本文關(guān)鍵詞：基于EEMD和最小二乘支持向量機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】：滾動軸承是現(xiàn)代工業(yè)設(shè)備中最常用的機械零件,也是最易發(fā)生故障的零部件。滾動軸承是否正常運行對旋轉(zhuǎn)機械可靠性、壽命以及精度產(chǎn)生很大影響,因此滾動軸承的故障診斷方法研究對于保證機械設(shè)備平穩(wěn)、安全運行具有重要的意義。本文運用改進相似極值延拓算法抑制EMD分解的端點效應,在原有算法的基礎(chǔ)上增加了端點處是否為極值點的判斷,并通過仿真實驗驗證了該算法可以很好地抑制EMD端點效應問題。針對EMD分解模態(tài)混疊問題,本文引入了EEMD算法消除模態(tài)混疊的影響,仿真實驗結(jié)果表明,算法可以有效抑制模態(tài)混疊現(xiàn)象的發(fā)生,提高了EMD算法的分解精度。本文提出了一種EEMD和譜峭度相結(jié)合的滾動故障特征提取方法,該方法通過運用白噪聲幅值標準差準則來確定EEMD算法的參數(shù),并結(jié)合譜峭度和相關(guān)系數(shù)法篩選出有效IMF分量進行信號重構(gòu),最后以包絡(luò)譜分析結(jié)果診斷軸承故障。采用滾動軸承的典型故障信號進行分析驗證,并與通用EEMD算法分析結(jié)果進行實驗對比,實驗結(jié)果表明本文方法提高了滾動軸承故障特征提取的準確率。本文提出了一種EEMD能量熵和DE-LSSVM相結(jié)合的故障模式識別方法,該算法采用差分進化算法對LS-SVM模型進行參數(shù)尋優(yōu),并將優(yōu)化后的DE-LSSVM模型運用于滾動軸承的故障模式識別。通過不同損傷程度的軸承內(nèi)圈實例信號,驗證了本文算法比LS-SVM和PSO-LSSVM算法具有訓練耗時更短、故障識別率更高的優(yōu)點,能夠?qū)L動軸承的故障進行準確識別。
【關(guān)鍵詞】：譜峭度 EEMD分解 最小二乘支持向量機 差分進化算法
【學位授予單位】：長春工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TH133.33
【目錄】：

• 摘要3-4
• Abstract4-8
• 第一章 緒論8-14
• 1.1 課題研究背景與意義8
• 1.2 滾動軸承故障診斷技術(shù)的國內(nèi)外發(fā)展現(xiàn)狀8-10
• 1.2.1 國外發(fā)展現(xiàn)狀8-9
• 1.2.2 國內(nèi)發(fā)展現(xiàn)狀9-10
• 1.3 滾動軸承故障診斷的關(guān)鍵問題研究10-12
• 1.3.1 故障特征提取方法的研究現(xiàn)狀10-12
• 1.3.1.1 非自適應性分析方法10-11
• 1.3.1.2 自適應分析方法11-12
• 1.3.2 故障模式識別方法的研究現(xiàn)狀12
• 1.4 本文的主要研究內(nèi)容及結(jié)構(gòu)安排12-14
• 第二章 滾動軸承故障機理研究14-24
• 2.1 引言14
• 2.2 滾動軸承典型結(jié)構(gòu)及其故障類型14-16
• 2.2.1 滾動軸承的典型結(jié)構(gòu)14-15
• 2.2.2 滾動軸承的故障類型15-16
• 2.3 滾動軸承的振動機理及其故障特征分析16-18
• 2.3.1 滾動軸承的振動機理16-17
• 2.3.2 滾動軸承的固有振動頻率17
• 2.3.3 滾動軸承的故障特征頻率17-18
• 2.4 滾動軸承表面損傷故障診斷模型18-23
• 2.4.1 外圈存在單損傷點的理論模型18-19
• 2.4.2 內(nèi)圈存在單損傷點的理論模型19-21
• 2.4.3 滾動體存在單損傷點的理論模型21-23
• 2.5 本章小結(jié)23-24
• 第三章 基于EEMD算法的滾動軸承的故障特征提取方法24-42
• 3.1 引言24
• 3.2 經(jīng)驗模態(tài)分解（EMD ）算法24-32
• 3.2.1 瞬時頻率24-25
• 3.2.2 本征模態(tài)函數(shù)（IMF)25
• 3.2.3 經(jīng)驗模態(tài)分解算法25-27
• 3.2.4 EMD端點效應問題及其抑制方法27-31
• 3.2.4.1 端點效應問題27-28
• 3.2.4.2 基于改進相似極值延拓的端點效應抑制方法28-29
• 3.2.4.3 仿真信號分析29-31
• 3.2.5 端點效應問題的實例分析31-32
• 3.3 總體平均經(jīng)驗模態(tài)分解（EEMD）算法32-35
• 3.3.1 EEMD算法的基本原理32-33
• 3.3.2 EEMD算法與EMD算法的對比33-35
• 3.4 基于EEMD分解和譜峭度的滾動軸承故障診斷35-41
• 3.4.1 譜峭度35
• 3.4.2 EEMD算法的參數(shù)設(shè)置35-36
• 3.4.3 EEMD和譜峭度相結(jié)合的滾動軸承故障特征提取方法36-37
• 3.4.4 實例信號分析37-41
• 3.5 本章小結(jié)41-42
• 第四章 基于DE-LSSVM的滾動軸承的故障模式識別方法42-58
• 4.1 引言42
• 4.2 支持向量機理論基礎(chǔ)42-48
• 4.2.1 經(jīng)驗風險最小化42-43
• 4.2.2 VC維理論43-44
• 4.2.3 推廣性的界44
• 4.2.4 結(jié)構(gòu)風險最小化44-45
• 4.2.5.支持向量機原理45-48
• 4.3 最小二乘支持向量機48-52
• 4.3.1 LS-SVM算法48-49
• 4.3.2 基于差分進化算法的LS-SVM參數(shù)尋優(yōu)49-52
• 4.3.2.1 差分進化算法49-51
• 4.3.2.2 差分進化算法優(yōu)化LS-SVM參數(shù)51-52
• 4.4 基于EEMD能量熵和DE-LSSVM的軸承故障模式識別方法52-57
• 4.4.1 EEMD能量熵52
• 4.4.2 基于EEMD能量熵和DE-LSSVM的滾動軸承故障模式識別算法52-53
• 4.4.3 不同損傷程度的軸承內(nèi)圈故障實例分析53-57
• 4.5 本章小結(jié)57-58
• 第五章 總結(jié)與展望58-60
• 5.1 總結(jié)58
• 5.2 展望58-60
• 致謝60-61
• 參考文獻61-65
• 作者簡介65
• 攻讀碩士學位期間研究成果65

【相似文獻】

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)燃機配件;2000年03期

2 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

3 鄧長春;;聲發(fā)射法在滾動軸承故障識別中的應用[J];試驗技術(shù)與試驗機;2002年Z2期

4 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

5 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

6 江涌;基于余弦調(diào)頻小波變換的滾動軸承故障研究[J];機械設(shè)計與制造;2005年06期

7 程光友;;時域指標在滾動軸承故障診斷中的應用[J];中國設(shè)備工程;2005年12期

8 陳洪軍;趙新澤;王延軍;;滾動軸承故障試驗臺的理論建模分析[J];四川理工學院學報(自然科學版);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年學術(shù)年會鐵道分會場暨中國鐵道學會學術(shù)年會和粵海通道運營管理學術(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)及其應用——第十二屆全國設(shè)備監(jiān)測與診斷學術(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用研究[A];第九屆全國振動理論及應用學術(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用[A];第十屆全國設(shè)備監(jiān)測與診斷技術(shù)學術(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用研究[A];第九屆全國振動理論及應用學術(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年全國青年摩擦學學術(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用[A];第十二屆全國設(shè)備故障診斷學術(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用[A];2009年全國青年摩擦學學術(shù)會議論文集[C];2009年

中國博士學位論文全文數(shù)據(jù)庫 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;2014年

2 于江林;滾動軸承故障的非接觸聲學檢測信號特性及重構(gòu)技術(shù)研究[D];大慶石油學院;2009年

3 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;2013年

4 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;2012年

5 趙協(xié)廣;基于小波變換和經(jīng)驗模態(tài)分解的滾動軸承故障診斷方法研究[D];山東科技大學;2009年

6 侯者非;強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;2010年

7 郭艷平;面向風力發(fā)電機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;2012年

8 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;2003年

9 Ao Hung Linh（池雄嶺）;基于化學反應優(yōu)化算法和支持向量機的滾動軸承故障診斷方法研究[D];湖南大學;2014年

10 崔寶珍;自適應形態(tài)濾波與局域波分解理論及滾動軸承故障診斷[D];中北大學;2013年

中國碩士學位論文全文數(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;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;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;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;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;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;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;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;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用研究[D];電子科技大學;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用研究[D];電子科技大學;2015年

  本文關(guān)鍵詞：基于EEMD和最小二乘支持向量機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：261318