本文關鍵詞：基于形態(tài)濾波及局部切空間排列算法的滾動軸承微弱故障分類，由筆耕文化傳播整理發(fā)布。

【摘要】：滾動軸承是一種使用在旋轉機械設備中，并且最為常見的零部件，擔負著極其重要的角色，但與此同時，其故障發(fā)生的頻率也較高。滾動軸承的健康狀況影響著整個機械系統(tǒng)的工作狀態(tài)，當滾動軸承存在故障時，不僅會影響到設備的正常使用，還會使得企業(yè)正常的生產(chǎn)過程難以實現(xiàn)，如若故障發(fā)現(xiàn)不及時，嚴重情況下還能引發(fā)生產(chǎn)事故，導致廣大人民群眾巨大的財物及人身損失。因而，滾動軸承故障診斷的研究有著非常重要的意義。 振動是軸承運行時不可避免的現(xiàn)象，當其內、外圈以及滾動體上產(chǎn)生故障時，其振動往往更為強烈，將會出現(xiàn)周期性的沖擊信號，從而導致調制信號的產(chǎn)生，不同的故障呈現(xiàn)不同的故障頻率。因此該領域當前的研究重點之一是如何有效地獲取故障信號特征。 軸承實際工作過程中，由于隨機噪聲、振動傳遞路徑等因素的影響，產(chǎn)生的振動信號是非線性的，導致傳統(tǒng)的傅氏變換、小波變換等線性方法難以準確提取出故障信號的特征。本文簡要介紹了幾種時域、頻域及時頻域方法，重點闡述了數(shù)學形態(tài)學在處理非線性振動信號時的應用方法及其優(yōu)缺點。同時，，針對滾動軸承發(fā)生微弱故障時，振動信號具有高噪聲，低信噪比的特點，進一步說明了流形學習在進行故障分類時的如何應用，并對全局與局部流形學習方法進行了比較。 本文采用實驗獲取數(shù)據(jù)并對理論進行驗證。該實驗分別采集了滾動軸承內圈、外圈及滾動體各部位產(chǎn)生直徑為0.1778mm,0.3556mm,0.5334mm,0.7112mm的點蝕故障時的振動信號，然后借助MATLAB軟件編程，對實驗所得數(shù)據(jù)進行處理。 在實驗數(shù)據(jù)基礎上，分別使用傳統(tǒng)小波包濾波與形態(tài)濾波器對非線性信號數(shù)據(jù)進行濾波降噪，然后進一步采用全局及局部流形學習算法對濾波降噪后的數(shù)據(jù)提取特征值并進行故障分類，處理結果有效說明了形態(tài)濾波及局部切空間排列算法在處理非線性信號時的優(yōu)越性。
【關鍵詞】：滾動軸承 故障診斷 形態(tài)濾波 流形學習 局部切空間排列算法 模式識別
【學位授予單位】：太原理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TH133.33;TH165.3
【目錄】：

• 摘要3-5
• ABSTRACT5-11
• 第一章 緒論11-17
• 1.1 引言11-12
• 1.2 機械故障診斷的發(fā)展概況12-13
• 1.3 旋轉機械故障診斷的發(fā)展概況13-14
• 1.4 本論文的主要結構和工作內容14-15
• 1.5 本章小結15-17
• 第二章 滾動軸承的故障機理及故障信號分析方法17-35
• 2.1 滾動軸承的主要故障及故障機理17-20
• 2.2 滾動軸承振動機理及故障特征頻率分析20-25
• 2.2.1 滾動軸承振動機理20-23
• 2.2.2 滾動軸承故障特征頻率分析23-25
• 2.3 滾動軸承的早期微弱故障的特征25-26
• 2.4 滾動軸承故障信號采集與分析26-33
• 2.4.1 滾動軸承的故障信號數(shù)據(jù)采集26
• 2.4.2 傳統(tǒng)的滾動軸承故障信號分析方法26-33
• 2.5 本章小結33-35
• 第三章 形態(tài)算法在滾動軸承微弱故障信號分析中的應用35-47
• 3.1 數(shù)學形態(tài)學簡介及理論基礎35-37
• 3.1.1 數(shù)學形態(tài)學簡介35
• 3.1.2 數(shù)學形態(tài)學理論基礎35-37
• 3.2 數(shù)學形態(tài)學的運算算子和結構元素37-44
• 3.2.1 二值形態(tài)學基本算子37-39
• 3.2.2 灰度形態(tài)學基本算子39-42
• 3.2.3 廣義形態(tài)算子42-43
• 3.2.4 結構元素43-44
• 3.3 形態(tài)濾波器44
• 3.4 形態(tài)濾波器的設計44-45
• 3.5 本章小結45-47
• 第四章 流形學習在滾動軸承故障診斷中的應用47-65
• 4.1 流形學習的簡介47-54
• 4.1.1 流形學習的基本理論47-48
• 4.1.2 流形學習的分類48-50
• 4.1.3 常見的流形學習方法50-53
• 4.1.4 流形學習應用于故障診斷的主要問題53-54
• 4.2 原始特征生成54-57
• 4.3 傳統(tǒng)降維方法57-60
• 4.3.1 主成分分析法(PCA)58-59
• 4.3.2 傳統(tǒng)降維方法與流形學習方法的說明與比較59-60
• 4.4 局部切空間排列算法(LTSA)簡介60-64
• 4.4.1 局部鄰域構造60
• 4.4.2 局部坐標線性擬合60
• 4.4.3 局部坐標全局排列60-61
• 4.4.4 特征空間構建61-62
• 4.4.5 局部切空間排列算法分析62-64
• 4.5 本章小結64-65
• 第五章 滾動軸承微弱故障實驗及故障分類識別65-73
• 5.1 實驗裝置及數(shù)據(jù)簡介65-66
• 5.2 滾動軸承振動信號的故障分類識別66-72
• 5.3 本章小結72-73
• 第六章 總結與展望73-75
• 6.1 總結73-74
• 6.2 展望74-75
• 參考文獻75-79
• 致謝79-81
• 攻讀碩士學位期間發(fā)表的論文81

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 周俊麗;周久華;;滾動軸承故障機理與診斷策略[J];四川兵工學報;2012年04期

2 焦李成,保錚;子波理論與應用:進展與展望[J];電子學報;1993年07期

3 姚桂艷,孫麗媛,程秀芳,薛全會;機械故障診斷技術的研究現(xiàn)狀及發(fā)展趨勢[J];河北理工學院學報;2005年03期

4 賈艷秋;張兵;陳雪梅;;滾動軸承的故障機理及診斷[J];化工裝備技術;2011年04期

5 羅邦R

本文編號：261234