【摘要】：旋轉(zhuǎn)機械是現(xiàn)代工業(yè)生產(chǎn)設(shè)備中極其重要的組成部分,是諸多機械設(shè)備中的一個重要燕類。在各類旋轉(zhuǎn)機械中,滾動軸承扮演著十分關(guān)鍵的角色。為了保障機械設(shè)備的正常運行,針對旋轉(zhuǎn)機械滾動軸承的狀態(tài)監(jiān)測和故障診斷已經(jīng)成為重要的研究課題。局部均值分解(Local Mean Decomposition,LMD)是近年來出現(xiàn)的一種新的自適應(yīng)的信號分析方法,由于其在處理非平穩(wěn)非線性信號上的優(yōu)勢,而被廣泛應(yīng)用于旋轉(zhuǎn)機械故障診斷領(lǐng)域。本文重點研究了局部均值分解方法及其在滾動軸承故障診斷中的應(yīng)用,主要內(nèi)容如下:首先,針對LMD分解過程中存在的模態(tài)混淆問題,研究了一種基于掩蔽信號和相關(guān)系數(shù)的掩蔽局部均值分解(Masking Local Mean Decomposition,MLMD),并通過仿真信號和實際的滾動軸承振動信號對該方法的可行性進行驗證。其次,針對多尺度排列熵(Multi-Scale Permutation Entropy,MPE)粗�；^程的局限,研究了復(fù)合多尺度排列熵(Composite Multi-Scale Permutation Entropy,CMPE),并與LMD、綜合關(guān)聯(lián)分析相結(jié)合,研究了一種基于LMD-CMPE和綜合關(guān)聯(lián)分析的滾動軸承故障診斷方法。該方法首先對故障信號進行LMD分解,然后選取包含故障信息較為豐富的前幾個乘積函數(shù)(Product Function,PF)計算CMPE作為特征向量,在灰色相似關(guān)聯(lián)度的基礎(chǔ)上融入相近性因子,綜合考慮相似性和相近性對CMPE特征向量進行模式識別,實現(xiàn)不同類型故障的判別。最后,從瞬時特征分析的角度出發(fā),依據(jù)LMD算法的自身特點,定義了基于LMD的瞬時能量譜,并在此基礎(chǔ)上結(jié)合信息熵的概念,提出了瞬時能量譜熵,并與數(shù)學(xué)形態(tài)學(xué)去噪相結(jié)合,應(yīng)用到滾動軸承振動信號的特征提取當中�；贚MD的瞬時能量譜可以準確地反映故障特征頻率,瞬時能量譜熵對不同運行狀態(tài)的滾動軸承振動信號有穩(wěn)定的區(qū)分度,將其作為故障特征參數(shù)可以有效地區(qū)分不同類型的故障。
[Abstract]:Rotating machinery is an extremely important part of modern industrial production equipment and an important swallow in many machinery and equipment. In all kinds of rotating machinery, rolling bearing plays a very important role. In order to ensure the normal operation of mechanical equipment, the condition monitoring and fault diagnosis of rolling bearings for rotating machinery has become an important research topic. Local mean decomposition (Local Mean) is a new adaptive signal analysis method in recent years. It is widely used in the field of rotating machinery fault diagnosis because of its advantages in dealing with non-stationary nonlinear signals. This paper focuses on the method of local mean decomposition and its application in rolling bearing fault diagnosis. The main contents are as follows: firstly, the modal confusion in the process of LMD decomposition is discussed. A masking local mean decomposition (Masking Local Mean DecompositionMLMD) based on masking signal and correlation coefficient is studied, and the feasibility of this method is verified by simulation signal and actual rolling bearing vibration signal. Secondly, considering the limitation of Multi-Scale Permutation Entropy Entropy (MPE) coarse-grained process, the composite Composite Multi-Scale Permutation Entropic permutation Entropy (MPE) is studied, which is combined with LMD and integrated correlation analysis. A method of rolling bearing fault diagnosis based on LMD-CMPE and comprehensive correlation analysis is studied. The method firstly decomposes the fault signal by LMD, and then selects the first several product functions (Product function / PF) which contain abundant fault information to calculate the CMPE as the eigenvector. The similarity factor is incorporated on the basis of the grey similarity correlation degree. Considering the similarity and similarity, the pattern recognition of CMPE feature vector is carried out to distinguish different types of faults. Finally, from the point of view of instantaneous feature analysis, according to the characteristics of LMD algorithm, the instantaneous energy spectrum based on LMD is defined, and based on the concept of information entropy, the instantaneous energy spectrum entropy is proposed. Combined with mathematical morphology denoising, it is applied to feature extraction of rolling bearing vibration signal. The instantaneous energy spectrum based on LMD can accurately reflect the characteristic frequency of the fault. The instantaneous energy spectrum entropy has a stable degree of discrimination for the vibration signals of rolling bearings in different running states. Using it as a fault characteristic parameter can effectively distinguish different types of faults.
【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】：2017
【分類號】：TH133.33

【相似文獻】

相關(guān)期刊論文 前10條

1 王延松，李樹才，蔣鈺潔;滾動軸承故障的快速診斷[J];林業(yè)機械與木工設(shè)備;1996年03期

2 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

3 秦愷,陳進,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

4 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

5 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

6 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

7 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

8 程光友;;時域指標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

9 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

10 李崇晟;滾動軸承故障的非線性診斷方法[J];軸承;2005年05期

相關(guān)會議論文 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;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

相關(guān)博士學(xué)位論文 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 王聰;基于稀疏表達的機械信號處理方法及其在滾動軸承故障診新中的應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2017年

5 王洪偉;航空發(fā)動機滾動軸承故障診斷與預(yù)測關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2015年

6 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

7 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

8 葛慧敏;車輛滾動軸承故障診斷建模及關(guān)鍵技術(shù)研究[D];江蘇大學(xué);2017年

9 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

10 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

相關(guān)碩士學(xué)位論文 前10條

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

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

3 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

4 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

5 馮春生;基于多源不確定信息融合的數(shù)控機床滾動軸承故障診斷方法與實驗研究[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;基于振動信號分析的滾動軸承故障特征提取與診斷研究[D];中國礦業(yè)大學(xué);2015年

8 韓一村;基于多傳感器的滾動軸承故障檢測研究[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;局部均值分解法在滾動軸承故障自動診斷中的應(yīng)用研究[D];電子科技大學(xué);2015年

，

本文編號：2198738