一、关于轴承使用寿命的初步探讨（论文文献综述）
马建,孙守增,芮海田,王磊,马勇,张伟伟,张维,刘辉,陈红燕,刘佼,董强柱[1]（2018）在《中国筑路机械学术研究综述·2018》文中提出为了促进中国筑路机械学科的发展,从土石方机械、压实机械、路面机械、桥梁机械、隧道机械及养护机械6个方面,系统梳理了国内外筑路机械领域的学术研究进展、热点前沿、存在问题、具体对策及发展前景。土石方机械方面综述了推土机、挖掘机、装载机、平地机技术等;压实机械方面综述了静压、轮胎、圆周振动、垂直振动、振荡压路机、冲击压路机、智能压实技术及设备等;路面机械方面综述了沥青混凝土搅拌设备、沥青混凝土摊铺机、水泥混凝土搅拌设备、水泥混凝土摊铺设备、稳定土拌和设备等;桥梁机械方面综述了架桥机、移动模架造桥机等;隧道机械方面综述了喷锚机械、盾构机等;养护机械方面综述了清扫设备、除冰融雪设备、检测设备、铣刨机、再生设备、封层车、水泥路面修补设备、喷锚机械等。该综述可为筑路机械学科的学术研究提供新的视角和基础资料。
乔宁国[2]（2019）在《基于多传感器数据融合的高速列车传动系统故障诊断与健康状态预测》文中指出随着高速铁路的快速发展,行车密度逐年增加,列车行驶的安全性问题变得越来越突出。列车传动系统作为转向架的重要组成,由电机、联轴器、齿轮箱、传动轴、轴箱等关键部件组成,主要负责动力驱动和动力传递,在列车运行过程中由于受到轨道不平顺激扰,长期承受高频振动很容易出现疲劳损坏,影响列车的安全运行。目前,我国已经投入运营的CRH系列动车组,虽然已经安装了传感器用于采集关键部件的状态信息,但是对于传动系统关键部件的监测力度还远远不够。传感器的安装数量有限,多传感器信息融合程度低,使得采集的多源信息得不到充分利用,故障诊断可靠性不高。为了提高列车传动系统的运行可靠性,本文基于多传感器数据融合技术对高速列车传动系统关键部件故障诊断与健康状态预测两个方面进行研究。主要研究内容如下:（1）高速列车传动系统关键部件监测传感器布局优化为了优化高速列车传动系统关键部件的传感器布局,建立传动系统的三维几何模型,应用ANSYS有限元分析软件对高速列车传动系统关键部件进行静强度分析、模态分析和谐响应分析,找出振动最剧烈以及应力、应变最大的薄弱部位布置加速度传感器,实现高速列车传动系统关键部件的有效监测。（2）基于多测点信息融合的高速列车齿轮箱故障诊断由于列车齿轮箱监测测点较多,并且不同测点对故障的反映敏感程度不同,为了充分利用多测点信息,提出一种相关函数融合算法与模糊C均值聚类相结合的高速列车齿轮箱故障诊断方法。通过相关函数融合算法将齿轮箱多个测点测得的振动信号融合为一个能够反映齿轮箱运行状态的综合信号;提取融合信息的故障特征;考虑到机械元件的恶化是一个渐变的过程,具有模糊性,采用FCM进行故障分类识别。通过实车数据采集与分析验证该方法用于高速列车齿轮箱故障诊断的可行性。（3）基于多传感器数据融合的高速列车传动系统故障诊断针对高速列车传动系统各部件间振动信号相互关联,故障特征存在交叉的现象,提出一种FCM与模糊积分融合算法相结合的高速列车传动系统多传感器数据融合故障诊断方法。首先对传动系统电机、齿轮箱、轴箱等关键部件采集的振动信号进行多域特征提取与降维;然后对应三个部件分别建立FCM1、FCM2和FCM3三个分类器进行独立的初步诊断,并根据FCM的分类识别率确定模糊测度;最后采用模糊积分融合算法将各部件分类器的输出结果进行融合诊断。通过实车数据采集与分析验证该融合算法用于列车传动系统故障诊断的可行性。（4）高速列车传动系统关键部件振动信号多模型混合预测针对列车行驶线路复杂、运行周期长、故障数据少,使得高速列车传动系统可靠性研究困难的问题,以振动时间序列为基础,提出一种集合经验模态分解（EEMD）与自回归（AR）和支持向量回归机（SVR）相结合的多模型混合预测方法,通过振动信号准确预测可以为部件的健康状态评估提供参考,同时为数据延拓提供新的方法。首先,对高速列车传动系统关键部件采集的振动信号进行EEMD分解;其次,分别建立AR模型和SVR模型对IMF分量分别进行预测,并将预测值叠加作为各自输出结果;最后将AR模型和SVR模型预测值进行加权相加,并采用混沌粒子群优化算法（CPSO）对权值进行优化。通过与单一的AR模型、SVR模型和RBF神经网络模型对比,验证了本文提出的多模型混合预测方法具有更高的预测精度。（5）基于LSTM高速列车传动系统关键部件健康状态预测在振动信号预测的基础上,基于长短期记忆网络（LSTM）对高速列车传动系统关键部件进行健康状态预测。首先提取振动信号的时域特征、频域特征及EEMD能量特征等多域特征,引入包含各特征向量的相关性、单调性和鲁棒性的多目标优化函数W作为退化特征评价函数。采用自组织映射神经网络（SOM）对选取的退化特征进行特征融合,并计算最小量化误差（MQE）。针对MQE存在较多扰动,影响预测准确性的问题,采用db5小波包对MQE进行分解,并将趋势项作为健康指标（HI）。最后,采用LSTM对HI曲线进行趋势预测。通过HI值多步预测达到失效阈值的时间实现对传动系统关键部件健康状态的掌握,为零件的维护保养以及更换提供参考依据,提高传动系统的运行可靠性。
黄承赓[3]（2019）在《基于监测大数据的产品剩余寿命预测方法研究》文中研究指明随着传感器技术、信息与通信技术及物联网等技术的快速发展,状态监测技术已被广泛应用于各类产品。不同类型的传感器被广泛地部署于产品的各个部位并以极高的采样频率对其退化状态进行实时在线监测,所获得监测数据呈现井喷式的增长,这不可避免地将我们带入了工业大数据时代。在工业大数据背景下,有效地利用海量的监测数据能实现对产品剩余寿命更为准确的估计,有助于产品实现提前报警,从而预防灾难性事故的发生,进一步优化产品的维护策略,最终降低昂贵且非必需的维护费用,同时还能提升产品的可靠性、可用性和安全性。因此,本文将重点研究基于监测大数据的产品剩余寿命预测方法。针对产品群规模大、传感器多、数据采样频率高、动态工况和多失效模式耦合、复杂产品失效物理模型不可获知等诸多挑战,本文研究了基于退化轨迹相似性分析的剩余寿命预测方法,构建了产品动态工况和多失效模式耦合作用下基于深度学习模型的剩余寿命预测方法,再融合粒子滤波技术和深度学习模型提出了混合剩余寿命预测方法,最后在Bootstrap实施框架下提出了更泛化的基于深度卷积神经网络的剩余寿命预测方法。本文主要研究内容及创新成果如下:（1）提出一种改进的基于退化轨迹相似性的产品剩余寿命预测方法。当存在大量相似产品历史监测数据时,传统的基于退化轨迹相似性的方法能精确地预测该类工程背景下产品的剩余寿命,但仅能给出剩余寿命点估计的结果。因此,需对传统的基于退化轨迹相似性的方法进行更加深入的研究以突破仅能对产品剩余寿命进行点估计的应用限制。基于轨迹相似性分析方法和核密度估计技术,同时结合β准则,提出了改进的基于退化轨迹相似性的产品剩余寿命预测方法。（2）提出一种基于深度学习模型的产品剩余寿命预测方法。现代工程系统常常工作在动态工况下且存在多失效模式耦合的情形,传统的基于数据驱动的方法尚不能处理该类情况下复杂产品的剩余寿命预测问题。本文利用深度学习模型中双向长短期记忆神经网络对时间序列数据的建模优势与极强的非线性建模分析能力,构建一种基于深度学习模型的方法,从而能够为复杂产品剩余寿命预测提供一种端对端的解决方案,且能给出比其他方法更为精确的估计结果。（3）提出融合粒子滤波技术和深度学习模型的混合剩余寿命预测方法。当某些特定产品的关键失效模式和失效模型已知时,传统的混合方法能够依据产品的失效物理模型并利用产品的状态监测数据对产品剩余寿命分布进行预测。但传统的混合方法较为繁琐,包含特征提取、选择、降维和退化指标回归分析等步骤。上述步骤的实施不仅需要充分利用领域内的专业知识,并且最终的预测性能较大地依赖于各个步骤的精确性。因此,传统的混合剩余寿命预测方法效率低且稳健性差。本文在粒子滤波的技术框架下,有效地利用双向长短期记忆神经网络和前馈神经网络的复杂结构,提出融合粒子滤波技术和深度学习模型的混合剩余寿命预测方法。（4）提出基于深度卷积神经网络和Bootstrap的剩余寿命预测方法。在工程实践中,当某些复杂产品关键失效模式未知且失效模型难以构建时,基于物理模型和深度学习模型的混合方法不能有效地对其剩余寿命预测区间进行量化。因此,本文在Bootstrap实施框架内提出一种更加泛化的基于深度卷积神经网络的剩余寿命预测方法,该方法能突破混合方法需要建立产品退化模型的限制,进一步拓宽基于深度学习模型的方法在复杂产品剩余寿命预测中的应用范围。
张金豹[4]（2020）在《基于全寿命数据的滚动轴承运行状态评估和剩余寿命预测》文中研究表明滚动轴承作为旋转机械的关键支撑零部件,其前期的设计可靠性和使用时的运行状态对人身安全、生产效率和经济效益具有严重影响。因此在投入使用前对其进行可靠性预估,检查批次的质量是否满足使用工况,将大大降低运行风险和后期的维修难度;在使用过程中通过故障预测与健康管理（PHM,Prognostics and Health Management）对滚动轴承的健康状态进行评估,则能使维护工作更具主动性,避免了以往被动的定期维护和视情维护。本文基于滚动轴承的全寿命数据,扩展了滚动轴承健康状态评估的理论框架。首先对滚动轴承的使用寿命进行概率统计分析和可靠性评估,在可靠性得到充分保证的情况下,再投入使用。在滚动轴承的运行状态评估中,根据从振动信号中提取故障特征,结合人工智能算法,实现滚动轴承运行过程中的故障监测、故障定位及剩余寿命预测。为实现对滚动轴承寿命数据的精确统计分析,本文引入具有容错能力的Ⅱ型广义logistic分布（Ⅱ-GLD,Type-ⅡGeneralized Logistic Distribution）和Tukey’s g-and-h分布。针对两个分布的不同特点,采用粒子群优化（PSO,Particle Swarm Optimization）算法实现了参数估计,优化目标函数分别为Ⅱ-GLD的负极大似然函数和Tukey’s g-and-h分布的分位数均方误差。结合104轴承和7208轴承寿命数据对正态分布、威布尔分布、Ⅱ-GLD和Tukey’s g-and-h分布的拟合效果进行对比,并分析不同分布对滚动轴承可靠度的影响。另外,基于Ⅱ-GLD和Tukey’s g-and-h分布的位置-刻度模型对滚动轴承加速寿命数据的P-S-N曲线进行建模,分别得到基于Ⅱ-GLD的解析表达和基于Tukey’s g-and-h分布的分位表达。实验结果表明,威布尔分布、Ⅱ-GLD和Tukey’s g-and-h分布对滚动轴承的寿命数据拟合精度近似,但Ⅱ-GLD的应用及推广比较灵活,而Tukey’s g-and-h分布则适合于分位寿命计算和预测。在只有健康样本的情况下,通过流形学习算法正交局部保持投影（OLPP,Orthogonal Locality Preserving Projection）结合支持向量数据描述（SVDD,Support Vector Data Description）的方法实现了滚动轴承的运行状态监测。首先从振动信号中采集统计特征,包括时域特征和Kolmogrov-Smirnov（K-S）检验统计量。根据各退化特征与均方根（RMS,Root Mean Square）的相关性大小进行初步特征筛选并标准化,然后采用OLPP进行降维,最后利用SVDD对降维数据进行信息融合得到性能退化指标,从而实现运行状态监测。利用辛辛那提大学智能制造系统（IMS,Intelligent Manufacturing Systems）中心以及作者在杭州轴承试验研究中心（HBRC,Hangzhou Bearing Test&Research Center）所做的两组滚动轴承全寿命数据对所提方法进行测试,验证了所提方法对早期故障监测的有效性。另外,基于全寿命数据对SVDD的高斯核函数带宽进行遍历寻优,使得性能退化指标和时间的相关性最大。该退化指标为后续剩余使用寿命（RUL,Remaining Useful Life）的预测奠定了基础。针对滚动轴承早期的非平稳、非线性故障振动信号,以及信号中存在的强噪声和谐波干扰,采用自适应局部迭代滤波（ALIF,Adaptive Local Iterative Filtering）去除背景噪声以及非平稳信号的影响,实现故障振动信号在不同尺度上的分析。仿真结果表明,ALIF能够有效减轻经验模态分解（EMD,Empirical Mode Decomposition）过程中出现的模态混淆等缺点。然后通过最大峭度原则选取ALIF分解后包含故障信息最丰富的本征模态函数（IMF,Intrinsic Mode Function）。通过Hilbert变换、Teager能量算子（TEO,Teager Energy Operator）、解析能量算子（AEO,Analytical Energy Operator）和二到四重高阶解析能量算子（HO-AEO,High Order Analytical Energy Operator）的仿真对比,说明四重HO-AEO在增强故障信息和抑制噪声的优越性。因此本文采用四重HO-AEO对最大峭度的IMF进行包络解调,结合快速傅里叶变换（FFT,Fast Fourier transform）进行频谱分析,通过与滚动轴承故障特征频率对比实现滚动轴承的早期故障诊断。最后通过实验滚动轴承运行状态监测异常点的频谱分析,说明所提方法的优越性,也进一步验证了状态监测方法的准确性。提出基于多尺度熵结合核稀疏表达的滚动轴承故障分类方法,用于改善传统故障诊断中特征提取、特征降维和故障分类三步走的多故障分类法。核稀疏表达分类（KSRC,Kernel Sparse Representation Classification）算法能够对不同类型的故障分别进行特征选择,从而更好的进行故障分类,其优势在于更高维特征能够显着提高分类精度。该方法能够克服支持向量机（SVM,Support Vector Machine）需要相应分类策略和人工神经网络（ANN,Artificial Neural Network）需要大样本训练的难题。最后利用叶轮泵故障轴承数据和凯斯西储大学（CWRU,Case Western Reserve University）人工故障轴承数据对所提方法的有效性和精确性进行了验证。结果表明,小样本情况下随特征维度的增大,KSRC对滚动轴承故障类型的分类精度也随之提高。研究了在运行监测指标波动性较大的情况下,基于集成学习的RUL预测模型。首先随机抽取退化区间的不重复样本,利用威布尔分布的浴盆曲线模型对滚动轴承的退化性能指标进行平滑处理,并结合PSO算法实现参数辨识。其次将拟合曲线样本作为训练输入样本,抽样的实际退化指标作为验证输入样本,对应退化区间的寿命比作为输出,分别代入最小二乘支持向量机（LSSVM,Least Square Support Vector Machine）和相关向量机（RVM,Relevance Vector Machine,）进行训练和测试,得到平均相对误差、均方根误差、平均绝对误差和归一化均方误差四类指标。然后分别计算LSSVM和RVM对RUL预测的加权系数,通过集成学习实现最终RUL的预测。最后通过滚动轴承全寿命数据对所提方法进行验证。结果表明,平滑性能退化指标能够有效地降低滚动轴承退化波动性对预测精度的影响;通过机器学习算法对待测样本进行相似度量,可以实现RUL的长程预测;集成学习算法能够弥补单个机器学习算法的不足,随着机器学习算法的增多,其预测结果会更趋近于真实值。因此本文所提方法的预测结果具有稳健性。
张彬[5]（2016）在《数据驱动的机械设备性能退化建模与剩余寿命预测研究》文中进行了进一步梳理机械设备的大部分失效表现为性能退化失效,因此需要通过科学有效的方法对设备的性能退化进行分析与建模,揭示其发生、发展变化规律,以在恰当时刻采取针对性的维修策略使性能退化得到控制、纠正甚至自愈。此外还需根据设备迄今为止的性能退化情况,对设备剩余寿命进行预测,为运营管理维护决策提供重要理论依据。数据驱动的方法直接对设备个体在既定服役环境下的状态监测数据进行处理,来获得设备性能退化与剩余寿命的相关信息,可以更好地反映设备的实际情况。而且对于难以建立物理失效模型的大型、复杂机械设备,也可通过数据驱动方法对其性能退化与剩余寿命进行研究。本论文对数据驱动的机械设备性能退化建模与剩余寿命预测相关问题进行了较深入的研究,论文的研究成果不仅可以应用于机械设备,而且在桥梁结构、输电杆塔等也有着广泛的应用前景。论文的主要创新性成果有如下几个方面：（1）提出了基于奇异值分解（Singular Value Decomposition, SVD）的信息（?）特征提取方法。针对工程实践中的多时刻（或多工况）、多测点传感器监测问题,本论文研究了同时集成多时刻（或多工况）与多测点监测信号进行融合分析的信息（?）方法,并提出了基于SVD的信息（?）特征提取方法。通过桁架结构螺栓松动与否的结构响应试验,验证了信息（?）分析方法在结构损伤识别中的可行性。然后将基于SVD的信息（?）特征提取方法用于轴承性能退化评估,内圈与滚动体的性能退化试验研究结果表明,所提出的特征提取方法可以获得比现有方法更好的评估结果。（2）提出了基于多评价指标的性能退化特征选取方法。针对缺乏性能退化特征评价选取的问题,本论文提出了相关性、单调性、预测性以及鲁棒性等4个指标来研究性能退化特征的评价选取,可减少当前人为观察的工作量以及其它不确定性。通过滚动轴承的性能退化试验数据,对单个轴承的性能退化特征进行了评价选取,初步验证了所提指标的有效性。进而将这些指标用于航空发动机性能退化仿真数据的研究,对相关传感器信号特征进行了系统性的评价,优选出能更好刻画相同失效模式下所有个体性能退化的特征。（3）提出了运行时间归一化的函数主元分析（Functional Principal Component Analysis, FPCA）性能退化建模方法。针对当前性能退化建模大多为参数化建模的问题,本论文研究了基于FPCA方法的自适应性能退化建模方法。为使各个个体的性能退化数据更为均匀分布在相同观察区间,减小FPCA模型参数估计误差,提出在建模前对运行时间进行归一化处理。通过航空发动机性能退化的仿真数据,对基于FPCA的性能退化建模方法进行了验证。此外,还将所提的方法进一步用于直流散热风扇性能退化试验数据的处理,实现了对复杂性能退化轨迹的自适应建模,也进一步验证了建模前对运行时间进行归一化的必要性。（4）提出了基于FPCA的相似性剩余寿命预测方法。通过相似性方法进行剩余寿命预测时,重点在于性能退化轨迹的抽象建模以及用于相似性比较时性能退化轨迹时间范围的确定,当前的相关研究还不够完善。为此,在FPCA性能退化建模基础上,提出了一种新的相似性剩余寿命预测方法。所提方法通过FPCA将性能退化轨迹建模为函数型数据,进而可直接根据测试个体的整个性能退化轨迹自适应生成相同长度的参考性能退化轨迹,避免了相似性比较时性能退化轨迹时间范围的确定问题。通过航空发动机仿真数据与直流散热风扇的性能退化试验数据,验证了所提方法的有效性。研究结果表明,所提方法可以得到较可靠、准确的剩余寿命预测,而且随着测试个体状态监测数据的积累,剩余寿命的预测误差不断减小。
周裕华[6]（2018）在《滚动轴承的性能退化评估与剩余使用寿命预测方法的研究》文中认为滚动轴承被广泛应用于众多机械设备中,它是极其重要而易受损坏的旋转部件,也是机械故障的主要源头,从而掌握滚动轴承的性能退化评估与剩余使用寿命预测技术成为了当今工业界的迫切需求。本文以滚动轴承作为研究对象,就轴承的退化机理分析、振动特征提取、轴承的性能退化评估与剩余使用寿命预测这四个方面展开了深入的研究。本论文的主要研究内容如下:（1）针对滚动轴承的监测信号难以直观表征轴承性能退化特性的问题,分析了轴承的退化机理分析,简述了轴承的状态监测/采集方法,为轴承振动特征提取的研究做好了前期准备。（2）针对在轴承性能退化评估和预测的任务中难以从原始的振动信号中提取到有效特征的问题,研究了以卷积稀疏编码为主体的轴承振动特征提取方法。本文提出了基于“利用ADMM优化带组合学习的卷积稀疏编码”的特征提取方法,利用该方法可提取到由重构误差信号的均方根和峰度、加权的稀疏系数组成的特征集,最后通过IMS轴承振动信号实例验证了该方法的有效性。（3）针对在轴承性能退化评估方法研究中,轴承的衰退指标难以构建与指标阈值难以设定这两个问题,分别研究了基于加权融合特征集信息的指标构建方法和基于置信区间的指标阈值设定方法。通过传统特征指标的曲线分析和时域振动信号的直观分析,指出了传统特征指标和直观的时域分析均难以用于评估轴承退化程度的问题。本文提出了基于“PCA融合特征信息的衰退指标构建、切比雪夫不等式的指标阈值设定和指数加权移动平均法的指标平滑”三者结合的轴承性能退化评估方法,通过标准的IMS轴承全寿命数据集验证了该退化评估方法的有效性。（4）针对在中小样本的情况下,传统的寿命预测方法和基于人工神经网络的方法都无法有效预测轴承剩余寿命的问题,研究了以SVR为主体的滚动轴承剩余使用寿命预测方法。本文实现了基于“相空间重构、果蝇优化和SVR”三者结合的轴承剩余使用寿命预测方法,通过IMS轴承全寿命数据集验证了该寿命预测方法的有效性。上述所有方法在标准的IMS轴承全寿命数据集上完成了有效性验证的实验。
张龙龙[7]（2014）在《基于多健康状态评估的滚动轴承剩余寿命预测方法研究》文中研究表明滚动轴承是一种常见的机械设备关键部件,研究其剩余寿命可以帮助工程人员及时采取合理的措施延长设备的寿命,防止损伤扩大化。本论文采用多健康状态评估的方法实现滚动轴承的剩余寿命预测。使用支持向量机分类模型（Support Vector Classification,简称SVC）实现状态评估,并在此基础上通过支持向量机回归模型（Support Vector Regression,简称SVR）实现剩余寿命预测。在建立模型之前,首先需要对采集得到的数据进行预处理。本文阐述了滚动轴承加速寿命试验平台的基本情况,总结了所使用数据的统计特性以及对原始数据进行特征提取的技术手段。采集到的原始振动信号需要进行移动平均平滑处理,以尽可能的消除噪声对信号的影响；然后对每个时间片段的数据进行特征提取,包含水平振动方向和垂直振动方向的时域特征、频域特征、故障频率特征以及经验模态分解（Empirical Mode Decomposition,简称EMD）分解特征。此外,本文还着重计算了信号的熵特征,主要包含：时域信号信息熵,频域信号信息熵以及希尔伯特熵。通过分析提取的滚动轴承特征,发现希尔伯特熵可以比较好的描述轴承的健康状态信息,它可以将轴承的整个生命周期分为两种模式：状态Ⅰ（平稳期）、状态Ⅱ（退化期）和状态Ⅲ（快速失效期）,或者状态Ⅰ（平稳期）和状态Ⅲ（快速失效期）。通过相关系数分析,可以选择出用于轴承健康状态评估的特征集。选定的特征集是SVC的输入变量,其所对应的标签是SVC的输出变量,通过参数优化得到最优的SVC模型。算例验证表明确定的SVC模型可以比较准确的实现轴承的健康状态分类。在健康状态评估的基础上,针对不同状态的轴承进行剩余寿命模型的建立。处于状态Ⅰ中的轴承运行比较平稳,特征信号保持稳定,这说明其处于良好的健康状态,因此在这个阶段本文不进行剩余寿命的预测。轴承进入状态II和状态Ⅲ之后,标志着其性能开始发生退化,因此需要对处于这两种状态的轴承进行剩余寿命预测。利用相关性分析可确定用于剩余寿命预测的特征集,并分别建立针对状态Ⅱ的SVR模型和状态Ⅲ的SVR预测模型。算例表明,确定的SVR模型可以比较准确地实现状态Ⅱ和状态Ⅲ的剩余寿命预测,从而可以得到比较准确的轴承剩余寿命信息。针对本文在建模过程中可能存在的不足之处,在论文的第六章展望中,对未来的工作做出明确规划,以期在未来的学习中可以对此模型不断完善。
关健[8]（2019）在《航空滚动轴承用M50钢的接触疲劳损伤行为研究》文中研究指明随着航空航天领域的高端装备技术的发展,滚动轴承会面临更加严苛的工况条件,如重载荷的交替作用、持续的过载作用、摩擦副间润滑状态转变等。复杂的工况条件会造成滚动轴承摩擦副表面的高接触应力和高剪切应力,导致轴承钢摩擦副表面接触疲劳损伤加速,造成滚动轴承的早期失效,严重影响装备的安全使用。目前M50高温轴承钢已经成为主要的技术发展方向。M50钢中的合金元素含量更高,相比于传统轴承钢具有更好的热硬性。但合金元素易与碳元素形成碳化物,碳化物具有颗粒大和易碎裂等特点,同时M50钢对内部空洞和夹杂等高度敏感。因此,开展M50钢摩擦副的疲劳损伤机理研究,建立M50轴承钢的寿命评价体系具有重要意义。采用晶格有限元法模拟接触微区的显微结构及尺寸,建立了包含非规则形状夹杂的有限元和疲劳损伤相结合的复合表征模型。该模型不必依托于疲劳裂纹的尺寸,考虑了载荷作用次序效应和材料宏观参数的影响,具有很好的使用价值。结合现有的滚动轴承拟动力学分析手段,研究了外载荷、润滑状态对均匀材料的疲劳损伤的影响规律,确定了滚动轴承服役过程中的安全载荷临界值。当外载荷值小于该临界值时,滚动轴承服役过程中材料内部不产生疲劳损伤。研究了夹杂弹性模量、尺寸、深度等相关参数对应力分布和疲劳损伤的影响规律。结果表明,夹杂高的弹性模量、大的尺寸和浅的深度都会造成更严重的疲劳损伤,加速M50钢材料的疲劳失效,根据计算结果,得到了夹杂对M50轴承钢材料疲劳损伤无影响的尺寸和深度临界值。建立了包含接触微区真实微观夹杂的有限元分析模型。结果表明,形状复杂的夹杂引起的疲劳损伤更严重。对接触微区含大量夹杂的真实形貌的研究结果表明,疲劳裂纹起源于夹杂间的应力集中位置,表面摩擦系数的增加会促使疲劳裂纹向接触表面扩展;深度超过一定值时,夹杂引起的应力集中效应减弱,甚至不会有疲劳损伤产生;夹杂弹性模量增大时,疲劳裂纹会扩展到更深的位置。分析结果对M50钢热处理工艺具有指导意义,对大尺寸碳化物进行细化,能够有效地减轻其对轴承钢造成的疲劳损伤。分析了强化载荷高周循环接触对M50轴承钢材料循环硬化作用和喷丸与离子注入复合改性条件对残余应力分布的影响,探究了其对疲劳损伤和疲劳寿命的影响规律。强化载荷的循环作用和残余压应力分别提高了材料的循环硬化系数和应力幅值,降低了轴承钢材料的疲劳损伤累积速率,延长了疲劳寿命。分析了表面粗糙形貌对接触微区疲劳损伤和裂纹扩展的影响。分析结果表明横向纹理表面、负偏度值、较小的均方根值和峰度值都能延缓裂纹扩展,延长材料疲劳寿命。混合润滑会导致接触区域局部产生高压应力和高摩擦力。局部高摩擦力区域摩擦系数的增加会导致裂纹扩展速度加快,疲劳寿命急剧减小;局部高摩擦力区域的半径增加同样会导致疲劳寿命减小,但当半径超过一定值时,疲劳寿命基本保持稳定。采用球-盘式疲劳试验机完成了M50钢试件在不同加载条件下的接触疲劳试验。高-低载荷作用下,表面出现了更多的疲劳点蚀坑,表面发生了更严重的损伤。采用本文建立的模型分析了两种载荷次序下表面的损伤情况,模型的分析结果与试验结果相近,能够反映载荷作用次序效应,证明了模型的可靠性。进一步研究了夹杂引起的裂纹扩展方向与滚动方向（摩擦力方向）的关系,证明了裂纹扩展方向只与摩擦力方向相关,其他因素只会影响裂纹的形状及深度。对M50钢的疲劳寿命理论分析结果与试验结果相近,证明了模型可以对轴承钢疲劳寿命进行预测。
姚龙[9]（2019）在《薄壁四点接触球轴承参数化设计与动力学分析》文中研究说明薄壁四点接触球轴承是工业机器人的关键配套元件,作为腕部关节的重要一部分,作为典型的核心基础零部件,对工业机器人设备的动力学性能有着重要的影响。本文来源于国家自然科学基金项目“高性能滚动轴承-螺旋锥齿轮系统柔性多体接触动力学研究”（11462008）。为了完善薄壁四点接触球轴承结构的数字化设计方法,满足工业机器人的专用配套轴承需求,有必要对工业机器人用薄壁四点接触球轴承设计理论方法,动力学特性和疲劳寿命进行研究,得到关键主参数的影响规律、分析方法及优化结果,获得性能优化的薄壁四点接触球轴承。以工业机器人用薄壁四点接触球轴承为研究对象,本文主要研究的内容如下:（1）根据薄壁四点接触球轴承的结构特点,分析选择轴承结构主参数和行业标准次参数,建立薄壁轴承的数字化全参数几何结构模型。以轴承的力学性能为目标函数,以结构主参数为设计变量,对轴承结构参数进行优化分析。基于轴承的参数化多体动力学模型,研究主参数对其力学性能的影响规律。以外沟道曲率、内沟道曲率和径向游隙关键主参数为设计变量,以不同的力学性能为目标函数,开展设计变量的最优组合分析,获得力学性能优化的薄壁四点接触球轴承的几何结构参数模型。（2）针对轴承配合的过盈量及界面接触问题,运用有限元方法和多体动力学方法,建立工业机器人腕部的轴承-空心轴-基座的有限元分析模型和柔性多体接触动力学分析模型,开展工业机器人腕部薄壁四点接触球轴承-外孔基座-空心轴柔性多体、多界面接触的腕关节动力学性能研究,计算分析薄壁轴承配合的过盈量和界面接触特性对腕关节动力学性能的影响规律。（3）以常规深沟球轴承为例,进行疲劳寿命加速试验,得到转速对轴承疲劳寿命的影响。对比分析不同寿命计算公式获得的球轴承理论寿命,包括基本额定寿命、修正额定寿命和疲劳寿命,分析影响轴承寿命的因素。基于轴承-空心轴-基座的载荷分布规律,仿真计算分析薄壁四点接触球轴承的额定寿命和疲劳寿命。
梁竞之[10]（2019）在《滚动轴承的故障监测与状态管理系统研究》文中研究指明随着数据分析和工业物联网技术的快速发展,基于数据驱动与物理系统模型相结合的设备故障预测与健康管理技术（PHM）受到青睐。可使设备由视情维修向状态监测和健康管理的转变,具有故障诊断与剩余寿命预测的能力。但目前滚动轴承的PHM系统大多仅依据大量状态数据进行分析,通过加强算法来提高健康管理能力,但却忽视了与轴承本身服役性能和失效机理的有机融合。因此,本文通过强化物理系统与数据驱动方法的结合,构建面向智能制造的PHM系统。首先,设计了滚动轴承PHM系统的功能体系,此系统可用于滚动轴承服役全寿命周期,具备初始阶段无历史数据情况下基于轴承物理模型的系统状态判断、服役过程中基于已有数据分析和轴承物理模型结合的实时状态管理、服役中后期基于状态分析和寿命发展模型的剩余寿命预测三大功能。通过输入轴承基本参数及工况参数可以对轴承进行温度求解、拟动力学计算以及故障特征频率求解,将分析结果与实时监测信号对比分析可进行轴承服役初期的状态判定;建立了基于滚动轴承的失效形式和故障症状的故障树,当轴承状态监测信号出现异常时,可根据故障树对轴承进行初步故障分析,并根据故障诊断知识库查找故障原因和改善措施。然后,根据润滑状态定义了轴承单点失效模型,界定了疲劳失效与磨损失效边界;根据疲劳发展模型与磨损发展模型,计算了疲劳裂纹和磨损量随时间的变化关系,并模拟了疲劳缺陷与磨损缺陷的振动特征响应。最后,通过粒子滤波方法,分别将疲劳发展模型和磨损发展模型与振动特征值结合建立状态空间模型,并通过BP神经网络建立了滚动轴承组合退化模型,综合以上模型,搭建了滚动轴承PHM系统的剩余寿命预测模块;结合网络已有的轴承全寿命振动数据进行了预处理和特征提取,并根据Fisher准则选择出了最优特征值;对轴承进行了疲劳退化分析、磨损退化分析和组合退化分析;基于C#语言与Matlab语言混编搭建了滚动轴承PHM平台,实现了滚动轴承的故障监测与状态管理。
二、关于轴承使用寿命的初步探讨（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、关于轴承使用寿命的初步探讨（论文提纲范文）
（1）中国筑路机械学术研究综述·2018（论文提纲范文）
| 索引 |
| 0引言 (长安大学焦生杰教授提供初稿) |
| 1 土石方机械 |
| 1.1 推土机 (长安大学焦生杰教授、肖茹硕士生, 吉林大学赵克利教授提供初稿;长安大学焦生杰教授统稿) |
| 1.1.1 国内外研究现状 |
| 1.1.1. 1 国外研究现状 |
| 1.1.1. 2 中国研究现状 |
| 1.1.2 研究的热点问题 |
| 1.1.3 存在的问题 |
| 1.1.4 研究发展趋势 |
| 1.2 挖掘机 (山河智能张大庆高级工程师团队、华侨大学林添良副教授提供初稿;山河智能张大庆高级工程师统稿) |
| 1.2.1 挖掘机节能技术 (山河智能张大庆高级工程师、刘昌盛博士、郝鹏博士, 华侨大学林添良副教授, 中南大学胡鹏博士生、林贵堃硕士生提供初稿) |
| 1.2.1. 1 传统挖掘机动力总成节能技术 |
| 1.2.1. 2 新能源技术 |
| 1.2.1. 3 混合动力技术 |
| 1.2.2 挖掘机智能化与信息化 (山河智能张大庆高级工程师, 中南大学胡鹏、周烜亦博士生、李志勇、范诗萌硕士生提供初稿) |
| 1.2.2. 1 挖掘机辅助作业技术 |
| 1.2.2. 2 挖掘机故障诊断技术 |
| 1.2.2. 3 挖掘机智能施工技术 |
| 1.2.2. 4 挖掘机远程监控技术 |
| 1.2.2. 5 问题与展望 |
| 1.2.3 挖掘机轻量化与可靠性 (山河智能张大庆高级工程师、王德军副总工艺师, 中南大学刘强博士生、万宇阳硕士生提供初稿) |
| 1.2.3. 1 挖掘机轻量化研究 |
| 1.2.3. 2 挖掘机疲劳可靠性研究 |
| 1.2.3. 3 存在的问题与展望 |
| 1.2.4 挖掘机振动与噪声 (山河智能张大庆高级工程师, 中南大学刘强博士生、万宇阳硕士生提供初稿) |
| 1.2.4. 1 挖掘机振动噪声分类与产生机理 |
| 1.2.4. 2 挖掘机振动噪声信号识别现状和发展趋势 |
| 1.2.4. 3 挖掘机减振降噪技术现状和发展趋势 |
| 1.2.4. 4 挖掘机振动噪声存在问题与展望 |
| 1.3 装载机 (吉林大学秦四成教授, 博士生遇超、许堂虹提供初稿) |
| 1.3.1 装载机冷却系统散热技术研究 |
| 1.3.1. 1 国内外研究现状 |
| 1.3.1. 2 研究发展趋势 |
| 1.3.2 鱼和熊掌兼得的HVT |
| 1.3.2. 1 技术原理及结构特点 |
| 1.3.2. 2 技术优点 |
| 1.3.2. 3 国外研究现状 |
| 1.3.2. 4 中国研究现状 |
| 1.3.2. 5 发展趋势 |
| 1.3.2. 6 展望 |
| 1.4 平地机 (长安大学焦生杰教授、赵睿英高级工程师提供初稿) |
| 1.4.1 平地机销售情况与核心技术构架 |
| 1.4.2 国外平地机研究现状 |
| 1.4.2. 1 高效的动力传动技术 |
| 1.4.2. 2 变功率节能技术 |
| 1.4.2. 3 先进的工作装置电液控制技术 |
| 1.4.2. 4 操作方式与操作环境的人性化 |
| 1.4.2. 5 转盘回转驱动装置过载保护技术 |
| 1.4.2. 6 控制系统与作业过程智能化 |
| 1.4.2. 7 其他技术 |
| 1.4.3 中国平地机研究现状 |
| 1.4.4 存在问题 |
| 1.4.5 展望 |
| 2压实机械 |
| 2.1 静压压路机 (长安大学沈建军高级工程师提供初稿) |
| 2.1.1 国内外研究现状 |
| 2.1.2 存在问题及发展趋势 |
| 2.2 轮胎压路机 (黑龙江工程学院王强副教授提供初稿) |
| 2.2.1 国内外研究现状 |
| 2.2.2 热点研究方向 |
| 2.2.3 存在的问题 |
| 2.2.4 研究发展趋势 |
| 2.3 圆周振动技术 (长安大学沈建军高级工程师提供初稿) |
| 2.3.1 国内外研究现状 |
| 2.3.1. 1 双钢轮技术研究进展 |
| 2.3.1. 2 单钢轮技术研究进展 |
| 2.3.2 热点问题 |
| 2.3.3 存在问题 |
| 2.3.4 发展趋势 |
| 2.4 垂直振动压路机 (合肥永安绿地工程机械有限公司宋皓总工程师提供初稿) |
| 2.4.1 国内外研究现状 |
| 2.4.2 存在的问题 |
| 2.4.3 热点研究方向 |
| 2.4.4 研究发展趋势 |
| 2.5 振动压路机 (建设机械技术与管理杂志社万汉驰高级工程师提供初稿) |
| 2.5.1 国内外研究现状 |
| 2.5.1. 1 国外振动压路机研究历史与现状 |
| 2.5.1. 2 中国振动压路机研究历史与现状 |
| 2.5.1. 3 特种振动压实技术与产品的发展 |
| 2.5.2 热点研究方向 |
| 2.5.2. 1 控制技术 |
| 2.5.2. 2 人机工程与环保技术 |
| 2.5.2. 3 特殊工作装置 |
| 2.5.2. 4 振动力调节技术 |
| 2.5.2. 4. 1 与振动频率相关的调节技术 |
| 2.5.2. 4. 2 与振幅相关的调节技术 |
| 2.5.2. 4. 3 与振动力方向相关的调节技术 |
| 2.5.2. 5 激振机构优化设计 |
| 2.5.2. 5. 1 无冲击激振器 |
| 2.5.2. 5. 2 大偏心矩活动偏心块设计 |
| 2.5.2. 5. 3 偏心块形状优化 |
| 2.5.3 存在问题 |
| 2.5.3. 1 关于名义振幅的概念 |
| 2.5.3. 2 关于振动参数的设计与标注问题 |
| 2.5.3. 3 振幅均匀性技术 |
| 2.5.3. 4 起、停振特性优化技术 |
| 2.5.4 研究发展方向 |
| 2.6 冲击压路机 (长安大学沈建军高级工程师提供初稿) |
| 2.6.1 国内外研究现状 |
| 2.6.2 研究热点 |
| 2.6.3 主要问题 |
| 2.6.4 发展趋势 |
| 2.7 智能压实技术及设备 (西南交通大学徐光辉教授, 长安大学刘洪海教授、贾洁博士生, 国机重工 (洛阳) 建筑机械有限公司韩长太副总经理提供初稿;西南交通大学徐光辉教授统稿) |
| 2.7.1 国内外研究现状 |
| 2.7.2 热点研究方向 |
| 2.7.3 存在的问题 |
| 2.7.4 研究发展趋势 |
| 3路面机械 |
| 3.1 沥青混凝土搅拌设备 (长安大学谢立扬高级工程师、张晨光博士生、赵利军副教授提供初稿) |
| 3.1.1 国内外能耗研究现状 |
| 3.1.1. 1 烘干筒 |
| 3.1.1. 2 搅拌缸 |
| 3.1.1. 3 沥青混合料生产工艺与管理 |
| 3.1.2 国内外环保研究现状 |
| 3.1.2. 1 环保的宏观管理 |
| 3.1.2. 2 沥青烟 |
| 3.1.2. 3 排放因子 |
| 3.1.3 存在的问题 |
| 3.1.4 未来研究趋势 |
| 3.2 沥青混凝土摊铺机 (长安大学焦生杰教授、周小浩硕士生提供初稿) |
| 3.2.1 沥青混凝土摊铺机近几年销售情况 |
| 3.2.2 国内外研究现状 |
| 3.2.2. 1 国外沥青混凝土摊铺机发展现状 |
| 3.2.2. 2 中国沥青混凝土摊铺机的发展现状 |
| 3.2.2. 3 国内外行驶驱动控制技术 |
| 3.2.2. 4 国内外智能化技术 |
| 3.2.2. 5 国内外自动找平技术 |
| 3.2.2. 6 振捣系统的研究 |
| 3.2.2. 7 国内外熨平板的研究 |
| 3.2.2. 8 国内外其他技术的研究 |
| 3.2.3 存在的问题 |
| 3.2.4 研究的热点方向 |
| 3.2.5 发展趋势与展望 |
| 3.3 水泥混凝土搅拌设备 (长安大学赵利军副教授、冯忠绪教授、赵凯音博士生提供初稿;长安大学赵利军副教授统稿) |
| 3.3.1 国内外研究现状 |
| 3.3.1. 1 搅拌机 |
| 3.3.1. 2 振动搅拌技术 |
| 3.3.1. 3 搅拌工艺 |
| 3.3.1. 4 搅拌过程监控技术 |
| 3.3.2 存在问题 |
| 3.3.3 总结与展望 |
| 3.4 水泥混凝土摊铺设备 (长安大学胡永彪教授提供初稿) |
| 3.4.1 国内外研究现状 |
| 3.4.1. 1 作业机理 |
| 3.4.1. 2 设计计算 |
| 3.4.1. 3 控制系统 |
| 3.4.1. 4 施工技术 |
| 3.4.2 热点研究方向 |
| 3.4.3 存在的问题 |
| 3.4.4 研究发展趋势[466] |
| 3.5 稳定土厂拌设备 (长安大学赵利军副教授、李雅洁研究生提供初稿) |
| 3.5.1 国内外研究现状 |
| 3.5.1. 1 连续式搅拌机与搅拌工艺 |
| 3.5.1. 2 振动搅拌技术 |
| 3.5.2 存在问题 |
| 3.5.3 总结与展望 |
| 4桥梁机械 |
| 4.1 架桥机 (石家庄铁道大学邢海军教授提供初稿) |
| 4.1.1 公路架桥机的分类及结构组成 |
| 4.1.2 架桥机主要生产厂家及其典型产品 |
| 4.1.2. 1 郑州大方桥梁机械有限公司 |
| 4.1.2. 2 邯郸中铁桥梁机械设备有限公司 |
| 4.1.2. 3 郑州市华中建机有限公司 |
| 4.1.2. 4 徐州徐工铁路装备有限公司 |
| 4.1.3 大吨位公路架桥机 |
| 4.1.3. 1 LGB1600型导梁式架桥机 |
| 4.1.3. 2 TLJ1700步履式架桥机 |
| 4.1.3. 3 架桥机的规范与标准 |
| 4.1.4 发展趋势 |
| 4.1.4. 1 自动控制技术的应用 |
| 4.1.4. 2 智能安全监测系统的应用 |
| 4.1.4. 3 故障诊断技术的应用 |
| 4.2 移动模架造桥机 (长安大学吕彭民教授、陈一馨讲师, 山东恒堃机械有限公司秘嘉川工程师、王龙奉工程师提供初稿;长安大学吕彭民教授统稿) |
| 4.2.1 移动模架造桥机简介 |
| 4.2.1. 1 移动模架造桥机的分类及特点 |
| 4.2.1. 2 移动模架主要构造及其功能 |
| 4.2.1. 3 移动模架系统的施工原理与工艺流程 |
| 4.2.2 国内外研究现状 |
| 4.2.2. 1 国外研究状况 |
| 4.2.2. 2 国内研究状况 |
| 4.2.3 中国移动模架造桥机系列创新及存在的问题 |
| 4.2.3. 1 中国移动模架造桥机系列创新 |
| 4.2.3. 2 中国移动模架存在的问题 |
| 4.2.4 研究发展的趋势 |
| 5隧道机械 |
| 5.1 喷锚机械 (西安建筑科技大学谷立臣教授、孙昱博士生提供初稿) |
| 5.1.1 国内外研究现状 |
| 5.1.1. 1 混凝土喷射机 |
| 5.1.1. 2 锚杆钻机 |
| 5.1.2 存在的问题 |
| 5.1.3 热点及研究发展方向 |
| 5.2 盾构机 (中南大学易念恩实验师, 长安大学叶飞教授, 中南大学王树英副教授、夏毅敏教授提供初稿) |
| 5.2.1 盾构机类型 |
| 5.2.1. 1 国内外发展现状 |
| 5.2.1. 2 存在的问题与研究热点 |
| 5.2.1. 3 研究发展趋势 |
| 5.2.2 盾构刀盘 |
| 5.2.2. 1 国内外研究现状 |
| 5.2.2. 2 热点研究方向 |
| 5.2.2. 3 存在的问题 |
| 5.2.2. 4 研究发展趋势 |
| 5.2.3 盾构刀具 |
| 5.2.3. 1 国内外研究现状 |
| 5.2.3. 2 热点研究方向 |
| 5.2.3. 3 存在的问题 |
| 5.2.3. 4 研究发展趋势 |
| 5.2.4 盾构出渣系统 |
| 5.2.4. 1 螺旋输送机 |
| 5.2.4. 2 泥浆输送管路 |
| 5.2.5 盾构渣土改良系统 |
| 5.2.5. 1 国内外发展现状 |
| 5.2.5. 2 存在问题与研究热点 |
| 5.2.5. 3 研究发展趋势 |
| 5.2.6 壁后注浆系统 |
| 5.2.6. 1 国内外发展现状 |
| 5.2.6. 2 研究热点方向 |
| 5.2.6. 3 存在的问题 |
| 5.2.6. 4 研究发展趋势 |
| 5.2.7 盾构检测系统 |
| 5.2.7. 1 国内外研究现状 |
| 5.2.7. 2 热点研究方向 |
| 5.2.7. 3 存在的问题 |
| 5.2.7. 4 研究发展趋势 |
| 5.2.8 盾构推进系统 |
| 5.2.8. 1 国内外研究现状 |
| 5.2.8. 2 热点研究方向 |
| 5.2.8. 3 存在的问题 |
| 5.2.8. 4 研究发展趋势 |
| 5.2.9 盾构驱动系统 |
| 5.2.9. 1 国内外研究现状 |
| 5.2.9. 2 热点研究方向 |
| 5.2.9. 3 存在的问题 |
| 5.2.9. 4 研究发展趋势 |
| 6养护机械 |
| 6.1 清扫设备 (长安大学宋永刚教授提供初稿) |
| 6.1.1 国外研究现状 |
| 6.1.2 热点研究方向 |
| 6.1.2. 1 单发动机清扫车 |
| 6.1.2. 2 纯电动清扫车 |
| 6.1.2. 3 改善人机界面向智能化过渡 |
| 6.1.3 存在的问题 |
| 6.1.3. 1 整车能源效率偏低 |
| 6.1.3. 2 作业效率低 |
| 6.1.3. 3 除尘效率低 |
| 6.1.3. 4 静音水平低 |
| 6.1.4 研究发展趋势 |
| 6.1.4. 1 节能环保 |
| 6.1.4. 2 提高作业性能及效率 |
| 6.1.4. 3 提高自动化程度及路况适应性 |
| 6.2 除冰融雪设备 (长安大学高子渝副教授、吉林大学赵克利教授提供初稿;长安大学高子渝副教授统稿) |
| 6.2.1 国内外除冰融雪设备研究现状 |
| 6.2.1. 1 融雪剂撒布机 |
| 6.2.1. 2 热力法除冰融雪机械 |
| 6.2.1. 3 机械法除冰融雪机械 |
| 6.2.1. 4 国外除冰融雪设备技术现状 |
| 6.2.1. 5 中国除冰融雪设备技术现状 |
| 6.2.2 中国除冰融雪机械存在的问题 |
| 6.2.3 除冰融雪机械发展趋势 |
| 6.3 检测设备 (长安大学叶敏教授、张军讲师提供初稿) |
| 6.3.1 路面表面性能检测设备 |
| 6.3.1. 1 国外路面损坏检测系统 |
| 6.3.1. 2 中国路面损坏检测系统 |
| 6.3.2 路面内部品质的检测设备 |
| 6.3.2. 1 新建路面质量评价设备 |
| 6.3.2. 2 砼路面隐性病害检测设备 |
| 6.3.2. 3 沥青路面隐性缺陷的检测设备 |
| 6.3.3 研究热点与发展趋势 |
| 6.4 铣刨机 (长安大学胡永彪教授提供初稿) |
| 6.4.1 国内外研究现状 |
| 6.4.1. 1 铣削转子动力学研究 |
| 6.4.1. 2 铣削转子刀具排列优化及刀具可靠性研究 |
| 6.4.1. 3 铣刨机整机参数匹配研究 |
| 6.4.1. 4 铣刨机转子驱动系统研究 |
| 6.4.1. 5 铣刨机行走驱动系统研究 |
| 6.4.1. 6 铣刨机控制系统研究 |
| 6.4.1. 7 铣刨机路面工程应用研究 |
| 6.4.2 热点研究方向 |
| 6.4.3 存在的问题 |
| 6.4.4 研究发展趋势 |
| 6.4.4. 1 整机技术 |
| 6.4.4. 2 动力技术 |
| 6.4.4. 3 传动技术 |
| 6.4.4. 4 控制与信息技术 |
| 6.4.4. 5 智能化技术 |
| 6.4.4. 6 环保技术 |
| 6.4.4. 7 人机工程技术 |
| 6.5 再生设备 (长安大学顾海荣、马登成副教授提供初稿;顾海荣副教授统稿) |
| 6.5.1 厂拌热再生设备 |
| 6.5.1. 1 国内外研究现状 |
| 6.5.1. 2 热点研究方向 |
| 6.5.1. 3 存在的问题 |
| 6.5.1. 4 研究发展趋势 |
| 6.5.2 就地热再生设备 |
| 6.5.2. 1 国内外研究现状 |
| 6.5.2. 2 热点研究方向 |
| 6.5.2. 3 存在的问题 |
| 6.5.2. 4 研究发展趋势 |
| 6.5.3 冷再生设备 |
| 6.5.3. 1 国内外研究现状 |
| 6.5.3. 2 热点研究方向 |
| 6.6 封层车 (长安大学焦生杰教授、杨光兴硕士生提供初稿) |
| 6.6.1 前言 |
| 6.6.2 同步碎石封层技术与设备 |
| 6.6.2. 1 同步碎石封层技术简介 |
| 6.6.2. 2 国外研究现状 |
| 6.6.2. 3 中国研究现状 |
| 6.6.2. 4 研究方向 |
| 6.6.2. 5 存在的问题 |
| 6.6.3 稀浆封层技术与设备 |
| 6.6.3. 1 稀浆封层技术简介 |
| 6.6.3. 2 国外研究现状 |
| 6.6.3. 3 中国发展现状 |
| 6.6.3. 4 热点研究方向 |
| 6.6.3. 5 存在的问题 |
| 6.6.4 雾封层技术与设备 |
| 6.6.4. 1 雾封层技术简介 |
| 6.6.4. 2 国外发展现状 |
| 6.6.4. 3 中国发展现状 |
| 6.6.4. 4 热点研究方向 |
| 6.6.4. 5 存在的问题 |
| 6.6.5 研究发展趋势 |
| 6.7 水泥路面修补设备 (长安大学叶敏教授、窦建明博士生提供初稿) |
| 6.7.1 技术简介 |
| 6.7.1. 1 施工技术 |
| 6.7.1. 2 施工机械 |
| 6.7.1. 3 共振破碎机工作原理 |
| 6.7.2 共振破碎机研究现状 |
| 6.7.2. 1 国外研究发展现状 |
| 6.7.2. 2 中国研究发展现状 |
| 6.7.3 研究热点及发展趋势 |
| 6.7.3. 1 研究热点 |
| 6.7.3. 2 发展趋势 |
| 7 结语 (长安大学焦生杰教授提供初稿) |
（2）基于多传感器数据融合的高速列车传动系统故障诊断与健康状态预测（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词 |
| 第1章 绪论 |
| 1.1 依托项目 |
| 1.2 研究背景及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 高速列车传动系统故障诊断研究现状 |
| 1.3.2 基于多传感器数据融合的故障诊断研究现状 |
| 1.3.3 基于性能退化的健康状态预测研究现状 |
| 1.3.4 研究现状总结 |
| 1.4 主要研究内容 |
| 1.5 技术路线 |
| 1.6 本章小结 |
| 第2章 高速列车传动系统关键部件状态监测 |
| 2.1 高速列车传动系统基本结构及工作原理 |
| 2.2 高速列车传动系统关键部件常见故障 |
| 2.3 高速列车传动系统关键部件监测传感器布局优化 |
| 2.3.1 电机传感器布局优化 |
| 2.3.2 齿轮箱传感器布局优化 |
| 2.3.3 轴箱传感器布局优化 |
| 2.4 高速列车传动系统监测数据的采集与分析 |
| 2.4.1 数据采集 |
| 2.4.2 监测数据分析 |
| 2.5 本章小结 |
| 第3章 基于多测点信息融合的高速列车齿轮箱故障诊断 |
| 3.1 相关函数融合算法 |
| 3.2 融合信息特征提取 |
| 3.2.1 集合经验模态分解理论 |
| 3.2.2 IMF熵特征提取 |
| 3.3 模糊C均值聚类算法 |
| 3.4 基于多测点信息融合的高速列车齿轮箱故障诊断 |
| 3.5 实验验证 |
| 3.5.1 齿轮箱各测点振动信息相关性分析 |
| 3.5.2 IMF熵特征提取 |
| 3.5.3 FCM聚类分析结果 |
| 3.6 本章小结 |
| 第4章 基于多传感器数据融合的高速列车传动系统故障诊断 |
| 4.1 故障特征提取 |
| 4.2 局部保持投影算法 |
| 4.3 模糊积分融合算法 |
| 4.3.1 模糊测度 |
| 4.3.2 模糊积分 |
| 4.4 高速列车传动系统多传感器数据融合故障诊断 |
| 4.5 实验验证 |
| 4.5.1 数据采集与分析 |
| 4.5.2 故障特征提取与降维 |
| 4.5.3 基于FCM-FI融合诊断 |
| 4.5.4 对比分析 |
| 4.6 本章小结 |
| 第5章 高速列车传动系统关键部件振动信号多模型混合预测 |
| 5.1 时间序列预测算法分析 |
| 5.2 自回归模型 |
| 5.3 支持向量机 |
| 5.3.1 支持向量回归机 |
| 5.3.2 SVR预测过程 |
| 5.4 构建混合预测模型 |
| 5.4.1 EEMD-AR-SVR-CPSO混合预测模型 |
| 5.4.2 混沌粒子群优化算法 |
| 5.4.3 适应度函数的确定 |
| 5.4.4 预测性能评价指标 |
| 5.5 实验验证 |
| 5.5.1 实车数据验证 |
| 5.5.2 智能维护系统数据集验证 |
| 5.6 本章小结 |
| 第6章 高速列车传动系统关键部件健康状态预测 |
| 6.1 构建健康指标 |
| 6.1.1 退化特征提取 |
| 6.1.2 退化特征选择 |
| 6.1.3 自组织映射特征融合 |
| 6.2 长短期记忆网络 |
| 6.2.1 长短期记忆网络基本原理 |
| 6.2.2 LSTM网络参数反向调整 |
| 6.3 高速列车传动系统关键部件健康状态预测流程 |
| 6.4 实验验证 |
| 6.4.1 数据来源 |
| 6.4.2 HI退化曲线构建 |
| 6.4.3 基于LSTM网络健康状态预测 |
| 6.4.4 高速列车传动系统其他部件健康状态预测 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（3）基于监测大数据的产品剩余寿命预测方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 产品剩余寿命预测方法研究综述 |
| 1.2.1 基于物理模型的剩余寿命预测方法研究 |
| 1.2.2 基于数据驱动的剩余寿命预测方法研究 |
| 1.2.3 基于物理模型和数据驱动的混合剩余寿命预测方法研究 |
| 1.3 产品剩余寿命预测方法研究的发展趋势分析 |
| 1.4 论文结构框架和主要研究内容 |
| 第二章 基于退化轨迹相似性的剩余寿命预测改进方法 |
| 2.1 引言 |
| 2.2 传统的基于相似性的剩余寿命预测方法 |
| 2.2.1 方法假设与实施流程 |
| 2.2.2 数据前处理 |
| 2.2.3 退化轨迹相似性分析与剩余寿命预测 |
| 2.3 基于核密度估计的相似性剩余寿命预测改进方法 |
| 2.3.1 改进TSBP方法的实施框架与数据预处理 |
| 2.3.2 基于核密度估计算法的剩余寿命概率密度函数近似 |
| 2.3.3 基于改进TSBP方法的剩余寿命预测 |
| 2.4 算例分析与方法验证 |
| 2.4.1 剩余寿命预测方法评价性能指标 |
| 2.4.2 航空发动机退化仿真数据集 |
| 2.4.3 结果分析与讨论 |
| 2.5 本章小结 |
| 第三章 基于双向长短期记忆神经网络的产品剩余寿命预测方法 |
| 3.1 引言 |
| 3.2 问题描述与数据前处理 |
| 3.2.1 问题描述 |
| 3.2.2 数据前处理 |
| 3.3 基于双向长短期记忆神经网络的剩余寿命预测方法 |
| 3.3.1 循环神经网络简介 |
| 3.3.2 基于BLSTM网络的产品多工况下剩余寿命预测模型 |
| 3.3.3 模型训练与正则化方法 |
| 3.4 算例分析与方法验证 |
| 3.4.1 多工况下航空发动机退化仿真数据集简介及数据前处理 |
| 3.4.2 结果分析与讨论 |
| 3.5 本章小结 |
| 第四章 基于双向长短期记忆神经网络的混合剩余寿命预测方法 |
| 4.1 引言 |
| 4.2 数据采集与前处理 |
| 4.2.1 数据采集 |
| 4.2.2 数据前处理 |
| 4.3 基于BLSTM模型的产品混合剩余寿命预测方法 |
| 4.3.1 基于BLSTM模型的产品退化指标的构建 |
| 4.3.2 融合粒子滤波算法的混合剩余寿命预测方法 |
| 4.4 算例分析与方法验证 |
| 4.4.1 数据集简介 |
| 4.4.2 数据前处理 |
| 4.4.3 方法验证与结果讨论 |
| 4.5 本章小结 |
| 第五章 基于深度卷积神经网络和BOOTSTRAP的剩余寿命预测方法 |
| 5.1 引言 |
| 5.2 数据前处理 |
| 5.2.1 首次预测时间识别 |
| 5.2.2 基于连续小波变换的时频表征提取 |
| 5.3 基于深度卷积神经网络的RUL预测模型 |
| 5.3.1 卷积神经网络简介 |
| 5.3.2 基于深度卷积神经网络的RUL预测模型 |
| 5.4 基于DCNN模型和BOOTSTRAP框架的RUL预测方法 |
| 5.4.1 预测区间的构建 |
| 5.4.2 基于DCNN-Bootstrap方法的RUL预测区间量化 |
| 5.5 算例分析与方法验证 |
| 5.5.1 轴承退化实验数据简介与前处理 |
| 5.5.2 结果分析与讨论 |
| 5.6 本章小节 |
| 第六章 总结与展望 |
| 6.1 本文主要研究结论 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（4）基于全寿命数据的滚动轴承运行状态评估和剩余寿命预测（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 滚动轴承数据收集和统计分析 |
| 1.2.1 滚动轴承全寿命实验数据 |
| 1.2.2 概率分布在滚动轴承运行状态评估中的应用 |
| 1.3 滚动轴承信号处理和故障特征分析 |
| 1.3.1 滚动轴承振动机理分析 |
| 1.3.2 信号时频分析 |
| 1.3.3 特征提取和降维 |
| 1.4 轴承故障诊断的研究现状 |
| 1.4.1 滚动轴承故障监测 |
| 1.4.2 故障特征分类 |
| 1.4.3 剩余使用寿命预测 |
| 1.5 本文的主要研究内容 |
| 第2章 基于位置-刻度模型的滚动轴承可靠性评估 |
| 2.1 引言 |
| 2.2 滚动轴承可靠性评估 |
| 2.3 位置-刻度模型 |
| 2.3.1 正态分布 |
| 2.3.2 Ⅱ型广义logistic分布 |
| 2.3.3 Tukey's g-and-h分布 |
| 2.3.4 粒子群优化算法 |
| 2.3.5 实验寿命数据分析 |
| 2.4 P-S-N曲线 |
| 2.4.1 三参数P-S-N曲线 |
| 2.4.2 变载荷实验寿命数据分析 |
| 2.5 本章小结 |
| 第3章 流形学习下基于支持向量数据描述的滚动轴承运行状态监测 |
| 3.1 引言 |
| 3.2 信号统计特征 |
| 3.2.1 时域特征 |
| 3.2.2 K-S检验统计量 |
| 3.3 流形降维 |
| 3.3.1 拉普拉斯特征映射 |
| 3.3.2 局部保持投影 |
| 3.3.3 正交局部保持投影 |
| 3.4 支持向量数据描述 |
| 3.5 运行状态监测实验验证 |
| 3.5.1 运行状态监测流程 |
| 3.5.2 IMS中心双排滚柱轴承全寿命实验 |
| 3.5.3 HBRC滚动轴承寿命实验 |
| 3.6 本章小结 |
| 第4章 基于自适应局部迭代滤波和高阶解析能量算子的轴承早期故障诊断 |
| 4.1 引言 |
| 4.2 自适应模态分解 |
| 4.2.1 经验模态分解 |
| 4.2.2 自适应局部迭代滤波分解 |
| 4.2.3 EMD和 ALIF仿真对比 |
| 4.3 信号包络解调 |
| 4.3.1 Hilbert变换 |
| 4.3.2 Teager能量算子 |
| 4.3.3 解析能量算子 |
| 4.3.4 高阶解析能量算子 |
| 4.4 故障诊断仿真实验 |
| 4.4.1 故障诊断流程 |
| 4.4.2 仿真对比 |
| 4.5 早期故障诊断实验验证 |
| 4.5.1 IMS中心双排滚柱轴承寿命实验 |
| 4.5.2 HBRC寿命实验 |
| 4.6 本章小结 |
| 第5章 多尺度熵结合核稀疏表达的滚动轴承故障诊断 |
| 5.1 引言 |
| 5.2 多尺度熵 |
| 5.2.1 样本熵 |
| 5.2.2 模糊熵 |
| 5.2.3 排列熵 |
| 5.2.4 熵的多尺度化 |
| 5.3 核稀疏表达分类 |
| 5.3.1 稀疏表达分类 |
| 5.3.2 核稀疏表达分类 |
| 5.3.3 核稀疏表达分类流程 |
| 5.3.4 滚动轴承故障诊断流程 |
| 5.4 故障分类实验验证 |
| 5.4.1 离心泵故障轴承实验数据 |
| 5.4.2 CWRU人工故障轴承实验数据 |
| 5.5 本章小结 |
| 第6章 基于集成学习的滚动轴承剩余寿命预测 |
| 6.1 引言 |
| 6.2 剩余使用寿命 |
| 6.3 机器学习算法 |
| 6.3.1 最小二乘支持向量机 |
| 6.3.2 相关向量机 |
| 6.4 剩余寿命预测流程 |
| 6.5 RUL预测实验验证 |
| 6.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（5）数据驱动的机械设备性能退化建模与剩余寿命预测研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 引言 |
| 2 绪论 |
| 2.1 课题概述 |
| 2.1.1 课题的提出 |
| 2.1.2 课题的意义 |
| 2.2 国内外研究现状 |
| 2.2.1 振动信号的特征提取 |
| 2.2.2 性能退化建模 |
| 2.2.3 数据驱动的剩余寿命预测 |
| 2.3 论文的研究内容及章节安排 |
| 3 基于信息(?)的特征提取方法 |
| 3.1 信息(?)概述 |
| 3.1.1 广义信息熵 |
| 3.1.2 信息(?)定义 |
| 3.1.3 信息(?)特征 |
| 3.2 基于SVD的信息(?)特征提取 |
| 3.2.1 信息(?)矩阵的分解与重构 |
| 3.2.2 信息(?)矩阵的奇异值特征 |
| 3.3 基于信息(?)的结构损伤识别 |
| 3.3.1 结构响应试验 |
| 3.3.2 结果讨论分析 |
| 3.4 基于信息(?)的轴承性能退化评估 |
| 3.4.1 轴承试验数据 |
| 3.4.2 结果讨论分析 |
| 3.5 本章小结 |
| 4 基于多评价指标的性能退化特征选取 |
| 4.1 性能退化特征选取问题描述 |
| 4.2 基于多评价指标的性能退化特征选取 |
| 4.2.1 特征评价指标 |
| 4.2.2 性能退化特征选取 |
| 4.3 轴承性能退化特征的选取 |
| 4.3.1 轴承性能退化试验 |
| 4.3.2 结果讨论分析 |
| 4.4 航空发动机性能退化特征的选取 |
| 4.4.1 发动机性能退化仿真 |
| 4.4.2 结果讨论分析 |
| 4.5 本章小结 |
| 5 基于函数主元分析的性能退化建模方法 |
| 5.1 函数主元分析概述 |
| 5.1.1 多变量主元分析 |
| 5.1.2 函数主元分析 |
| 5.2 基于FPCA的性能退化建模 |
| 5.2.1 性能退化过程建模 |
| 5.2.2 模型参数的估计 |
| 5.2.3 运行时间的归一化 |
| 5.3 航空发动机的性能退化建模研究 |
| 5.3.1 发动机仿真数据 |
| 5.3.2 结果讨论分析 |
| 5.4 直流散热风扇的性能退化建模研究 |
| 5.4.1 风扇性能退化试验 |
| 5.4.2 结果讨论分析 |
| 5.5 本章小结 |
| 6 基于函数主元分析的相似性剩余寿命预测方法 |
| 6.1 基于相似性的剩余寿命预测 |
| 6.1.1 相关假设与概念 |
| 6.1.2 剩余寿命预测流程 |
| 6.1.3 当前存在的主要问题 |
| 6.2 基于函数主元分析的相似性剩余寿命预测 |
| 6.2.1 剩余寿命预测的整体框架 |
| 6.2.2 参考性能退化轨迹的生成 |
| 6.2.3 剩余寿命预测的实现 |
| 6.3 航空发动机的剩余寿命预测研究 |
| 6.3.1 发动机仿真数据 |
| 6.3.2 结果讨论分析 |
| 6.4 直流散热风扇的剩余寿命预测研究 |
| 6.4.1 风扇性能退化数据 |
| 6.4.2 结果讨论分析 |
| 6.5 本章小结 |
| 7 结论与展望 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（6）滚动轴承的性能退化评估与剩余使用寿命预测方法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的研究思路和主要内容 |
| 第二章 轴承的退化机理与状态监测 |
| 2.1 引言 |
| 2.2 轴承的退化机理分析 |
| 2.2.1 轴承的失效形式 |
| 2.2.2 振动信号对轴承失效/退化特性的反映 |
| 2.3 轴承的状态监测技术 |
| 2.3.1 轴承的状态监测方法 |
| 2.3.2 振动信号分析法 |
| 2.4 实验装置与振动数据 |
| 2.4.1 实验装置 |
| 2.4.2 振动数据的说明 |
| 2.5 本章小结 |
| 第三章 轴承振动的特征提取 |
| 3.1 引言 |
| 3.2 基础知识 |
| 3.2.1 卷积稀疏编码 |
| 3.2.2 组合学习&卷积稀疏编码 |
| 3.2.3 带组合学习&卷积稀疏编码的ADMM算法 |
| 3.3 基于带组合学习&卷积稀疏编码的ADMM算法的特征提取 |
| 3.3.1 多子字典模型的训练 |
| 3.3.2 构建基于多子字典模型的特征集 |
| 3.3.3 多子字典模型有效性的实验验证 |
| 3.4 本章小结 |
| 第四章 轴承性能退化评估方法的研究 |
| 4.1 引言 |
| 4.2 基础知识 |
| 4.2.1 轴承衰退指标的构建 |
| 4.2.2 轴承衰退指标阈值设定与衰退指标平滑 |
| 4.3 轴承振动数据的初步分析 |
| 4.3.1 传统的轴承振动特征指标 |
| 4.3.2 轴承的传统振动特征指标曲线分析 |
| 4.3.3 不同退化程度的振动波形直观分析 |
| 4.4 基于衰退指标的轴承性能退化评估及实验 |
| 4.4.1 基于衰退指标的轴承性能退化评估的整体流程 |
| 4.4.2 基于衰退指标的轴承性能退化评估算法的实验分析 |
| 4.5 本章小结 |
| 第五章 轴承剩余使用寿命预测方法的研究 |
| 5.1 引言 |
| 5.2 基础知识 |
| 5.2.1 支持向量回归(SVR) |
| 5.2.2 基于相空间重构(PSR)的SVR模型建立 |
| 5.2.3 基于果蝇优化算法(FOA)的SVR模型优化 |
| 5.2.4 SVR预测模型的多步预测策略 |
| 5.3 基于PSR-SVR-FOA的轴承剩余使用寿命预测及实验 |
| 5.3.1 轴承剩余使用寿命预测的整体流程 |
| 5.3.2 轴承剩余使用寿命预测的实验验证 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（7）基于多健康状态评估的滚动轴承剩余寿命预测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 论文组织结构 |
| 第二章 支持向量机的数学模型 |
| 2.1 分类问题的基本理论 |
| 2.1.1 线性可分最优超平面的构建 |
| 2.1.2 非线性可分最优超平面的构建 |
| 2.2 回归估计问题的基本理论 |
| 2.2.1 线性回归函数估计 |
| 2.2.2 非线性回归函数估计 |
| 2.3 小结 |
| 第三章 滚动轴承的特征提取 |
| 3.1 滚动轴承加速寿命实验 |
| 3.1.1 PRONOSTIA平台介绍 |
| 3.1.2 采集信号的统计信息 |
| 3.1.3 滚动轴承的L_(10)额定寿命 |
| 3.2 数据预处理 |
| 3.2.1 异常数据的剔除 |
| 3.2.2 数据降噪处理 |
| 3.3 滚动轴承的特征提取 |
| 3.3.1 时域特征 |
| 3.3.2 频域特征 |
| 3.3.3 故障频率特征 |
| 3.3.4 熵特征 |
| 3.3.5 EMD分解特征 |
| 3.4 小结 |
| 第四章 滚动轴承的健康状态评估 |
| 4.1 可行性分析 |
| 4.2 面向健康状态评估的特征选择 |
| 4.3 基于SVM的健康状态评估算法 |
| 4.3.1 数据归一化 |
| 4.3.2 参数寻优 |
| 4.4 算法验证 |
| 4.4.1 工况一条件下轴承验证 |
| 4.4.2 工况二条件下轴承验证 |
| 4.5 小结 |
| 第五章 滚动轴承的剩余寿命预测 |
| 5.1 面向剩余寿命预测的特征选择 |
| 5.2 基于SVM的剩余寿命预测算法 |
| 5.3 算法验证 |
| 5.3.1 工况一条件下轴承验证 |
| 5.3.2 工况二条件下轴承验证 |
| 5.3.3 验证结果对比 |
| 5.4 小结 |
| 第六章 总结与展望 |
| 6.1 结论 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 攻硕期间取得的研究成果 |
（8）航空滚动轴承用M50钢的接触疲劳损伤行为研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源及研究的目的和意义 |
| 1.2 航空滚动轴承材料的国内外研究现状 |
| 1.2.1 M50 轴承钢在工程中的应用 |
| 1.2.2 摩擦副材料接触区应力分析研究现状 |
| 1.2.3 金属材料疲劳损伤累积理论的研究现状 |
| 1.2.4 轴承钢材料强化技术研究现状 |
| 1.2.5 摩擦副材料接触疲劳试验机研究现状 |
| 1.2.6 M50 钢材料接触疲劳损伤的研究现状 |
| 1.2.7 国内外研究现状分析 |
| 1.3 课题主要研究内容 |
| 第2章 M50 轴承钢材料的接触疲劳损伤分析方法 |
| 2.1 引言 |
| 2.2 赫兹接触条件下M50 轴承钢接触微区晶格有限元分析模型 |
| 2.2.1 M50 轴承钢材料微观结构分析 |
| 2.2.2 基于晶格模拟的有限元网格划分流程 |
| 2.2.3 刚度矩阵及接触载荷处理 |
| 2.2.4 赫兹接触下晶格有限元模型的验证 |
| 2.3 M50 轴承钢的接触疲劳损伤累积效应研究 |
| 2.3.1 疲劳损伤累积模型 |
| 2.3.2 M50 轴承钢材料参数 |
| 2.3.3 滚动接触循环载荷的处理 |
| 2.3.4 接触疲劳损伤累积的数值模拟流程 |
| 2.3.5 M50 轴承钢接触疲劳损伤累积模拟 |
| 2.4 工况条件对M50 轴承钢接触疲劳损伤的影响 |
| 2.4.1 轴承外载荷对接触疲劳损伤的影响 |
| 2.4.2 润滑状态对接触疲劳损伤的影响 |
| 2.4.3 载荷作用次序对接触疲劳损伤的影响 |
| 2.5 本章小结 |
| 第3章 考虑次表层夹杂的M50 轴承钢接触疲劳损伤行为研究 |
| 3.1 引言 |
| 3.2 含次表层夹杂的接触微区有限元分析模型 |
| 3.2.1 M50 轴承钢材料中夹杂类型及特征处理 |
| 3.2.2 包含圆形夹杂的接触微区有限元模型 |
| 3.2.3 包含真实夹杂的接触微区有限元模型 |
| 3.2.4 弹流润滑接触压力求解 |
| 3.3 圆形夹杂引起的M50 轴承钢接触疲劳损伤分析 |
| 3.3.1 夹杂弹性模量对接触疲劳损伤的影响 |
| 3.3.2 夹杂尺寸对接触疲劳损伤的影响 |
| 3.3.3 夹杂深度对接触疲劳损伤的影响 |
| 3.4 M50 轴承钢材料微观夹杂对接触疲劳损伤的影响 |
| 3.4.1 M50 轴承钢微观夹杂二维分形维数 |
| 3.4.2 微观夹杂引起的M50 轴承钢接触疲劳损伤分析 |
| 3.5 M50 轴承钢接触微区微观结构的接触疲劳损伤分析 |
| 3.6 本章小结 |
| 第4章 表面强化对M50 轴承钢接触疲劳损伤行为影响的研究 |
| 4.1 引言 |
| 4.2 强化载荷对M50 轴承钢接触疲劳损伤的影响 |
| 4.2.1 强化载荷对材料参数的影响 |
| 4.2.2 材料参数变化对M50 轴承钢接触疲劳损伤的影响 |
| 4.2.3 材料参数变化对M50 轴承钢疲劳寿命的影响 |
| 4.3 喷丸与离子注入复合改性对M50 轴承钢接触疲劳损伤的影响 |
| 4.3.1 喷丸与离子注入复合改性对残余压应力分布的影响 |
| 4.3.2 残余压应力对M50 轴承钢接触疲劳损伤的影响 |
| 4.3.3 残余压应力对M50 轴承钢疲劳寿命的影响 |
| 4.4 本章小结 |
| 第5章 考虑表面粗糙形貌的M50 轴承钢接触疲劳损伤行为研究 |
| 5.1 引言 |
| 5.2 考虑表面粗糙形貌的润滑性能分析 |
| 5.2.1 粗糙表面数值模拟 |
| 5.2.2 粗糙表面的接触压力 |
| 5.3 弹流润滑状态对接触疲劳损伤的影响 |
| 5.3.1 表面纹理特征对接触疲劳损伤的影响 |
| 5.3.2 表面粗糙度均方根值对接触疲劳损伤的影响 |
| 5.3.3 表面粗糙度峰度值对接触疲劳损伤的影响 |
| 5.3.4 表面粗糙度偏度值对接触疲劳损伤的影响 |
| 5.4 混合润滑状态对接触疲劳损伤的影响 |
| 5.4.1 局部摩擦系数对接触疲劳损伤的影响 |
| 5.4.2 局部高摩擦力区域半径对接触疲劳损伤的影响 |
| 5.5 本章小结 |
| 第6章 M50 轴承钢接触疲劳损伤的试验研究 |
| 6.1 引言 |
| 6.2 M50 轴承钢的滚动接触疲劳试验 |
| 6.2.1 球-盘式滚动接触疲劳试验机 |
| 6.2.2 考虑载荷次序效应的接触疲劳试验设计 |
| 6.3 M50 轴承钢表面接触疲劳损伤特征分析 |
| 6.3.1 表面接触疲劳损伤演化 |
| 6.3.2 载荷作用次序对表面损伤的影响 |
| 6.4 M50 轴承钢次表层疲劳损伤特征分析 |
| 6.5 M50 轴承钢疲劳寿命分析 |
| 6.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文及其它成果 |
| 致谢 |
| 个人简历 |
（9）薄壁四点接触球轴承参数化设计与动力学分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景和研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 薄壁四点接触球轴承设计国内外发展研究现状 |
| 1.2.2 疲劳寿命国内外研究现状 |
| 1.3 论文主要研究内容 |
| 第二章 薄壁四点接触球轴承参数化设计 |
| 2.1 引言 |
| 2.2 基于ADAMS的参数化建模 |
| 2.2.1 参数化建模理论 |
| 2.2.2 薄壁四点接触球轴承结构参数 |
| 2.2.3 薄壁四点接触球轴承参数化建模 |
| 2.3 薄壁四点接触球轴承多体动力学理论分析 |
| 2.3.1 多体动力学 |
| 2.3.2 薄壁四点接触球轴承多体运动学理论分析 |
| 2.3.3 薄壁四点接触球轴承的赫兹接触分析 |
| 2.4 基于ADAMS的薄壁四点接触球轴承多体动力学分析 |
| 2.4.1 基于ADAMS建立轴承的动力学模型 |
| 2.4.2 轴承的多体动力学仿真分析 |
| 2.5 基于ADAMS的薄壁四点接触球轴承参数分析 |
| 2.5.1 曲率对薄壁四点接触球轴承力学性能的影响 |
| 2.5.2 径向游隙对薄壁四点接触球轴承力学性能的影响 |
| 2.5.3 滚珠数目对薄壁四点接触球轴承力学性能的影响 |
| 2.5.4 保持架对薄壁四点接触球轴承力学性能的影响 |
| 2.5.5 滚珠加工精度对薄壁四点接触球轴承力学性能的影响 |
| 2.6 多参数多目标优化设计 |
| 2.7 本章小结 |
| 第三章 工业机器人腕部关节薄壁球轴承-基座-空心轴动力学分析 |
| 3.1 引言 |
| 3.2 薄壁四点接触球轴承配合研究 |
| 3.2.1 薄壁四点接触球轴承局部配合模型 |
| 3.2.2 选择轴承配合时考虑的基本原则 |
| 3.2.3 轴承配合模型 |
| 3.3 四点接触球轴承配合静力学有限元分析 |
| 3.3.1 轴承配合模型理论分析 |
| 3.3.2 轴承配合模型静态接触特性分析 |
| 3.3.2.1 有限元基本理论与ANSYS软件 |
| 3.3.2.2 轴承配合模型静力学分析 |
| 3.4 轴承-空心轴-基座柔性多体接触动力学分析 |
| 3.4.1 建立轴承配合多体动力学模型 |
| 3.4.2 轴承配合模型多体动力学分析 |
| 3.4.3 轴承-空心轴-基座柔性模型多体动力学分析 |
| 3.5 本章小结 |
| 第四章 工业机器人腕部关节处轴承的疲劳寿命预测 |
| 4.1 引言 |
| 4.2 滚动轴承加速疲劳寿命试验 |
| 4.3 滚动轴承轴承理论寿命计算 |
| 4.3.1 滚动轴承额定寿命理论计算 |
| 4.3.2 滚动轴承修正额定寿命计算 |
| 4.3.3 轴承疲劳寿命分析 |
| 4.4 工业机器人腕部关节处轴承的疲劳寿命预测 |
| 4.4.1 工业机器人腕部关节处轴承的疲劳寿命理论预测 |
| 4.4.2 基于ANSYS对腕部关节处轴承的疲劳寿命预测 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究总结 |
| 5.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 攻读硕士期间成果 |
（10）滚动轴承的故障监测与状态管理系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题来源及研究的目的与意义 |
| 1.1.1 课题来源 |
| 1.1.2 课题的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 滚动轴承PHM流程 |
| 1.2.2 滚动轴承状态监测与特征提取 |
| 1.2.3 滚动轴承故障诊断方法 |
| 1.2.4 滚动轴承性能退化与故障预测方法 |
| 1.3 本课题主要研究内容 |
| 第2章 滚动轴承PHM系统的设计与分析 |
| 2.1 引言 |
| 2.2 系统功能模块总体规划 |
| 2.3 参数输入与软件接口 |
| 2.4 轴承参考阈值计算与初始状态判断 |
| 2.4.1 轴系温度计算 |
| 2.4.2 轴承承载变形计算 |
| 2.4.3 轴承试运转状态判断 |
| 2.5 基于故障树的诊断分析 |
| 2.5.1 故障树的建立 |
| 2.5.2 故障诊断知识库 |
| 2.7 本章小结 |
| 第3章 轴承服役全周期寿命预测方法 |
| 3.1 引言 |
| 3.2 轴承寿命预测模型 |
| 3.3 轴承润滑快速失效状态分析 |
| 3.3.1 轴承润滑机制 |
| 3.3.2 轴承单点失效边界模型 |
| 3.4 轴承疲劳发展失效与振动响应 |
| 3.4.1 轴承疲劳扩展模型 |
| 3.4.2 轴承疲劳缺陷的振动响应 |
| 3.5 轴承磨损发展失效与振动响应 |
| 3.5.1 轴承磨损发展模型 |
| 3.5.2 轴承磨损缺陷的振动响应 |
| 3.6 本章小结 |
| 第4章 基于在线过程数据趋势分析的轴承状态管理 |
| 4.1 轴承振动数据信号处理方法 |
| 4.1.1 振动信号预处理 |
| 4.1.2 振动特征提取与选择 |
| 4.2 基于过程数据应用的寿命预测方法 |
| 4.2.1 粒子滤波原理 |
| 4.2.2 逻辑回归原理 |
| 4.3 轴承服役过程与振动信号关联 |
| 4.3.1 基于粒子滤波的疲劳退化分析 |
| 4.3.2 基于粒子滤波的磨损退化分析 |
| 4.3.3 基于粒子滤波的组合预测模型 |
| 4.4 滚动轴承PHM平台实现与分析 |
| 4.4.1 滚动轴承PHM平台与编程实现 |
| 4.4.2 案例分析 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
四、关于轴承使用寿命的初步探讨（论文参考文献）
- [1]中国筑路机械学术研究综述·2018[J]. 马建,孙守增,芮海田,王磊,马勇,张伟伟,张维,刘辉,陈红燕,刘佼,董强柱. 中国公路学报, 2018(06)
- [2]基于多传感器数据融合的高速列车传动系统故障诊断与健康状态预测[D]. 乔宁国. 吉林大学, 2019
- [3]基于监测大数据的产品剩余寿命预测方法研究[D]. 黄承赓. 电子科技大学, 2019(04)
- [4]基于全寿命数据的滚动轴承运行状态评估和剩余寿命预测[D]. 张金豹. 哈尔滨工业大学, 2020(01)
- [5]数据驱动的机械设备性能退化建模与剩余寿命预测研究[D]. 张彬. 北京科技大学, 2016(08)
- [6]滚动轴承的性能退化评估与剩余使用寿命预测方法的研究[D]. 周裕华. 华南理工大学, 2018(12)
- [7]基于多健康状态评估的滚动轴承剩余寿命预测方法研究[D]. 张龙龙. 电子科技大学, 2014(03)
- [8]航空滚动轴承用M50钢的接触疲劳损伤行为研究[D]. 关健. 哈尔滨工业大学, 2019
- [9]薄壁四点接触球轴承参数化设计与动力学分析[D]. 姚龙. 昆明理工大学, 2019(04)
- [10]滚动轴承的故障监测与状态管理系统研究[D]. 梁竞之. 哈尔滨工业大学, 2019(02)