基于运行状态辐射声信号的轴承性能退化监测方法研究

摘要：

文章针对滚动轴承运行辐射声信号,提出一种滚动轴承性能退化预测的方法.轴承辐射声信号通过改进变分模态分解(improved variational mode decomposition,IVMD)得到K层有限带宽固有模态函数(band-limited intrinsic mode functions,BLIM Fs);对BLIM Fs分量的能量进行相对能量熵分析并作为轴承性能退化特征指标,将退化指标构成的时间序列分解成趋势项和残余项,对残余项进行平稳性检验和白噪声检验,对趋势项和非白噪声的残余项分别通过堆栈长短时记忆(stack long short-term memory,SLSTM)神经网络进行预测,使用自适应矩估计(adaptive moment estimation,ADAM)优化器反向优化网络权值、阈值;采用拉伊达法则确定阈值作为预警线,当预测退化曲线超过阈值报警线时实现报警.实验结果表明:SLSTM模型预测与分解趋势项之间的均方误差为4.1492×10-5,均方根误差为0.0036,相关系数为0.9753;SLSTM模型预测与未去除残余项的相对能量熵之间的相关系数为0.7763,模型的拟合程度较高,轴承性能退化评估良好,预测曲线在轴承早期退化阶段时能够予以报警.

关键词：辐射声信号、变分模态分解(VMD)、相对能量熵、堆栈长短时记忆(SLSTM)神经网络

所属期刊栏目：45

分类号：TH133.33;TP183

资助基金：国家自然科学基金;安徽省科技重大专项资助项目

在线出版日期：2022-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1009-1015