本文選題：旋轉(zhuǎn)機械 + 噪聲信號��； 參考：《中國礦業(yè)大學》2017年碩士論文

【摘要】：旋轉(zhuǎn)機械是最常使用的一類機械設備,對該類設備進行故障診斷,狀態(tài)監(jiān)測直接關系到工廠的工作效率、經(jīng)濟效益以及工作人員的安全健康。然而,現(xiàn)今普遍使用的振動信號故障診斷方法由于其自身特點的限制已經(jīng)不能滿足實際的監(jiān)測要求。因此,本文結(jié)合聲學信號監(jiān)測的非接觸式測量、設備簡單、信號易于測取、易于發(fā)現(xiàn)早期故障、無須事先粘貼傳感器、可對移動目標進行在線監(jiān)測等優(yōu)點,對基于噪聲信號的故障診斷方法進行系統(tǒng)研究。首先,本文對旋轉(zhuǎn)機械常見故障類型及故障機理進行詳細介紹。對聲學的理論基礎進行說明,從理論層面說明了利用噪聲信號進行故障診斷的可行性。介紹了利用噪聲信號進行故障診斷的方法,以及各方法的原理和特點。同時,針對旋轉(zhuǎn)機械故障的噪聲信號的特點進行了分析說明。其次,基于研究目的以及研究背景,結(jié)合現(xiàn)有實驗設備設計實驗內(nèi)容,并且開展實驗信號的采集工作。將實驗分成兩類,一是對定點式信號的采集,二是移動式信號的采集。主要的實驗對象包括滾動軸承故障信號、轉(zhuǎn)子轉(zhuǎn)軸故障信號、齒輪箱齒輪嚙合故障信號以及混合故障信號等。再次,利用采集的故障信號實現(xiàn)基于噪聲信號的故障特征提取方法研究。利用短時傅里葉變換對故障特征進行提取,初步驗證噪聲信號中包含著故障信息成分。根據(jù)處理結(jié)果發(fā)現(xiàn),噪聲信號中包含更加復雜強大的背景噪聲,考慮使用經(jīng)驗模態(tài)分解去噪,將經(jīng)驗模態(tài)分解與相關性分析以及峭度進行結(jié)合,實現(xiàn)對信號的分解與重構(gòu),進而實現(xiàn)對信號的去噪。對比去噪前后的頻譜圖,可見該去噪方法對該類信號具有較好的處理效果。因為經(jīng)驗模態(tài)分解頻率混疊問題的存在,對基于集合經(jīng)驗模態(tài)分解的故障特征提取方法進行研究。然后,結(jié)合采集到的噪聲信號特點,提出一種基于能量的噪聲信號處理方法,并對該方法的原理以及過程進行詳細的說明。最后,對旋轉(zhuǎn)機械故障的噪聲信號進行分類方法研究,將支持向量機應用于故障特征分類。利用交叉驗證方法尋找最優(yōu)模型參數(shù),分別將定點采集信號以及移動采集信號進行分類識別,再對混合故障信號進行分類識別,觀察支持向量機對故障噪聲信號的分類準確度。文章最后對本次研究所做的工作進行了總結(jié),并對相關的研究發(fā)展進行了展望。
[Abstract]:Rotating machinery is the most commonly used kind of mechanical equipment, which is a kind of fault diagnosis for this kind of equipment. The state monitoring is directly related to the efficiency of the factory, the economic benefit and the safety and health of the staff. However, the commonly used method of vibration signal fault diagnosis is unable to meet the actual monitoring because of its own characteristics. Therefore, this paper combines the non-contact measurement of acoustic signal monitoring, the equipment is simple, the signal is easy to be measured, the early fault is easy to find, the advantages of on-line monitoring of the moving target without prior sticking to the sensor, and the fault diagnosis method based on the noise signal are systematically studied. First, the common fault of the rotating machinery is found in this paper. The type and fault mechanism are introduced in detail. The theoretical basis of acoustics is explained, and the feasibility of fault diagnosis using noise signal is explained from the theoretical level. The method of fault diagnosis by using noise signal and the principle and characteristics of each method are introduced. Secondly, based on the purpose of research and research background, combining the existing experimental equipment to design experimental contents and carry out the acquisition of experimental signals, the experiment is divided into two categories, one is the collection of fixed point signals and the two is the acquisition of mobile signals. The main test objects include the rolling bearing fault signal and the rotor axis. The fault signal, the gear box gear meshing fault signal and the mixed fault signal, etc. again, the fault feature extraction method based on the noise signal is realized by the acquisition of the fault signal. The fault feature is extracted by the short time Fourier transform, and it is preliminarily verified that the noise component contains the fault information component. At present, the noise signal contains more complex and powerful background noise, considering the use of empirical mode decomposition to denoise, combining empirical mode decomposition with correlation analysis and kurtosis to realize the decomposition and reconstruction of the signal, and then realize the denoising of the signal. Because of the existence of frequency aliasing in empirical mode decomposition, the method of fault feature extraction based on set empirical mode decomposition is studied. Then, a noise signal processing method based on energy is proposed based on the characteristics of the acquired noise signal, and the principle and process of this method are described in detail. Finally, the noise signal of the rotating machinery fault is classified, and support vector machine is applied to the classification of fault features. The cross validation method is used to find the optimal model parameters, the fixed point acquisition signal and the mobile acquisition signal are classified and identified, then the mixed fault signals are classified and identified, and the support vectors are observed. Finally, the paper summarizes the work done in this research, and looks forward to the related research and development.
【學位授予單位】：中國礦業(yè)大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TH17

【參考文獻】

相關期刊論文 前10條

1 吳小濤;楊錳;袁曉輝;龔廷愷;;基于峭度準則EEMD及改進形態(tài)濾波方法的軸承故障診斷[J];振動與沖擊;2015年02期

2 魏永合;王明華;林夢菊;田鵬;;基于改進EEMD的滾動軸承故障特征提取技術[J];組合機床與自動化加工技術;2015年01期

3 王曉峰;毛德強;馮尚聰;;現(xiàn)代故障診斷技術研究綜述[J];中國測試;2013年06期

4 馮志鵬;褚福磊;;行星齒輪箱齒輪分布式故障振動頻譜特征[J];中國電機工程學報;2013年02期

5 王增才;王樹梁;任鍇勝;王保平;;基于EEMD的提升機天輪軸承故障診斷方法[J];煤炭學報;2012年04期

6 楊曉蔚;李紅濤;;滾動軸承振動與噪聲的相關性解析[J];軸承;2011年07期

7 王曉華;彭程;梁靜;;STFT時頻分析算法研究及其在列車振動分析中的應用[J];噪聲與振動控制;2011年01期

8 石文磊;陳興明;袁海龍;;基于EMD和Hilbert包絡譜的滾動軸承故障診斷[J];機械工程與自動化;2010年05期

9 薛光輝;吳淼;;機電設備故障診斷方法研究現(xiàn)狀與發(fā)展趨勢[J];煤炭工程;2010年05期

10 陳保家;何正嘉;陳雪峰;訾艷陽;;機車故障診斷的局域均值分解解調(diào)方法[J];西安交通大學學報;2010年05期

相關博士學位論文 前6條

1 鐘先友;旋轉(zhuǎn)機械故障診斷的時頻分析方法及其應用研究[D];武漢科技大學;2014年

2 姜銳紅;基于譜峭度及原子分解的滾動軸承故障診斷方法研究[D];上海大學;2014年

3 張超;基于自適應振動信號處理的旋轉(zhuǎn)機械故障診斷研究[D];西安電子科技大學;2012年

4 王冬云;轉(zhuǎn)子-軸承故障診斷方法研究[D];燕山大學;2012年

5 黃偉國;基于振動信號特征提取與表達的旋轉(zhuǎn)機械狀態(tài)監(jiān)測與故障診斷研究[D];中國科學技術大學;2010年

6 楊宇;基于EMD和支持向量機的旋轉(zhuǎn)機械故障診斷方法研究[D];湖南大學;2005年

相關碩士學位論文 前10條

1 陳楊;基于循環(huán)平穩(wěn)的滑動軸承故障診斷方法研究[D];重慶大學;2015年

2 王澤文;基于振動信號的滾動軸承故障診斷與預測系統(tǒng)研究[D];中國礦業(yè)大學;2014年

3 周揚;基于振動信號分析的轉(zhuǎn)子故障診斷方法研究[D];南京航空航天大學;2014年

4 陳曦;Hilbert-Huang變換算法研究及其在紙機軸承故障診斷中的應用[D];陜西科技大學;2013年

5 李響;基于半監(jiān)督支持向量機的網(wǎng)絡流量分類機制的研究與實現(xiàn)[D];北京郵電大學;2011年

6 趙佳萌;基于聲信號小波變換的滾動軸承故障診斷[D];北京交通大學;2009年

7 黃媛;改進的小波神經(jīng)網(wǎng)絡在旋轉(zhuǎn)機械故障診斷中的應用研究[D];武漢理工大學;2009年

8 紀明;滾動軸承故障診斷算法及軟件[D];蘭州理工大學;2008年

9 龔海鵬;小波變換在轉(zhuǎn)子故障診斷中若干問題的研究[D];上海交通大學;2008年

10 陳剛;齒輪和滾動軸承故障的振動診斷[D];西北工業(yè)大學;2007年

，

本文編號：1901505