【摘要】： 旋轉(zhuǎn)機(jī)械是設(shè)備狀態(tài)檢測(cè)與故障診斷工作的重點(diǎn),而旋轉(zhuǎn)機(jī)械的故障有相當(dāng)大比例與滾動(dòng)軸承有關(guān)。因此,及時(shí)發(fā)現(xiàn)并排除軸承故障具有重要的意義。由于受傳感器安裝位置的限制和多故障并發(fā)時(shí)的故障與特征之間非線性關(guān)系等影響,傳感器采集到的信號(hào)非常復(fù)雜。所以,我們?cè)谔卣魈崛≈?非常有必要對(duì)多故障源進(jìn)行分離,為正確地提取故障特征做好前期的準(zhǔn)備。 本課題研究的目的在于把后非線性獨(dú)立分量分析方法引入到旋轉(zhuǎn)機(jī)械多故障診斷領(lǐng)域。基于滾動(dòng)軸承振動(dòng)信號(hào)中獲取的故障數(shù)據(jù),進(jìn)行故障源進(jìn)行分離和特征提取,從而提高故障診斷的水平和效率。 本文的內(nèi)容主要包括以下幾個(gè)方面: 首先介紹了獨(dú)立分量分析方法的原理及各種相關(guān)的獨(dú)立分量分析模型特點(diǎn)。 其次對(duì)故障源過(guò)程進(jìn)行分析,并把獨(dú)立分量分析方法引入到故障的特征分離中。本文主要介紹了快速獨(dú)立分量分析(fastICA, fast independent component anlysis )與后非線性馬爾可夫( markovPNL, markov post nonlinear)盲源分離方法。 然后是故障數(shù)據(jù)采集系統(tǒng)的搭建,根據(jù)采集到的不同單故障數(shù)據(jù),進(jìn)行線性和非線性混合,對(duì)混合數(shù)據(jù)采用了fastICA與markovPNL獨(dú)立分量分析方法分離,并得到不同的分離效果。最后根據(jù)仿真結(jié)果,把markovPNL分離方法應(yīng)用到軸承多故障并發(fā)分離中。 實(shí)驗(yàn)結(jié)果證明了,markovPNL分離方法在多故障并發(fā)的分離中具有良好的效果,為后期的特征提取提供了強(qiáng)有力的幫助。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2008
【分類號(hào)】：TH165.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙宏偉;張清華;夏路易;;證據(jù)理論在旋轉(zhuǎn)機(jī)械并發(fā)故障診斷中研究的進(jìn)展[J];廣東石油化工學(xué)院學(xué)報(bào);2011年04期

2 李暉;梁樹(shù)甜;;模糊模式識(shí)別在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用[J];船電技術(shù);2011年09期

3 江志農(nóng);徐文明;;基于CBR的旋轉(zhuǎn)機(jī)械故障診斷專家系統(tǒng)的設(shè)計(jì)[J];組合機(jī)床與自動(dòng)化加工技術(shù);2011年08期

4 周文利;鄭宇;;基于VxWorks的旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測(cè)系統(tǒng)[J];儀表技術(shù)與傳感器;2011年07期

5 譚青;謝燕琴;劉文倩;;球式自動(dòng)平衡裝置在二倍頻激勵(lì)下的動(dòng)態(tài)特性[J];噪聲與振動(dòng)控制;2011年04期

6 王峰;熊華林;;旋轉(zhuǎn)機(jī)械運(yùn)轉(zhuǎn)過(guò)程中的隨機(jī)動(dòng)力學(xué)分叉[J];煤炭技術(shù);2011年07期

7 熊p，

本文編號(hào)：2598578