發(fā)布時(shí)間：2017-10-31 16:30

  本文關(guān)鍵詞：基于IFD與SVM的滾動(dòng)軸承故障診斷方法研究

  更多相關(guān)文章： 本征頻率尺度分解 支持向量機(jī)機(jī) 最小二乘法支持向量機(jī) 滾動(dòng)軸承 故障診斷

【摘要】：近年來(lái),我國(guó)科學(xué)技術(shù)水平與日俱增,機(jī)械化應(yīng)用范圍愈來(lái)愈廣,自動(dòng)化、數(shù)字化、信息化程度在新型工業(yè)化的推動(dòng)下更是有了巨大發(fā)展,并有向智能化發(fā)展的趨勢(shì)。這一現(xiàn)象,極大的推動(dòng)了社會(huì)和經(jīng)濟(jì)的快速發(fā)展。但是在這一良好的發(fā)展背景下,工廠在生產(chǎn)過(guò)程中因?yàn)闄C(jī)械因?yàn)榫植抗收显斐傻姆菣C(jī)械停機(jī)的情況也是時(shí)有發(fā)生,這不僅會(huì)致使生產(chǎn)效益得不到保證,還會(huì)造成巨大的經(jīng)濟(jì)損失,甚者還會(huì)造成安全事故。剖析以往的事故經(jīng)驗(yàn)不難得出,在整體旋轉(zhuǎn)機(jī)械設(shè)備中,滾動(dòng)軸承的應(yīng)用最為廣泛,同時(shí)也是最容易損壞的元件之一,旋轉(zhuǎn)機(jī)械的很多故障都與之有關(guān),滾動(dòng)軸承的工作狀態(tài)是否穩(wěn)定,會(huì)直接影響到整體機(jī)械的性能。因此,對(duì)其進(jìn)行正確的狀態(tài)監(jiān)測(cè)和診斷,在設(shè)備優(yōu)化管理方面以及設(shè)備的預(yù)知維護(hù)修理方面都具有非常重大的意義。診斷滾動(dòng)軸承故障的實(shí)質(zhì)內(nèi)容可以概括為信號(hào)的分析技術(shù)和在發(fā)生故障時(shí)的識(shí)別過(guò)程。針對(duì)在故障初始階段中,滾動(dòng)軸承的微弱故障信息很難掌握、故障類型的識(shí)別率不高的問(wèn)題,本文提出一種在本征頻率尺度分解(Intrinsic Frequency-scale Decomposition, IFD)的基礎(chǔ)上與最小二乘支持向量機(jī)(Least Squares-Support Vector Machine,LS-SVM)以及支持向量機(jī)機(jī)(Support Vector Machine,SVM)相結(jié)合的智能診斷滾動(dòng)軸承故障的方法,這個(gè)方法可以依據(jù)滾動(dòng)軸承自身的振動(dòng)信號(hào)特點(diǎn),能夠?qū)Τ跗诠收系奈⑷跆卣鬟M(jìn)行有效提取,并據(jù)對(duì)故障類型進(jìn)行高準(zhǔn)確度的識(shí)別。論文的主要內(nèi)容如下：1)局部均值分解方法(Local Mean Decomposition. LMD)是一種新型的時(shí)頻分析方法,本文針對(duì)該方法進(jìn)行了算法原理分析和算法計(jì)算過(guò)程的仿真分析工作,其中對(duì)局部均值分解方法中涉及的展開瞬時(shí)相位和求解瞬時(shí)頻率的方法進(jìn)行了重點(diǎn)研究和分析,并在滾動(dòng)軸承故障特征提取工作中進(jìn)行了應(yīng)用。此外在應(yīng)用過(guò)程中為了解決LMD方法存在的模式混淆問(wèn)題,提出本征頻率尺度分解(IFD)方法；并通過(guò)仿真對(duì)比,研究和分析了LMD方法與IFD方法的應(yīng)用效果。2)針對(duì)滾動(dòng)軸承早期微弱故障信息難以提取、故障類型識(shí)別率低的難題,本文提出了一種新的滾動(dòng)軸承故障診斷方法。該方法以神經(jīng)網(wǎng)絡(luò)為理論基礎(chǔ),通過(guò)SVM建立滾動(dòng)軸承故障識(shí)別模型,并選取IFD方法作為提取滾動(dòng)軸承峭度系數(shù)和能量特征值等參數(shù)的預(yù)處理器,最后將提取的參數(shù)輸入故障識(shí)別模型中進(jìn)行故障分類識(shí)別。理論分析之后,本文還對(duì)該方法進(jìn)行了實(shí)例應(yīng)用,結(jié)果表明本方法能夠有效識(shí)別處滾動(dòng)軸承故障并具有較高的實(shí)用性。3)此外,本文還將IFD和最小二乘支持向量機(jī)理論相結(jié)合,提出了一種新型的滾動(dòng)軸承故障診斷方法；其中依靠IFD方法提取滾動(dòng)軸承故障特征,根據(jù)所得數(shù)據(jù)構(gòu)建特征向量；通過(guò)本方法可以完成滾動(dòng)軸承工作狀態(tài)和出現(xiàn)故障類型的自動(dòng)識(shí)別和分類。理論分析之后,本文還對(duì)該方法進(jìn)行了實(shí)例應(yīng)用,結(jié)果表明本方法能夠有效識(shí)別處滾動(dòng)軸承故障并具有較高的實(shí)用性；從一個(gè)新的角度實(shí)現(xiàn)了滾動(dòng)軸承故障的智能識(shí)別。
【關(guān)鍵詞】：本征頻率尺度分解 支持向量機(jī)機(jī) 最小二乘法支持向量機(jī) 滾動(dòng)軸承 故障診斷
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TH133.33
【目錄】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 緒論11-18
• 1.1 論文背景與研究意義11-12
• 1.2 軸承故障智能診斷方法的國(guó)內(nèi)外研究進(jìn)展與發(fā)展趨勢(shì)12-16
• 1.2.1 國(guó)外研究進(jìn)展與現(xiàn)狀12-13
• 1.2.2 國(guó)內(nèi)研究進(jìn)展與現(xiàn)狀13-14
• 1.2.3 滾動(dòng)軸承的發(fā)展趨勢(shì)14-15
• 1.2.4 現(xiàn)有診斷技術(shù)的局限性15-16
• 1.3 論文主要工作及內(nèi)容安排16-17
• 1.3.1 論文的研究思路16
• 1.3.2 論文的內(nèi)容安排16-17
• 1.4 本章小結(jié)17-18
• 第二章 滾動(dòng)軸承的振動(dòng)機(jī)理及信號(hào)特點(diǎn)18-28
• 2.1 滾動(dòng)軸承結(jié)構(gòu)及載荷特點(diǎn)18-20
• 2.1.1 滾動(dòng)軸承的基本結(jié)構(gòu)18
• 2.1.2 滾動(dòng)軸承的載荷特點(diǎn)18-20
• 2.2 滾動(dòng)軸承的失效形式及原因20-21
• 2.3 滾動(dòng)軸承的振動(dòng)機(jī)理21-23
• 2.4 滾動(dòng)軸承的振動(dòng)信號(hào)特征23-24
• 2.5 滾動(dòng)軸承的振動(dòng)信號(hào)頻率計(jì)算24-25
• 2.6 軸承元件的固有振動(dòng)頻率計(jì)算25
• 2.7 滾動(dòng)軸承故障時(shí)的振動(dòng)特性25-27
• 2.8 本章小結(jié)27-28
• 第三章 局部均值分解時(shí)頻分析方法28-47
• 3.1 局部均值分解概述28
• 3.2 LMD時(shí)頻分析方法28-36
• 3.2.1 LMD分解原理及算法計(jì)算過(guò)程28-32
• 3.2.2 局部均值分解方法計(jì)算實(shí)例32-33
• 3.2.3 直接法求取瞬時(shí)頻率33-36
• 3.3 LMD時(shí)頻分析方法的仿真應(yīng)用36-40
• 3.4 基于LMD方法的滾動(dòng)軸承故障診斷40-42
• 3.5 本征頻率尺度分解(IFD)42-45
• 3.5.1 IFD方法43-44
• 3.5.2 LMD與IFD分解仿真對(duì)比研究44-45
• 3.6 本章小結(jié)45-47
• 第四章 基于IFD和支持向量機(jī)的滾動(dòng)軸承故障診斷47-57
• 4.1 支持向量機(jī)概述47
• 4.2 支持向量機(jī)的特點(diǎn)47-48
• 4.3 支持向量機(jī)理論48-52
• 4.3.1 支持向量機(jī)基本理論48-50
• 4.3.2 核函數(shù)的選擇及其影響分析50
• 4.3.3 SVM分類器構(gòu)建方法分析50-52
• 4.4 基于IFD和支持向量機(jī)的滾動(dòng)軸承故障分類方法分析52-56
• 4.4.1 IFD分解53
• 4.4.2 構(gòu)建特征向量53-54
• 4.4.3 基于SVM的滾動(dòng)軸承故障分類54-55
• 4.4.4 分類模型的測(cè)試和分析55-56
• 4.5 本章小結(jié)56-57
• 第五章 基于IFD和最小二乘支持向量機(jī)的滾動(dòng)軸承故障診斷57-63
• 5.1 最小二乘支持向量機(jī)的分類原理57-59
• 5.2 多分類的支持向量機(jī)59-61
• 5.2.1 一對(duì)多分類算法59-60
• 5.2.2 一對(duì)一分類算法60-61
• 5.3 基于IFD與最小二乘支持向量機(jī)的滾動(dòng)軸承故障診斷61-62
• 5.4 實(shí)例分析62
• 5.5 本章小結(jié)62-63
• 第六章 結(jié)論與展望63-65
• 6.1 結(jié)論63-64
• 6.2 展望64-65
• 致謝65-66
• 參考文獻(xiàn)66-71
• 附錄A (攻讀碩士期間發(fā)表學(xué)術(shù)成果)71

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

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

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

3 鄧長(zhǎng)春;;聲發(fā)射法在滾動(dòng)軸承故障識(shí)別中的應(yīng)用[J];試驗(yàn)技術(shù)與試驗(yàn)機(jī);2002年Z2期

4 任昭蓉;滾動(dòng)軸承故障的小波診斷法[J];機(jī)械制造與自動(dòng)化;2004年06期

5 陸爽,田野;滾動(dòng)軸承故障特征識(shí)別的時(shí)頻分析研究[J];機(jī)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(dòng)軸承故障研究[J];機(jī)械設(shè)計(jì)與制造;2005年06期

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

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

9 李崇晟;滾動(dòng)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(dòng)軸承故障的可拓物元診斷方法[J];潤(rùn)滑與密封;2006年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 張益純;;常見(jiàn)滾動(dòng)軸承故障診斷的技術(shù)探討[A];第十屆全國(guó)設(shè)備監(jiān)測(cè)與診斷技術(shù)學(xué)術(shù)會(huì)議論文集[C];2000年

2 劉玉林;;貨車滾動(dòng)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(kuò)大鐵路對(duì)外開放、確保重點(diǎn)物資運(yùn)輸——中國(guó)科協(xié)2005年學(xué)術(shù)年會(huì)鐵道分會(huì)場(chǎng)暨中國(guó)鐵道學(xué)會(huì)學(xué)術(shù)年會(huì)和粵海通道運(yùn)營(yíng)管理學(xué)術(shù)研討會(huì)論文集[C];2005年

3 楊積忠;左立建;;滾動(dòng)軸承故障診斷實(shí)例[A];設(shè)備監(jiān)測(cè)與診斷技術(shù)及其應(yīng)用——第十二屆全國(guó)設(shè)備監(jiān)測(cè)與診斷學(xué)術(shù)會(huì)議論文集[C];2005年

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

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

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

7 張九軍;;常見(jiàn)滾動(dòng)軸承故障的簡(jiǎn)易診斷[A];2008年全國(guó)煉鐵生產(chǎn)技術(shù)會(huì)議暨煉鐵年會(huì)文集（上冊(cè)）[C];2008年

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

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

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

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

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

2 廖強(qiáng);約束獨(dú)立分量和多小波分析在滾動(dòng)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(shí)別方法及其在滾動(dòng)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(dòng)軸承故障的非接觸聲學(xué)檢測(cè)信號(hào)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(dòng)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(dòng)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(yàn)?zāi)B(tài)分解的滾動(dòng)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(qiáng)噪聲背景下滾動(dòng)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(jī)組齒輪箱滾動(dòng)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(dòng)軸承故障的振動(dòng)分析與診斷[D];西北工業(yè)大學(xué);2003年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 李男;基于LMD樣本熵和貝葉斯網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷方法[D];燕山大學(xué);2015年

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

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

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

5 馮春生;基于多源不確定信息融合的數(shù)控機(jī)床滾動(dòng)軸承故障診斷方法與實(shí)驗(yàn)研究[D];青島理工大學(xué);2015年

6 王天一;基于正交小波優(yōu)化閾值降噪方法的滾動(dòng)軸承故障診斷研究[D];哈爾濱工業(yè)大學(xué);2015年

7 宋耀文;基于振動(dòng)信號(hào)分析的滾動(dòng)軸承故障特征提取與診斷研究[D];中國(guó)礦業(yè)大學(xué);2015年

8 韓一村;基于多傳感器的滾動(dòng)軸承故障檢測(cè)研究[D];河南科技大學(xué);2015年

9 王秀娟;基于LMD的譜峭度算法在滾動(dòng)軸承故障診斷中的應(yīng)用研究[D];電子科技大學(xué);2014年

10 段永強(qiáng);局部均值分解法在滾動(dòng)軸承故障自動(dòng)診斷中的應(yīng)用研究[D];電子科技大學(xué);2015年

，

本文編號(hào)：1122906