|
|
|
滚动轴承性能的动态分析理论滚动轴承性能的动态分析理论
1. 滚动轴承性能的混沌分析 混沌理论是现代非线性分析的重要方法之- -, 滚 动轴承摩擦力矩及振动具有非线性动态特征，适合使用混沌理论进行研究。 用混沌理论研究滚动轴承性能时，通常以相空间重构的概念分析非线性的动态特征，以互信息方法得到时间序列的时间延迟，以Cao方法计算时间序列的嵌人维数，根据时间延迟及嵌入维数计算时间序列的Lyapunov指数，进而实施时间序列的预测。 用混沌理论分析时间序列的吸引子,计算时间序列的饱和嵌人维数以及估计关联维数，得出时间序列的物理量中位数与估计关联维数的关系，可以综合反映滚动轴承振动、摩擦力矩的动态特征。然而，混沌理论在非线性动态分析时并非是完美的。混沌理论的分析结果对初始值很敏感,不同的初始值会导致结果有很大差异，尤其是初始值中含有离散数据，结果出人会更大。因此，在使用混沌理论进行分析之前，应当对数据序列进行预处理，减小离散数据的影响。数据的稳健化处理可以有效分离出数据中的离散数据，并对这些数据进行处理，降低或弱化这些数据对数据序列的影响。基于此，本章将数据稳健化处理与混沌理论进行融合，以振动与摩擦力矩性能为具体案例，分析滚动轴承性能的非线性动力学特征。 2.滚动轴承性能数据的稳健性处理 在滚动轴承性能实验与测试过程中，制造、安装、润滑以及测量仪器等因素的随机性、不确定性，将导致滚动轴承性能数据收集的复杂性;同时，实验环境、温度等诸多条件的影响，也会造成数据的偏差。而现在大部分数据分析方法在处的影响。这种方法欠妥的原因:第一是这些数選站数的把些高散往数据作为相大误差戏野值去掉，或者忽略高微教据不一定是测量误差，有可能是真实情况的反应;第二是这些数据的确对测量有影响，在不同的情况下有不同的影响，甚至对性能的变化起决定性的作用，但不应当去掉，应慎重考虑，的情处理。为此，本章提出改进的Huber M估计方法来评估轴承振动及摩擦性能，以降低离散数据对整体数据的影响，同时又包含该数据的信息。 例如，对于均匀分布、二项分布、正态分布等常用的分布而言，中位数和平均值是一致的; 对于数据量较大的实验数据是近似于某种分布的函数，因此实验数据中位数和平均值应当近似。如果中位数和平均值相差很大，说明数据中存在变异或者不合理数据，可以用Huber M估计方法对数据进行稳健化处理后再进行混沌分析。这种方法的步骤如下: (1)根据统计理论给出数据的显著性水平范围; (2)对原数据序列进行排序，距离中位数最远的数为离散数据，用相邻的数据代替，得到新数据序列; (3)分析中位数和平均值的差异，当中位数和平均值相差比较小时，说明新数据序列是稳健的，于是得到稳健化的数据; (4)对稳健数据进行混沌分析。 3.滚动轴承性能动态分析融合理论 对滚动轴承性能数据进行稳健化处理，得到稳健数据， 为数据分析提供了可靠的基础。 滚动轴承性能具有非线性、多样性与复杂性特点， 而混沌理论是现代解决非线性问题的重要方法之一。因此， 可以用混沌理论研究滚动轴承性能问题。但是，混沌系统对初始条件很敏感，而稳健化实验数据处理可以弱化初始条件的影响，将稳健化原理与混沌理论进行有机结合，可以有效地分析滚动轴承的非线性动态性能问题。步骤如下: (1)对滚动轴承性能数据进行稳健化处理，得到稳健数据; (2)用互信息方法处理滚动轴承性能稳健数据，得到相空间重构的时间延迟;(3)用Cao方法处理滚动轴承性能稳健数据,得到相空间的嵌人维数; (4)基于滚动轴承性能稳健数据、时间延迟与嵌人维数，用混沌理论可以得到Lyapunov指数; (5)基于滚动轴承性能稳健数据、时间延迟与嵌人维数，用混沌理论可以得到吸引子; (6)计算滚动轴承性能稳健数据的饱和嵌人维数，并估计关联维数; (7)得出滚动轴承性能数据物理空间的中位数与估计关联维数的混沌关系。 |
|
