考虑滚动轴承性能退化状态在时间尺度上的连续性,将时间参数映射到指数函数中,形成更符合性能退化过程的弯曲时间(curved time,CT)参数,同时将C0复杂度和有效值(root mean square,RMS)分别作为复杂性维度和能量维度的退化特征,构建描述...考虑滚动轴承性能退化状态在时间尺度上的连续性,将时间参数映射到指数函数中,形成更符合性能退化过程的弯曲时间(curved time,CT)参数,同时将C0复杂度和有效值(root mean square,RMS)分别作为复杂性维度和能量维度的退化特征,构建描述滚动轴承性能退化过程的三维特征向量[C0,RMS,CT]。在此基础上,采用GG(Gath-Geva)模糊聚类方法对滚动轴承性能退化状态进行阶段划分,识别不同的退化状态,选用分类系数、平均模糊熵以及序列离散度对聚类效果进行综合评价。采用来自IMS(intelligent maintenance system)的轴承全寿命试验数据进行实例分析,结果表明,提出的三维特征向量既能够反映滚动轴承性能退化趋势,又能体现同一状态在时间尺度上的连续性。展开更多
针对岸桥起升减速箱故障频发的现状,提出一种基于 k -均值聚类的载荷分类准则和健康状态识别方法。建立减速箱振动模型,通过振动信号来反映减速箱的运行状态。根据聚类中心的变化得到减速箱健康状态的发展趋势,并对实际故障数据进行分...针对岸桥起升减速箱故障频发的现状,提出一种基于 k -均值聚类的载荷分类准则和健康状态识别方法。建立减速箱振动模型,通过振动信号来反映减速箱的运行状态。根据聚类中心的变化得到减速箱健康状态的发展趋势,并对实际故障数据进行分析。应用 k -均值聚类对振动信号载荷状态进行分类,实现工况的可视化并对岸桥的载重量进行合理的安排。结果表明:该方法不仅能够将振动信号的载荷状态进行合理的分类,而且能够实现对减速箱各个运行状态的诊断与识别。展开更多
文摘针对岸桥起升减速箱故障频发的现状,提出一种基于 k -均值聚类的载荷分类准则和健康状态识别方法。建立减速箱振动模型,通过振动信号来反映减速箱的运行状态。根据聚类中心的变化得到减速箱健康状态的发展趋势,并对实际故障数据进行分析。应用 k -均值聚类对振动信号载荷状态进行分类,实现工况的可视化并对岸桥的载重量进行合理的安排。结果表明:该方法不仅能够将振动信号的载荷状态进行合理的分类,而且能够实现对减速箱各个运行状态的诊断与识别。
