《机电工程》杂志,月刊( 详细... )

中国标准连续出版物号 ISSN 1001-4551 CN 33-1088/TH
主办单位浙江省机电集团有限公司
浙江大学
主编陈 晓
副 主 编唐任仲、罗向阳(执行主编)
总 经 理罗向阳
出 版浙江《机电工程》杂志社有限公司
地 址杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel+86-571-87041360、87239525
E-mailmeem_contribute@163.com
国外发行中国国际图书贸易总公司
订阅全国各地邮局   国外代号M3135
国内发行浙江省报刊发行局
邮发代号32-68
广告发布登记证:杭上市管广发G-001号

在线杂志

当前位置: 机电工程 >>在线杂志

基于数据驱动的离心泵轴承特征分析及寿命预测

作者:苏皓南,黄倩,胡波,等. 日期:2024-06-27/span> 浏览:99 查看PDF文档

基于数据驱动的离心泵轴承特征分析及寿命预测*
苏皓南1,黄倩2,胡波1,付强1*,朱荣生1

(1.江苏大学 国家水泵及系统工程技术研究中心,江苏 镇江 212013;2.中国核电工程有限公司,北京 100840)


摘要:离心泵是工业中能量转换和流体输送的核心设备,其部件滚动轴承的可靠性对整个机组的安全运行尤为关键。为了解决目前滚动轴承寿命预测问题,对滚动轴承剩余寿命的最佳预测方案进行了研究。首先,从数据驱动和试验出发,利用试验台采集所得的离心泵轴承正常及故障状态下的数据,分析了时域、频域、时频域各特征在不同工况中的表现差异,发现了时域特征、频域特征、小波包分解能量特征、完全自适应噪声完备集合经验模态分解(CEEMDAN)能量特征可以捕捉到不同工况下的故障信息;然后,以单调性、趋势性指标加权分数为依据,结合特征的敏感性分析结果,优选出了轴承在全寿命周期中表现突出的12个特征,经核主成分分析(KPCA)长短期记忆网络(LSTM)降维处理后,构建出了能够表征离心泵轴承退化过程的一维特征量;最后,对比分析了LSTM网络、反向传播(BP)网络和卷积神经(CNN)网络的预测效果。研究结果表明:LSTM网络的均方根误差(RMSE)为0.402,平均绝对百分比误差(MAPE)为0.332,预测精度在三者中最好,模型平均训练时间为12.6s,可见LSTM网络在预测精度及模型训练时间上更具优势。

关键词:叶片式泵;滚动轴承;完全自适应噪声完备集合经验模态分解;核主成分分析;长短期记忆网络;轴承退化过程

中图分类号:TH311;TH133.3文献标识码:A文章编号:1001-4551(2024)06-0941-15



本文引用格式:

苏皓南,黄倩,胡波,等.基于数据驱动的离心泵轴承特征分析及寿命预测[J].机电工程,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.



友情链接

浙江机械信息网