發(fā)布時(shí)間：2017-03-17 12:00

  本文關(guān)鍵詞：基于小波變換與PNN神經(jīng)網(wǎng)絡(luò)相結(jié)合的滾動(dòng)軸承故障診斷，由筆耕文化傳播整理發(fā)布。

【摘要】：滾動(dòng)軸承是應(yīng)用最廣泛的機(jī)械部件之一,也是最容易受到損壞的零件之一。隨著現(xiàn)代工業(yè)和科學(xué)技術(shù)的發(fā)展進(jìn)步,滾動(dòng)軸承正朝著高速化、大型化發(fā)展。滾動(dòng)軸承出現(xiàn)故障時(shí),會使設(shè)備降低或失去功能,甚至導(dǎo)致整個(gè)設(shè)備無法正常工作,造成巨大的經(jīng)濟(jì)損失,嚴(yán)重時(shí)還會引起災(zāi)難性的事故。針對滾動(dòng)軸承普遍存在壽命離散性大、故障占有比例高、故障種類繁多等問題,本文對實(shí)際工況中滾動(dòng)軸承振動(dòng)信號進(jìn)行采集、監(jiān)測、分析和處理以識別數(shù)據(jù)的故障特征,運(yùn)用適當(dāng)?shù)臄?shù)據(jù)分析方法和神經(jīng)網(wǎng)絡(luò)對軸承數(shù)據(jù)進(jìn)行診斷,具有良好的經(jīng)濟(jì)效益和科學(xué)意義。本文以實(shí)驗(yàn)測取的滾動(dòng)軸承振動(dòng)信號為數(shù)據(jù),在軸承振動(dòng)特性、故障機(jī)理、故障信號特點(diǎn)的基礎(chǔ)上,運(yùn)用小波分析對振動(dòng)信號進(jìn)行處理。首先運(yùn)用小波降噪對數(shù)據(jù)進(jìn)行降噪處理,提高數(shù)據(jù)的信噪比,接著對已處理數(shù)據(jù)進(jìn)行小波包分解得到各個(gè)小波包頻帶系數(shù),并進(jìn)行歸一化處理,實(shí)現(xiàn)滾動(dòng)軸承內(nèi)圈、外圈以及滾動(dòng)體故障振動(dòng)信號的特征向量提取。以提取的特征向量為訓(xùn)練和驗(yàn)證樣本,輸入概率神經(jīng)網(wǎng)絡(luò),達(dá)到滾動(dòng)軸承故障狀態(tài)識別的目的。研究結(jié)果表明,基于小波分析和概率神經(jīng)網(wǎng)絡(luò)的診斷方法能夠有效地對滾動(dòng)軸承進(jìn)行檢測、診斷。
【關(guān)鍵詞】：滾動(dòng)軸承 故障診斷 小波分析 概率神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：河北工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TH133.33
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-17
• 1.1 滾動(dòng)軸承故障診斷背景10-11
• 1.2 滾動(dòng)軸承故障診斷的內(nèi)容11
• 1.3 滾動(dòng)軸承故障診斷國內(nèi)外研究現(xiàn)狀11-14
• 1.3.1 基于信號分析的滾動(dòng)軸承常規(guī)故障診斷12
• 1.3.2 基于知識推理的滾動(dòng)軸承智能故障診斷12-14
• 1.3.3 基于神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷14
• 1.4 制約軸承故障診斷技術(shù)發(fā)展的主要因素14-15
• 1.5 本論文各章節(jié)主要研究內(nèi)容15-16
• 1.6 本章小結(jié)16-17
• 第2章 滾動(dòng)軸承故障理論分析17-27
• 2.1 滾動(dòng)軸承故障形式與原因17-18
• 2.1.1 滾動(dòng)軸承故障形式17-18
• 2.1.2 滾動(dòng)軸承故障原因18
• 2.2 滾動(dòng)軸承故障機(jī)理分析18-20
• 2.2.1 滾動(dòng)軸承振動(dòng)的基本參數(shù)18-19
• 2.2.2 滾動(dòng)軸承的特征頻率19-20
• 2.2.3 滾動(dòng)軸承的固有振動(dòng)頻率20
• 2.3 滾動(dòng)軸承的振動(dòng)信號特征20-23
• 2.4 滾動(dòng)軸承故障診斷的方法23-25
• 2.5 滾動(dòng)軸承故障診斷的振動(dòng)測量25-26
• 2.5.1 測點(diǎn)的選擇25
• 2.5.2 傳感器的選擇與固定方式25-26
• 2.5.3 分析譜帶的選擇26
• 2.6 本章小結(jié)26-27
• 第3章 基于小波理論的滾動(dòng)軸承振動(dòng)信號預(yù)處理27-42
• 3.1 小波變換的數(shù)學(xué)基礎(chǔ)27-28
• 3.2 小波包變換的數(shù)學(xué)基礎(chǔ)28-29
• 3.3 信號去噪性能的評價(jià)標(biāo)準(zhǔn)29-30
• 3.4 小波降噪的數(shù)學(xué)基礎(chǔ)30-32
• 3.4.1 噪聲在小波分解下的特性31
• 3.4.2 小波降噪的步驟和方法31-32
• 3.5 小波降噪?yún)?shù)的選取32-35
• 3.5.1 小波降噪閾值的選擇32-33
• 3.5.2 小波降噪函數(shù)的選擇33-35
• 3.6 滾動(dòng)軸承實(shí)測信號的驗(yàn)證35-40
• 3.7 本章小結(jié)40-42
• 第4章 基于概率神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷42-55
• 4.1 神經(jīng)網(wǎng)絡(luò)簡介42-43
• 4.2 神經(jīng)網(wǎng)絡(luò)的應(yīng)用43-44
• 4.3 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式44
• 4.4 神經(jīng)網(wǎng)絡(luò)的分類44-45
• 4.5 概率神經(jīng)網(wǎng)絡(luò)45-48
• 4.5.1 概率神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)46-47
• 4.5.2 概率神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)47-48
• 4.5.3 概率神經(jīng)網(wǎng)絡(luò)的特性48
• 4.6 概率神經(jīng)網(wǎng)絡(luò)在故障診斷中的應(yīng)用48-51
• 4.7 基于概率神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷51-54
• 4.8 本章小結(jié)54-55
• 第5章 基于小波理論與PNN網(wǎng)絡(luò)相結(jié)合的滾動(dòng)軸承故障診斷55-64
• 5.1 振動(dòng)信號的降噪56-58
• 5.1.1 正常模式振動(dòng)信號的降噪56-57
• 5.1.2 內(nèi)圈故障振動(dòng)信號的降噪57-58
• 5.2 降噪信號的小波包分解58-60
• 5.2.1 正常模式降噪信號的小波包分解58
• 5.2.2 內(nèi)圈故障降噪信號的小波包分解58-60
• 5.3 小波包系數(shù)的歸一化處理60-61
• 5.3.1 正常模式小波包系數(shù)的歸一化60
• 5.3.2 內(nèi)圈故障小波包系數(shù)的歸一化60-61
• 5.4 概率神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與故障模式的分類61-63
• 5.5 本章小結(jié)63-64
• 結(jié)論與展望64-66
• 致謝66-67
• 參考文獻(xiàn)67-70
• 作者簡介70
• 攻讀碩士學(xué)位期間發(fā)表的論文70-71

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 姬東朝;宋筆鋒;易華輝;;基于概率神經(jīng)網(wǎng)絡(luò)的設(shè)備故障診斷及仿真分析[J];火力與指揮控制;2009年01期

2 熊聯(lián)歡,胡漢平,李德華,皮明紅;香農(nóng)正交小波變換的FFT實(shí)現(xiàn)[J];華中理工大學(xué)學(xué)報(bào);1998年08期

3 鐘飛;鄭曉斌;史鐵林;譚中軍;;基于小波神經(jīng)網(wǎng)絡(luò)的軸承未知異常診斷[J];河南科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年04期

4 付芹;谷立臣;;PNN在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用[J];煤礦機(jī)械;2009年11期

5 王敬濤;鄧東花;;基于概率神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷[J];現(xiàn)代電子技術(shù);2010年20期

6 程耕國,周鳳星;一種高速軋機(jī)故障檢測系統(tǒng)[J];武漢科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年01期

7 侯國蓮,孫曉剛,張建華,金慰剛;基于非線性主元分析和概率神經(jīng)網(wǎng)絡(luò)的凝汽器故障診斷方法研究[J];中國電機(jī)工程學(xué)報(bào);2005年18期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

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

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 王秋勤;基于概率神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)故障診斷研究[D];西南林業(yè)大學(xué);2010年

2 孔亞林;基于振動(dòng)信號的滾動(dòng)軸承故障診斷方法研究[D];大連理工大學(xué);2006年

3 高紅斌;基于靜動(dòng)力學(xué)的滾動(dòng)軸承故障模型分析及物理模擬[D];太原理工大學(xué);2006年

4 樓軍偉;滾動(dòng)軸承故障特征信息提取及SVM智能識別研究[D];蘭州理工大學(xué);2013年

5 廖星智;基于振動(dòng)特征提取的滾動(dòng)軸承故障診斷方法研究[D];昆明理工大學(xué);2014年

  本文關(guān)鍵詞：基于小波變換與PNN神經(jīng)網(wǎng)絡(luò)相結(jié)合的滾動(dòng)軸承故障診斷，，由筆耕文化傳播整理發(fā)布。

本文編號：252823