期刊文献+

基于RRMS的地铁牵引电机轴承剩余寿命预测 被引量:5

Remaining useful life prediction of metro traction motor bearing based on RRMS
下载PDF
导出
摘要 为了评估滚动轴承的可靠性和预测剩余寿命,提出一种基于RRMS特征和神经网络相结合的轴承剩余寿命预测方法。选取地铁牵引电机轴承为研究对象,首先在轴承疲劳寿命试验台上进行疲劳寿命试验,采集轴承振动信号;其次通过小波包对原始信号进行分解,提取振动信号的RRMS特征,将其作为表征轴承性能衰退变化趋势的指标,并确定轴承失效阈值;最后基于BP神经网络对轴承的剩余寿命进行预测。试验结果表明:预测值与实际值基本吻合,均方根误差小于0.015,验证了该方法的有效性。
作者 王春亮 徐彦伟 颉潭成 陈立海 刘明明 WANG Chun-liang;XU Yan-wei;XIE Tan-cheng;CHEN Li-hai;LIU Ming-ming
出处 《制造业自动化》 CSCD 北大核心 2021年第6期1-5,11,共6页 Manufacturing Automation
基金 国家自然科学基金项目(51805151) 河南省高校青年骨干教师项目(2016GGJS-057) 河南省高等学校重点科研项目(21B460004)。
  • 相关文献

参考文献12

二级参考文献77

  • 1奚立峰,黄润青,李兴林,刘中鸿,李杰.基于神经网络的球轴承剩余寿命预测[J].机械工程学报,2007,43(10):137-143. 被引量:56
  • 2SHAO Y,NEZU K. Prognosis of remaining bearing life using neural networks[J].Journal of Systems and Control Engineering,2000,(13):217-230.
  • 3GEBRAEEL N,LAWLEY M,LIU R. Residual life predictions from vibration-based degradation signals:A neral network approach[J].IEEE Tran on Induxttrial Electronics,2004,(03):694-700.
  • 4HUANG Runqing,XI Lifeng,LI Xinglin. Residual life predictions for ball bearings based on self-organizing map and back propagation neural network methods[J].Mechanical Systems and Signal Processing,2007.193-207.
  • 5PAN Yuna,CHEN Jin,LI Xinglin. Spectral entropy:A complementary index for rolling element bearing performance degradation assessment[J].Journal of Mechanical Engineering System,2009.1223-1231.
  • 6ZARETSKY E V,POPLAWSKI J V,PETERS S M. Comparision of life theories for rolling element bearing[J].Tribology Transactions,1996,(02):237-248.
  • 7LI Y,BILLIGTON S,ZHANG C. Adaptive prognostics for rolling element bearing condition[J].Mechanical Systems and Signal Processing,1999,(01):103-113.
  • 8VAPNIK V N. Statistical learning theory[M].New York:wiley,1998.
  • 9MIN Sunghwan,LEE Jumin,HAN Ingoo. Hybrid genetic algorithms and support vector machines for bankruptcy prediction[J].Expert Systems with Applications,2006,(03):652-660.
  • 10MUHAMMAD N,AZAH M,AINI H. Dynamic voltage collapse prediction in power systems using support vector regression[J].Expert Systems with Applications,2010,(05):3730-3736.

共引文献275

同被引文献36

引证文献5

二级引证文献5

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部