基于数据驱动的回转支承性能退化评估方法-中南大学学报.pdf

第 48 卷第 3 期 中南大学学报( 自然科学版) Vol.48 No.3 2017 年 3 月 Journal of Central South University (Science and Technology) Mar. 2017 DOI: 10.11817/j.issn.1672-7207.2017.03.017 基于数据驱动的回转支承性能退化评估方法 封杨，黄筱调，洪荣晶，陈捷 (南京工业大学 机械与动力工程学院，江苏 南京，210009) 摘要：为解决工程机械中大型回转支承工作环境恶劣，但可靠性要求较高的问题，提出一种基于集合经验模态分 解−主成分分析(ensemble empirical mode decomposition-principle component analysis ，EEMD-PCA) 的振动信号降噪 和性能退化过程评估方法。结合 EEMD 和 PCA 各自优势自适应地选择全寿命振动信号中最能反映回转支承性能 退化趋势的成分进行重构以实现降噪，提出以 PCA 模型中的统计量连续平方预测误差(continues square prediction error，C-SPE)作为回转支承的性能退化特征，建立回转支承性能退化模型。利用自制的回转支承性能试验台对型 号为 QNA-730-22 的回转支承进行全寿命疲劳试验。研究结果表明，该方法具有较好的降噪效果，建立的性能退 化模型准确地反映出不同阶段回转支承的性能特征，为企业的主动维护提供了数据支撑，从而进一步提高了回转 支承的运行可靠性。 关键词：回转支承；性能退化模型； EEMD-PCA ； 数据融合 中图分类号：TP206.3 文献标志码：A 文章编号：1672−7207(2017)03−0684−10 A multi-dimensional data-driven method for large-size slewing bearings performance degradation assessment FENG Yang, HUANG Xiaodiao, HONG Rongjing, CHEN Jie (School of Mechanical and Power Engineering, Nanjing Tech University, Nanjing 210009, China) Abstract: A large-size slewing bearing is usually used in extremely heavy load conditions, and its reliability plays a critical role in machinery performances. Therefore, an ensemble empirical mode decomposition-principle component analysis (EEMD-PCA) based de-noising and performance degradation assessment method was proposed. Firstly, an improved EEMD-PCA based method was conducted on life cycle vibration signals of slewing bearings for de-noising and reconstruction. Afterwards, the reconstructed sign