)驗(yàn)驗(yàn)證二 170
參考文獻(xiàn) 174