径向轴承轴心定位的贝叶斯方法
机器学习
2022-04-07 v1 信号处理
摘要
已有研究表明，超声技术在在线测量径向轴承周向油膜厚度分布方面效果良好；然而，它们可能受限于测量范围，且无法捕捉整个轴承圆周方向的油膜细节。试图在整个轴承范围内对油膜厚度进行建模的尝试依赖于确定性方法，这些方法假设观测值绝对真实。未被考虑的油膜厚度不确定性可能会导致后续流体动力学参数计算的级联预测不准确。在本研究中，提出了一个使用高斯过程对油膜厚度进行建模的概率框架。随后，这些结果被用于估计各种运行工况下的轴承轴心位置。该过程的进一步步骤涉及使用新构建的数据集生成似然图，以在给定轴承转速和施加静载荷的情况下显示轴心的可能位置。结果提供了可视化预测置信度的可能性，并允许在轴承内孔的高概率区域内找到真实位置。
引用
@article{arxiv.2203.11719,
title = {A Bayesian Approach for Shaft Centre Localisation in Journal Bearings},
author = {Christopher A. Lindley and Scott Beamish and Rob Dwyer-Joyce and Nikolaos Dervilis and Keith Worden},
journal= {arXiv preprint arXiv:2203.11719},
year = {2022}
}