基于模糊C均值算法的预测维护研究开题报告

1. 研究目的与意义（文献综述）

1.1研究目的及意义

预测性维护(predictive maintenance，简称pm)是“工业4.0”提出的关键创新点之一。基于连续的测量和分析，预测性维护能够预测诸如机器零件剩余使用寿命等相关指标。关键的运行参数数据可以辅助决策，判断机器的运行状态、优化机器的维护时机。在这个机械设备日益结构复杂精密的背景下，机械零部件发生故障对整个设备或者整个系统所带来的危害也加剧了，所造成的经济损失也越大，严重地甚至会造成设备不可逆的损害和人员伤亡，因此对设备进行预测性维护具有重要意义。

在工业生产中经常出现由于某一个零件故障而导致整个工业设备无法正常工作的情况，而滚动轴承是工业设备中使用频率最高同时也是最关键的机械零部件之一，被广泛地应用于各个领域之中，滚动轴承性能和可靠性对整个机械设备的可靠运行起着至关重要的作用^【1】。与此同时，滚动轴承还具有一个很鲜明的特点，就是它的使用寿命离散程度大，因此如果使用一般的处理方法，依据轴承的设计寿命对其定期维修，是行不通的。应该随时对工况进行检测和故障预测，类型判别，以便根据具体情况来合理安排轴承的使用以及维护。这样就能有效地控制设备精度下降及事故发生的机率，使轴承的使用寿命得以延长，节省成本，保证系统的正常运行，避免危险事故的发生，为企业和社会创造更大的收益。因此，对滚动轴承进行状态检测，故障预测维护以及展开故障诊断方法的研究具有重要意义^【2-3】。

综上，本文利用西储大学的轴承数据，在故障诊断的基础之上，依据得到的结果可能是哪种故障，故障程度如何从而来进行更加具有目的性针对性的预测性维护。

2. 研究的基本内容与方案

2.1研究内容

本论文数据来源是西储大学的轴承数据，采用模糊c均值算法对其进行聚类从而达到故障诊断以及故障程度的研究，论文主要结构安排如下：

第1章概况了预测维护的背景、意义、内容和国内外发展现状；说明了模糊聚类的研究应用。

第2章选取了滚动轴承作为本文的研究对象，主要介绍了滚动轴承的结构、故障形式以及形成机理，并介绍了一些故障诊断的分析方法。

3. 研究计划与安排

4. 参考文献（12篇以上）

［1］ 李海波．智能化轴承故障诊断仪的工程设计与研制［d］． 沈阳: 沈阳理工大学，2009.

［2］ 韩捷，张瑞林.旋转机械故障机理及诊断技术［m］.北京：机械工业出版 社，1996.

［3］ 屈梁生，张西宁.机械故障诊断理论与方法［m］.西安：西安交通大学出 版社，2009.