發(fā)布時間：2017-11-25 23:00

  本文關鍵詞：基于正交小波優(yōu)化閾值降噪方法的滾動軸承故障診斷研究

  更多相關文章： 滾動軸承 故障診斷 模態(tài)分解 小波降噪 優(yōu)化閾值

【摘要】：為了在線監(jiān)測機械設備運轉過程中滾動軸承可能發(fā)生的故障,基于正交小波變換,將監(jiān)測信號通過優(yōu)化閾值降噪方法,去掉背景噪聲的影響,保留故障信號成分,為機械設備故障特征的提取提供保證。在實際設備正常工作過程中,滾動軸承是最為常見的、極其容易出現(xiàn)故障的轉動類部件。機械設備能否正常工作,對整體機械設備的性能影響非常大。為了避免由于滾動軸承故障引起的設備損失,監(jiān)測災難性事故發(fā)生的可能性,建立滾動軸承在線監(jiān)測程序及實時故障診斷,對實際工程有著重大的理論意義和實用價值。為了試驗獲取不同工況條件下的機械設備振動信號,借鑒以往滾動軸承故障模擬試驗臺,設計試驗滾動軸承故障類型。要求該試驗臺滿足實驗條件:主軸轉速可以變化;荷載可以變換;快速準確采集不同工況條件下的滾動軸承振動信號。設計的試驗分三種情況進行了狀態(tài)監(jiān)測試驗,并采集了相應的振動信號:正常振動、外圈故障振動信號和內圈故障振動信號。利用正交小波的數(shù)學特性,結合優(yōu)化閾值目標函數(shù),對試驗采集的振動信號給予降噪處理。在不同分解尺度上,故障信號與噪聲信號的小波系數(shù)是具有不同的特性,并且軟、硬閾值函數(shù)具有各自的優(yōu)點。通過改變閾值選取原則和閾值函數(shù)形式,降低信號中的噪聲干擾,且保證故障信號成分盡可能少損失,為分析機械設備的故障特征提供理論依據和基礎數(shù)據。本文提出一種新的閾值選取原則和優(yōu)化閾值降噪方法,結合經驗模態(tài)分解的特征提取技術,將其應用到滾動軸承故障特征提取中。結果表明,本文方法應用于滾動軸承故障診斷是有效的和適用的。
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TH165.3

【參考文獻】

中國期刊全文數(shù)據庫 前1條

1 李孟源,陳春朝,任煥琴;小波神經網絡在貨車滾動軸承故障檢測中的應用[J];機械;2005年11期

中國博士學位論文全文數(shù)據庫 前1條

1 趙志宏;基于振動信號的機械故障特征提取與診斷研究[D];北京交通大學;2012年

，

本文編號：1227651