發(fā)布時間：2017-03-16 06:04

  本文關(guān)鍵詞：基于條件局部均值分解與變量預(yù)測模型的滾動軸承故障診斷方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著科學(xué)技術(shù)的進(jìn)步,新型工業(yè)化的發(fā)展,大量機(jī)械設(shè)備應(yīng)用于工業(yè)生產(chǎn),推動經(jīng)濟(jì)和社會的發(fā)展。滾動軸承作為典型的旋轉(zhuǎn)機(jī)械,是機(jī)械設(shè)備中的重要部件之一,它的運(yùn)行狀態(tài)直接影響整個機(jī)械設(shè)備的正常運(yùn)行。因此,為避免滾動軸承故障而導(dǎo)致機(jī)械設(shè)備的無法正常運(yùn)行,很有必要對其運(yùn)行狀態(tài)進(jìn)行檢測和故障診斷。滾動軸承發(fā)生故障時,其振動信號表現(xiàn)出明顯的非線性、非平穩(wěn)性,包含大量的故障信息,如何采取有效的方法提取振動信號中突出故障特征的分量一直是故障診斷領(lǐng)域的研究熱點(diǎn)。本文針對提取滾動軸承故障信息精度低、故障識別效率低的問題,提出了基于條件局部均值分解(Conditional local mean decomposition, CLMD)與變量預(yù)測模型模式識別(Variable predictive model based class discriminate, VPMCD)的軸承故障診斷方法。該方法能夠有效地從滾動軸承振動信號中提取故障特征分量,從而構(gòu)建故障特征向量；最終實(shí)現(xiàn)滾動軸承故障類型的有效識別。本文的主要研究內(nèi)容如下：(1)研究了局部均值分解(Local mean decomposition, LMD)時頻分析算法在非線性、非平穩(wěn)信號處理中的原理及Hilbert變換在信號分析中的應(yīng)用,提出了CLMD方法。該方法將數(shù)字圖像處理的頻率分辨率方法與LMD相結(jié)合,有效解決了LMD分解非連續(xù)的非線性、非平穩(wěn)信號過程中存在的模態(tài)混淆現(xiàn)象,從而影響識別效率的問題,并通過仿真信號驗(yàn)證了該方法的特性。此外,頻率分辨率方法減少了LMD在分解非連續(xù)的非線性、非平穩(wěn)信號的計(jì)算量,減少了分解時間,提高了分解效率。(2) VPMCD是一種多變量預(yù)測模型的模式識別方法,該方法很好地解決了非線性分類的問題。該方法適用于將系統(tǒng)劃分為不同類別的特征參數(shù)之間具有某種一定的相互內(nèi)在關(guān)系,且這種內(nèi)在關(guān)系在不同類別之間具有明顯的差別；同一類別的各個特征值可以通過樣本訓(xùn)練得到相應(yīng)的數(shù)學(xué)關(guān)系模型,即變量預(yù)測模型(Variable predictive model, VPM),從而可以通過這些VPM對測試樣本的各個特征參數(shù)進(jìn)行預(yù)測,以各個特征參數(shù)預(yù)測誤差的平方和最小為判別函數(shù),對測試樣本進(jìn)行類型識別。該方法有效避免了BP神經(jīng)網(wǎng)絡(luò)易陷入局部最優(yōu)的缺點(diǎn)和支持向量機(jī)(Support vector machine, S VM)的尋優(yōu)過程,減少了計(jì)算量和訓(xùn)練時間,提高了識別的效率。(3)針對滾動軸承故障診斷過程中存在的故障信息提取精度低、故障類型識別效率低的問題,本文提出了基于CLMD和VPMCD的滾動軸承故障診斷方法,并將該方法應(yīng)用到實(shí)際滾動軸承故障識別,應(yīng)用結(jié)果證明該方法是可行、有效的。此外,本文從信號處理和模式識別兩方面出發(fā),將本文的方法與近年來有代表性的滾動軸承故障診斷方法進(jìn)行了對比分析。對比結(jié)果表明,本文提出的方法具有運(yùn)行速度快、故障診斷精度高的優(yōu)點(diǎn),在滾動軸承故障診斷領(lǐng)域具有廣泛的應(yīng)用前景,為實(shí)現(xiàn)旋轉(zhuǎn)機(jī)械故障診斷提供了一個有效的新途徑。
【關(guān)鍵詞】：局部均值分解 條件局部均值分解 滾動軸承 變量預(yù)測模型 Hilbert變換
【學(xué)位授予單位】：昆明理工大學(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5-7
• ABSTRACT7-14
• 第一章 緒論14-24
• 1.1 選題背景及研究意義14-15
• 1.2 滾動軸承故障診斷研究現(xiàn)狀及發(fā)展趨勢15-20
• 1.2.1 國外研究現(xiàn)狀16-17
• 1.2.2 國內(nèi)研究現(xiàn)狀17-18
• 1.2.3 傳統(tǒng)故障診斷方法的局限性及發(fā)展趨勢18-20
• 1.3 本文的主要研究內(nèi)容20-23
• 1.3.1 本文的研究思路20-21
• 1.3.2 本文章節(jié)研究內(nèi)容的安排21-22
• 1.3.3 本文的創(chuàng)新點(diǎn)22-23
• 1.4 本章小結(jié)23-24
• 第二章 局部均值分解時頻分析的應(yīng)用研究24-38
• 2.1 引言24-25
• 2.2 經(jīng)驗(yàn)?zāi)B(tài)分解方法25-28
• 2.2.1 經(jīng)驗(yàn)?zāi)B(tài)分解方法概述25-26
• 2.2.2 本征模態(tài)函數(shù)26
• 2.2.3 EMD的分解原理26-28
• 2.3 Hilbert變換28
• 2.4 局部均值分解方法28-33
• 2.4.1 局部均值分解方法概述28-29
• 2.4.2 局部均值分解方法的基本原理29-33
• 2.5 LMD方法與EMD方法的比較33
• 2.6 LMD方法的仿真33-37
• 2.7 本章小結(jié)37-38
• 第三章 條件局部均值分解時頻分析的應(yīng)用研究38-44
• 3.1 引言38
• 3.2 CLMD方法38-39
• 3.3 CLMD方法與LMD方法的對比研究分析39-43
• 3.4 本章小結(jié)43-44
• 第四章 基于條件局部均值分解與變量預(yù)測模型的滾動軸承故障診斷44-68
• 4.1 引言44-45
• 4.2 滾動軸承概述45-50
• 4.2.1 滾動軸承故障分析45-48
• 4.2.2 滾動軸承振動機(jī)理48-49
• 4.2.3 滾動軸承故障診斷系統(tǒng)49-50
• 4.3 VPMCD方法50-52
• 4.4 基于CLMD與VPMCD的滾動軸承故障診斷52-58
• 4.4.1 故障診斷流程52-53
• 4.4.2 數(shù)據(jù)采集53-54
• 4.4.3 故障特征提取54-56
• 4.4.4 變量預(yù)測模型的模型建立和故障模式識別56-58
• 4.5 BP神經(jīng)網(wǎng)絡(luò)58-62
• 4.5.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)58-60
• 4.5.2 BP網(wǎng)絡(luò)學(xué)習(xí)算法60-61
• 4.5.3 BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)61-62
• 4.6 最小二乘支持向量機(jī)62-63
• 4.6.1 支持向量機(jī)62
• 4.6.2 支持向量機(jī)的特點(diǎn)62-63
• 4.7 對比實(shí)驗(yàn)分析63-65
• 4.8 本章小結(jié)65-68
• 第五章 總結(jié)與展望68-70
• 5.1 開展的研究工作68-69
• 5.2 進(jìn)一步工作展望69-70
• 致謝70-72
• 參考文獻(xiàn)72-78
• 附錄78-79

【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(jī)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(yàn)技術(shù)與試驗(yàn)機(jī);2002年Z2期

4 任昭蓉;滾動軸承故障的小波診斷法[J];機(jī)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(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(yàn)臺的理論建模分析[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(kuò)大鐵路對外開放、確保重點(diǎn)物資運(yùn)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(yùn)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(shí)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(jì)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(jī)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(qiáng);約束獨(dú)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(yàn)?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(qiáng)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(jī)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(jī)床滾動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(qiáng);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

  本文關(guān)鍵詞：基于條件局部均值分解與變量預(yù)測模型的滾動軸承故障診斷方法研究，由筆耕文化傳播整理發(fā)布。

本文編號：251390