?

?

《機電工程》雜志,月刊( 詳細... )

中國標準連續出版物號 ISSN 1001-4551 CN 33-1088/TH
主辦單位浙江省機電集團有限公司
浙江大學
主編陳 曉
副 主 編唐任仲、羅向陽(執行主編)
總 經 理羅向陽
出 版浙江《機電工程》雜志社有限公司
地 址杭州市上城區延安路95號浙江省機電集團大樓二樓211、212室
電話Tel+86-571-87041360、87239525
E-mailmeem_contribute@163.com
國外發行中國國際圖書貿易總公司
訂閱全國各地郵局   國外代號M3135
國內發行浙江省報刊發行局
郵發代號32-68
廣告發布登記證:杭上市管廣發G-001號

在線雜志

當前位置: 機電工程 >>在線雜志

基于數據驅動的離心泵軸承特征分析及壽命預測

作者:蘇皓南,黃倩,胡波,等. 日期:2024-06-27/span> 瀏覽:695 查看PDF文檔

基于數據驅動的離心泵軸承特征分析及壽命預測*
蘇皓南1,黃倩2,胡波1,付強1*,朱榮生1

(1.江蘇大學 國家水泵及系統工程技術研究中心,江蘇 鎮江 212013;2.中國核電工程有限公司,北京 100840)


摘要:離心泵是工業中能量轉換和流體輸送的核心設備,其部件滾動軸承的可靠性對整個機組的安全運行尤為關鍵。為了解決目前滾動軸承壽命預測問題,對滾動軸承剩余壽命的最佳預測方案進行了研究。首先,從數據驅動和試驗出發,利用試驗臺采集所得的離心泵軸承正常及故障狀態下的數據,分析了時域、頻域、時頻域各特征在不同工況中的表現差異,發現了時域特征、頻域特征、小波包分解能量特征、完全自適應噪聲完備集合經驗模態分解(CEEMDAN)能量特征可以捕捉到不同工況下的故障信息;然后,以單調性、趨勢性指標加權分數為依據,結合特征的敏感性分析結果,優選出了軸承在全壽命周期中表現突出的12個特征,經核主成分分析(KPCA)長短期記憶網絡(LSTM)降維處理后,構建出了能夠表征離心泵軸承退化過程的一維特征量;最后,對比分析了LSTM網絡、反向傳播(BP)網絡和卷積神經(CNN)網絡的預測效果。研究結果表明:LSTM網絡的均方根誤差(RMSE)為0.402,平均絕對百分比誤差(MAPE)為0.332,預測精度在三者中最好,模型平均訓練時間為12.6s,可見LSTM網絡在預測精度及模型訓練時間上更具優勢。

關鍵詞:葉片式泵;滾動軸承;完全自適應噪聲完備集合經驗模態分解;核主成分分析;長短期記憶網絡;軸承退化過程

中圖分類號:TH311;TH133.3文獻標識碼:A文章編號:1001-4551(2024)06-0941-15



本文引用格式:

蘇皓南,黃倩,胡波,等.基于數據驅動的離心泵軸承特征分析及壽命預測[J].機電工程,2024,41(6):941-955.

SU Haonan, HUANG Qian, HU Bo, et al. Characteristic analysis and life prediction of centrifugal pump bearing based on data drive[J].Journal of Mechanical & Electrical Engineering, 2024,41(6):941-955.

?

友情鏈接

浙江機械信息網