论文部分内容阅读
行星齿轮作为传动系统中的关键设备,当它发生退化或故障会造成设备的剧烈振动甚至失效,因此需要对其主动维修以保证设备的可靠性、经济性,其中剩余寿命预测是其中的关键。针对行星齿轮振动数据的复杂多变、时变特性,建立振动数据转换函数提取参数、故障位置种类分类器和退化轨迹,将直接决定预测精度和设备主动维修效果。首先,提出了行星齿轮振动数据函数转换方法。采用傅里叶基函数对正常运行数据进行转换,针对传统基函数不能适应行星齿轮故障数据的复杂多变和调幅调频特性,建立了行星齿轮不同位置故障的转换基函数模型,并通过实验数据验证了该基函数的可行性,且可以依据确定系数识别行星齿轮正常运行和不同位置故障。其次,提出了行星齿轮支持向量数据描述(SVDD)多目标识别方法。针对传统优化准则的不足,采用ROC曲线原理的评判函数作为优化目标,对比了遗传算法、粒子群算法及模拟退火优化算法,优化了SVDD模型参数,提出了行星齿轮不同故障的SVDD多目标识别方法,以区分不同故障对剩余寿命预测影响。再次,提出了行星齿轮SVDD剩余寿命预测方法。建立了全生命周期数据的SVDD模型,并依据不同运行时间的数据建立其SVDD时间半径退化轨迹,针对SVDD模型偏心问题,建立了SVDD多模型的时间半径退化轨迹,通过实验样本证明了预测精度可以随SVDD模型的数量增多而提高。最后,搭建了行星齿轮振动试验台以验证本论文方法。设计了行星齿轮模拟故障和全生命周期试验方案,对采集的行星齿轮振动数据进行函数型转换,以优化后的SVDD对函数系数和误差参数识别,建立全生命周期数据的SVDD时间半径退化轨迹并进行剩余寿命预测,通过测试样本证明了本方法的预测精度高、适用性强。