振動(dòng)譜表征空間滾動(dòng)軸承壽命狀態(tài)方法研究.pdf

1、空間滾動(dòng)軸承是空間運(yùn)動(dòng)機(jī)構(gòu)的關(guān)鍵零部件，衛(wèi)星、航天飛機(jī)、宇宙飛船等空間飛行器的機(jī)械部件能否正常運(yùn)轉(zhuǎn)、實(shí)現(xiàn)預(yù)定功能和達(dá)到預(yù)期壽命，在很大程度上取決于飛行器內(nèi)各機(jī)械部件中滾動(dòng)軸承的性能、壽命和可靠性。在空間服役的滾動(dòng)軸承要承受低溫、交變溫度、高能粒子輻照、原子氧侵蝕、微塵沖刷等極端環(huán)境的綜合作用，其失效行為和機(jī)理與地面常規(guī)環(huán)境有很大差異。因此，為了滿足空間飛行器高可靠、長(zhǎng)壽命的發(fā)展需求，亟需在模擬空間環(huán)境下開(kāi)展?jié)L動(dòng)軸承壽命評(píng)估和預(yù)測(cè)等方面的

2、研究，而研究基礎(chǔ)在于壽命狀態(tài)的描述和識(shí)別，即壽命狀態(tài)的表征。目前，摩擦力矩、溫度等參數(shù)等不能有效反映空間滾動(dòng)軸承壽命狀態(tài)的變化，一個(gè)新的思路是以包含運(yùn)行狀態(tài)信息豐富的振動(dòng)信號(hào)為切入點(diǎn)研究空間滾動(dòng)軸承軸承壽命狀態(tài)的表征方法。當(dāng)空間滾動(dòng)軸承的壽命狀態(tài)發(fā)生變化時(shí)，軸承振動(dòng)信號(hào)時(shí)域中的幅值和概率分布將會(huì)發(fā)生變化，頻域中的頻率成分、不同頻率成分的能量，以及頻譜的主能量譜峰位置也將發(fā)生改變。本文以空間滾動(dòng)軸承為研究對(duì)象，開(kāi)展其壽命狀態(tài)的振動(dòng)譜表征方

3、法研究。主要研究?jī)?nèi)容如下：
　　①針對(duì)空間滾動(dòng)軸承壽命狀態(tài)的表征問(wèn)題，提出了時(shí)頻域特征參數(shù)構(gòu)建空間滾動(dòng)軸承壽命狀態(tài)特征向量的方法?？臻g滾動(dòng)軸承處于不同的磨損程度即處于不同壽命狀態(tài)時(shí)，其振動(dòng)情況發(fā)生變化，直接表現(xiàn)為振動(dòng)信號(hào)特征的改變。通過(guò)振動(dòng)信號(hào)時(shí)域波形和頻譜特征來(lái)反映空間滾動(dòng)軸承振動(dòng)信號(hào)的時(shí)域和頻域信息，從而指示不同壽命狀態(tài)之間的差異性。為了便于對(duì)壽命狀態(tài)的自動(dòng)識(shí)別并全面準(zhǔn)確的反映空間滾動(dòng)軸承的壽命狀態(tài)，綜合利用時(shí)域和頻域特征參數(shù)

4、，選擇了16個(gè)時(shí)域特征參數(shù)和14個(gè)頻域特征參數(shù)構(gòu)造出高維混合域特征向量即空間滾動(dòng)軸承壽命狀態(tài)特征向量作為軸承壽命狀態(tài)的振動(dòng)譜特征。同時(shí)，分析了轉(zhuǎn)速和載荷對(duì)空間滾動(dòng)軸承壽命和振動(dòng)的影響，提出了空間滾動(dòng)軸承全壽命試驗(yàn)方法與策略；
　?、卺槍?duì)空間滾動(dòng)軸承振動(dòng)信號(hào)降噪和背景噪聲濾除問(wèn)題，提出了基于集合經(jīng)驗(yàn)?zāi)Ｊ椒纸猓‥nsemble Empirical Mode Decomposition，EEMD）的降噪和干擾濾除方法。在模擬真空環(huán)境下測(cè)

5、試得到的滾動(dòng)軸承振動(dòng)信號(hào)往往受到測(cè)試系統(tǒng)噪聲和模擬真空環(huán)境設(shè)備運(yùn)行而帶入的背景噪聲的干擾，為了提高信噪比，準(zhǔn)確提取空間軸承壽命狀態(tài)特征向量，需要將上述兩類(lèi)噪聲進(jìn)行降噪和濾除。對(duì)于空間滾動(dòng)軸承振動(dòng)信號(hào)的降噪，應(yīng)用EEMD能有效抑制模式混疊的特性，根據(jù)白噪聲經(jīng)EEMD分解后其固有模式分量（Intrinsic Mode Functions，IMF）的特性設(shè)計(jì)了一種自動(dòng)選取IMF分量重構(gòu)信號(hào)的算法，實(shí)現(xiàn)了信號(hào)自適應(yīng)降噪。對(duì)于背景噪聲的濾除，根據(jù)

6、 EEMD的濾波特性，通過(guò)計(jì)算含背景噪聲的軸承振動(dòng)信號(hào)的IMF分量和單獨(dú)測(cè)試得到的背景噪聲的IMF分量之間的相關(guān)系數(shù)對(duì)IMF分量進(jìn)行篩選并重構(gòu)信號(hào)，從而將由于模擬真空環(huán)境而帶入的背景噪聲進(jìn)行了有效濾除。同時(shí)，針對(duì)EEMD的兩個(gè)重要參數(shù)，即加入白噪聲的幅值系數(shù)k和總體平均次數(shù)M的選取問(wèn)題，根據(jù)不同幅值系數(shù)的白噪聲對(duì)信號(hào)極值點(diǎn)分布均勻性影響規(guī)律，提出了EEMD自適應(yīng)參數(shù)優(yōu)化方法，保證了分解精度和計(jì)算效率；
　?、坩槍?duì)空間滾動(dòng)軸承壽命狀

7、態(tài)識(shí)別問(wèn)題，提出了基于流形學(xué)習(xí)的空間滾動(dòng)軸承壽命狀態(tài)識(shí)別方法。軸承振動(dòng)信號(hào)往往呈現(xiàn)出特征信息耦合、時(shí)變性強(qiáng)的特點(diǎn)，由其時(shí)頻域特征參數(shù)構(gòu)成的高維壽命狀態(tài)特征向量?jī)?nèi)部的必然存在信息冗余和相互耦合，不利于進(jìn)行分類(lèi)識(shí)別。為此，利用流形學(xué)習(xí)方法對(duì)壽命狀態(tài)特征向量進(jìn)行約簡(jiǎn)，提取出原始觀測(cè)空間的真實(shí)流形結(jié)構(gòu)，最終得到維數(shù)低、敏感性高和分類(lèi)錯(cuò)誤率小的主要特征向量。然后，將經(jīng)過(guò)約簡(jiǎn)后的訓(xùn)練樣本和測(cè)試樣本的低維壽命狀態(tài)特征向量輸入最近鄰分類(lèi)器（K-Near

8、est Neighbors Classifier，KNNC），最近鄰分類(lèi)器根據(jù)訓(xùn)練樣本的鄰域信息和類(lèi)標(biāo)簽信息對(duì)測(cè)試樣本進(jìn)行分類(lèi)決策，實(shí)現(xiàn)壽命狀態(tài)的識(shí)別。
　　④根據(jù)空間滾動(dòng)軸承振動(dòng)特點(diǎn)及壽命試驗(yàn)要求，搭建了測(cè)試系統(tǒng)硬件平臺(tái)，開(kāi)發(fā)了集信號(hào)自動(dòng)采集、處理和壽命狀態(tài)識(shí)別等功能為一體的空間滾動(dòng)軸承壽命狀態(tài)識(shí)別系統(tǒng)。系統(tǒng)不僅可對(duì)大量數(shù)據(jù)文件進(jìn)行批量管理、分析，還應(yīng)用數(shù)據(jù)庫(kù)技術(shù)實(shí)現(xiàn)壽命樣本庫(kù)的建立、添加和刪除等管理，保證了壽命樣本的完整性和安