發(fā)布時間：2017-10-16 00:13

  本文關(guān)鍵詞：基于局部均值分解的滾動軸承故障診斷方法研究

  更多相關(guān)文章： 故障診斷 LMD 滾動軸承 特征提取 多尺度譜熵 模式識別

【摘要】：在現(xiàn)代化機械設(shè)備中,旋轉(zhuǎn)機械設(shè)備所占比重很大,而滾動軸承又是旋轉(zhuǎn)機械的關(guān)鍵組成部件,因此對旋轉(zhuǎn)機械滾動軸承狀態(tài)監(jiān)測和故障診斷的研究勢在必行。局部均值分解(Local Mean Decomposition,LMD)時頻分析方法作為新的信號分解方法,有很好的優(yōu)勢對于處理和分析非平穩(wěn)、非線性的振動信號,尤其是滾動軸承振動信號這樣的復(fù)雜的調(diào)幅-調(diào)頻信號。本文重點研究了基于LMD的滾動軸承故障診斷方法。其主要內(nèi)容如下:首先,針對LMD分解方法存在的虛假分量問題,研究了一種基于迭代終止條件改進(jìn)和殘余分量再處理的方法。利用仿真信號和實際故障信號驗證此方法的可行性和有效性。然后,研究了一種基于LMD多尺度熵和概率神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法。此方法首先對滾動軸承振動信號進(jìn)行LMD分解,然后求取分解所得的乘積函數(shù)(Product Function,PF)的多尺度熵(Multi-Scale Entropy,MSE),最后將熵值作為故障特征向量輸入到概率神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識別,實現(xiàn)損傷位置和損傷程度的診斷。最后,將時頻分析方法與數(shù)學(xué)形態(tài)學(xué)結(jié)合,提出一種新的故障特征表征參數(shù)——多尺度譜熵,并將其與LMD方法相結(jié)合,研究了一種基于LMD與多尺度譜熵分析的滾動軸承故障診斷方法。通過實驗結(jié)果可知,該方法可以準(zhǔn)確的獲取滾動軸承振動信號的故障特征,有效的實現(xiàn)滾動軸承故障類型的診斷。
【關(guān)鍵詞】：故障診斷 LMD 滾動軸承 特征提取 多尺度譜熵 模式識別
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TH133.33
【目錄】：

• 摘要5-6
• Abstract6-9
• 第1章 緒論9-18
• 1.1 滾動軸承故障診斷的研究意義及其內(nèi)容9-12
• 1.1.1 滾動軸承故障診斷的研究背景與意義9-10
• 1.1.2 滾動軸承故障診斷方法內(nèi)容的研究10-12
• 1.2 滾動軸承故障診斷研究現(xiàn)狀12-16
• 1.2.1 時域分析法12
• 1.2.2 頻域分析法12-13
• 1.2.3 時頻分析法13-16
• 1.3 項目來源及本文研究內(nèi)容16-18
• 第2章 LMD時頻分析方法研究18-27
• 2.1 前言18
• 2.2 基本理論18-20
• 2.2.1 調(diào)制信號18-20
• 2.2.2 EMD分解方法20
• 2.3 LMD基本原理20-25
• 2.3.1 LMD基本原理和算法20-23
• 2.3.2 基于LMD的瞬時頻率23-25
• 2.4 LMD存在的不足25
• 2.5 本章小結(jié)25-27
• 第3章 基于LMD虛假分量問題的改進(jìn)方法27-36
• 3.1 前言27
• 3.2 基于相關(guān)系數(shù)法的LMD虛假分量問題處理方法27-28
• 3.2.1 相關(guān)系數(shù)27
• 3.2.2 虛假分量問題處理方法27-28
• 3.3 能量比和功率譜的基本概念28-29
• 3.3.1 能量比28
• 3.3.2 功率譜28-29
• 3.4 仿真實驗分析29-31
• 3.5 實驗研究31-34
• 3.6 本章小結(jié)34-36
• 第4章 基于LMD多尺度熵和概率神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法36-46
• 4.1 前言36
• 4.2 多尺度熵36-38
• 4.2.1 樣本熵37
• 4.2.2 多尺度熵37-38
• 4.3 概率神經(jīng)網(wǎng)絡(luò)38-39
• 4.3.1 概率神經(jīng)網(wǎng)絡(luò)基礎(chǔ)38
• 4.3.2 概率神經(jīng)網(wǎng)絡(luò)的模型38-39
• 4.4 基于LMD和神經(jīng)網(wǎng)絡(luò)的故障診斷39-44
• 4.4.1 診斷方法39-40
• 4.4.2 實驗研究40-44
• 4.5 本章小結(jié)44-46
• 第5章 基于LMD與多尺度譜熵的滾動軸承故障診斷方法46-57
• 5.1 前言46
• 5.2 多尺度形態(tài)學(xué)46-48
• 5.2.1 多尺度形態(tài)學(xué)理論46-47
• 5.2.2 形態(tài)譜與形態(tài)譜熵47-48
• 5.3 多尺度譜熵48
• 5.4 小波半軟閾值去噪理論48-50
• 5.5 基于LMD與多尺度譜熵的故障診斷50-51
• 5.6 實驗研究51-56
• 5.7 本章小結(jié)56-57
• 結(jié)論57-59
• 參考文獻(xiàn)59-64
• 攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果64-65
• 致謝65

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張益純,劉振娟;滾動軸承故障分析探討[J];內(nèi)燃機配件;2000年03期

2 秦愷,陳進(jìn),姜鳴,陳春梅;一種滾動軸承故障特征提取的新方法——譜相關(guān)密度[J];振動與沖擊;2001年01期

3 鄧長春;;聲發(fā)射法在滾動軸承故障識別中的應(yīng)用[J];試驗技術(shù)與試驗機;2002年Z2期

4 任昭蓉;滾動軸承故障的小波診斷法[J];機械制造與自動化;2004年06期

5 陸爽,田野;滾動軸承故障特征識別的時頻分析研究[J];機床與液壓;2005年06期

6 江涌;基于余弦調(diào)頻小波變換的滾動軸承故障研究[J];機械設(shè)計與制造;2005年06期

7 程光友;;時域指標(biāo)在滾動軸承故障診斷中的應(yīng)用[J];中國設(shè)備工程;2005年12期

8 陳洪軍;趙新澤;王延軍;;滾動軸承故障試驗臺的理論建模分析[J];四川理工學(xué)院學(xué)報(自然科學(xué)版);2005年04期

9 李崇晟;滾動軸承故障的非線性診斷方法[J];軸承;2005年05期

10 趙春華;嚴(yán)新平;趙新澤;袁成清;高虹亮;;滾動軸承故障的可拓物元診斷方法[J];潤滑與密封;2006年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 張益純;;常見滾動軸承故障診斷的技術(shù)探討[A];第十屆全國設(shè)備監(jiān)測與診斷技術(shù)學(xué)術(shù)會議論文集[C];2000年

2 劉玉林;;貨車滾動軸承故障不分解診斷技術(shù)參數(shù)選擇與優(yōu)化探討[A];擴大鐵路對外開放、確保重點物資運輸——中國科協(xié)2005年學(xué)術(shù)年會鐵道分會場暨中國鐵道學(xué)會學(xué)術(shù)年會和粵海通道運營管理學(xué)術(shù)研討會論文集[C];2005年

3 楊積忠;左立建;;滾動軸承故障診斷實例[A];設(shè)備監(jiān)測與診斷技術(shù)及其應(yīng)用——第十二屆全國設(shè)備監(jiān)測與診斷學(xué)術(shù)會議論文集[C];2005年

4 何斌;戚佳杰;;小波分析在滾動軸承故障診斷中的應(yīng)用研究[A];第九屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文摘要集[C];2007年

5 李放寧;;峰值能量在滾動軸承故障診斷中的應(yīng)用[A];第十屆全國設(shè)備監(jiān)測與診斷技術(shù)學(xué)術(shù)會議論文集[C];2000年

6 何斌;戚佳杰;;小波分析在滾動軸承故障診斷中的應(yīng)用研究[A];第九屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文集[C];2007年

7 張九軍;;常見滾動軸承故障的簡易診斷[A];2008年全國煉鐵生產(chǎn)技術(shù)會議暨煉鐵年會文集（上冊）[C];2008年

8 李興林;;滾動軸承故障診斷技術(shù)現(xiàn)狀及發(fā)展[A];2009年全國青年摩擦學(xué)學(xué)術(shù)會議論文集[C];2009年

9 唐海峰;陳進(jìn);董廣明;;信號稀疏分解方法在滾動軸承故障診斷中的應(yīng)用[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

10 高耀智;;高階統(tǒng)計量與小波分析相結(jié)合在滾動軸承故障診斷中的應(yīng)用[A];2009年全國青年摩擦學(xué)學(xué)術(shù)會議論文集[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 郝騰飛;航空發(fā)動機滾動軸承故障的核方法智能識別技術(shù)研究[D];南京航空航天大學(xué);2014年

2 廖強;約束獨立分量和多小波分析在滾動軸承故障診斷中的應(yīng)用[D];電子科技大學(xué);2016年

3 曾鳴;基于凸包的模式識別方法及其在滾動軸承故障診斷中的應(yīng)用[D];湖南大學(xué);2016年

4 于江林;滾動軸承故障的非接觸聲學(xué)檢測信號特性及重構(gòu)技術(shù)研究[D];大慶石油學(xué)院;2009年

5 楊柳松;基于小波分析與神經(jīng)網(wǎng)絡(luò)滾動軸承故障診斷方法的研究[D];東北林業(yè)大學(xué);2013年

6 從飛云;基于滑移向量序列奇異值分解的滾動軸承故障診斷研究[D];上海交通大學(xué);2012年

7 趙協(xié)廣;基于小波變換和經(jīng)驗?zāi)B(tài)分解的滾動軸承故障診斷方法研究[D];山東科技大學(xué);2009年

8 侯者非;強噪聲背景下滾動軸承故障診斷的關(guān)鍵技術(shù)研究[D];武漢理工大學(xué);2010年

9 郭艷平;面向風(fēng)力發(fā)電機組齒輪箱滾動軸承故障診斷的理論與方法研究[D];浙江大學(xué);2012年

10 孟濤;齒輪與滾動軸承故障的振動分析與診斷[D];西北工業(yè)大學(xué);2003年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李玉奎;基于非平穩(wěn)信號分析的滾動軸承故障診斷研究[D];燕山大學(xué);2015年

2 卜勇霞;基于時頻分析方法的滾動軸承故障診斷研究[D];昆明理工大學(xué);2015年

3 馬寶;基于KICA和LSSVM的滾動軸承故障監(jiān)測及診斷方法[D];昆明理工大學(xué);2015年

4 王德麗;基于改進(jìn)HHT與SVM的滾動軸承故障診斷方法研究[D];北京交通大學(xué);2016年

5 邵海賀;基于EEMD和最小二乘支持向量機的滾動軸承故障診斷方法研究[D];長春工業(yè)大學(xué);2016年

6 張磊;滾動軸承故障程度和工況不敏感智能診斷方法研究[D];華東交通大學(xué);2016年

7 胡猛;基于局部均值分解的滾動軸承故障診斷方法研究[D];燕山大學(xué);2016年

8 蘇翠嬌;AMD和EMD方法在滾動軸承故障診斷中的應(yīng)用研究[D];燕山大學(xué);2016年

9 王騰超;基于振動監(jiān)測的風(fēng)電機組滾動軸承故障診斷應(yīng)用研究[D];燕山大學(xué);2016年

10 李亞超;基于VMD的滾動軸承故障診斷方法研究[D];石家莊鐵道大學(xué);2016年

，

本文編號：1039510