【摘要】：滾動(dòng)軸承是各旋轉(zhuǎn)機(jī)械中的核心部件,軸承產(chǎn)生故障將會(huì)嚴(yán)重影響機(jī)械設(shè)備的運(yùn)行效率。然而機(jī)械設(shè)備通常是在強(qiáng)背景噪聲的環(huán)境下運(yùn)行的,滾動(dòng)軸承在工況下的故障振動(dòng)信號(hào)和故障信息常常淹沒于噪聲中,傳統(tǒng)的軸承故障診斷方法很難有效的從噪聲中提取出軸承故障特征信息。本文以滾動(dòng)軸承在噪聲背景下產(chǎn)生故障時(shí)的振動(dòng)信號(hào)為研究對(duì)象,結(jié)合盲源分離和全矢譜的各自優(yōu)勢(shì),研究了盲源分離方法進(jìn)行軸承故障信號(hào)信噪分離的效果,并通過實(shí)驗(yàn)及仿真對(duì)信噪分離后的故障信號(hào)進(jìn)行全矢信息融合,提取軸承故障特征實(shí)現(xiàn)軸承故障診斷。主要研究工作及內(nèi)容如下:(1)介紹了獨(dú)立分量分析的盲源分離方法和時(shí)間固有尺度分解方法的理論算法,采用時(shí)間固有尺度分解方法將故障信號(hào)進(jìn)行多尺度分解得到多個(gè)PRC分量,解決盲源分離過程中觀測(cè)信號(hào)數(shù)目少于源信號(hào)的問題。給出了時(shí)間固有尺度分解和獨(dú)立分量分析的盲源分離方法的流程圖,通過仿真實(shí)驗(yàn)驗(yàn)證了其信噪分離的有效性。(2)通過對(duì)單通道信號(hào)分析故障特征的不全面引入了基于同源雙通道信號(hào)的全矢譜分析方法,并詳細(xì)地闡述了其理論基礎(chǔ)及數(shù)值算法。將全矢譜和獨(dú)立分量分析的盲源分離方法(ITD-ICA)相結(jié)合,提出了新的軸承故障信噪分離的特征提取方法—全矢ITD-ICA方法,詳細(xì)介紹了該方法的具體算法流程圖,通過實(shí)驗(yàn)驗(yàn)證了該方法在軸承故障提取的有效性。(3)由于獨(dú)立分量分析在處理非線性變化的信號(hào)還有一定的局限性,通過KICA與ICA仿真對(duì)比實(shí)驗(yàn)分析說明核獨(dú)立分量分析具有比傳統(tǒng)的獨(dú)立分量分析更好的非線性處理能力和穩(wěn)健性。提出ITD-KICA的盲分離方法,利用KICA消除信息冗余,提取有效獨(dú)立信息分量,分離故障信號(hào)與噪聲。再將該方法結(jié)合全矢譜,提出全矢ITD-KICA的方法,并詳細(xì)介紹了該方法的具體算法流程,通過實(shí)驗(yàn)驗(yàn)證了該方法在更好的達(dá)到降噪目的的同時(shí)能更加全面準(zhǔn)確的提取軸承故障信息實(shí)現(xiàn)軸承故障診斷。
【圖文】：

12m向量，它的數(shù)學(xué)模型可以表示為X ( t) AS（t), m n t：由已知的 X (t)，在 未知的條件下，求未離問題，它不要求對(duì)S 和 有先驗(yàn)知識(shí)，所以分 存在幾個(gè)假設(shè)條件：源信號(hào) s(t)i之間統(tǒng)計(jì)獨(dú)立。數(shù)與觀測(cè)信號(hào)數(shù)相同。號(hào) 最多只有一個(gè)源是高斯分布的。 和混合矩陣 A未知的情形下找到一分離矩獨(dú)立的源信號(hào)，即Y ( t) WX（t)2.2）： 的估計(jì)矩陣為 ，Y 為S 的估計(jì)�？驁D如下：

2 基于全矢 ITD-ICA 的滾動(dòng)軸承故障特征提取方法研究存在不足，當(dāng)某諧波的振動(dòng)強(qiáng)度很大時(shí)圖譜中的橢圓軌跡也很大，這樣容易其他橢圓軌跡交叉，導(dǎo)致很多個(gè)橢圓混疊一起出現(xiàn)，從而出現(xiàn)圖譜模糊、難分辨現(xiàn)象；于是韓捷教授在此基礎(chǔ)上提出了全矢譜的概念，其特點(diǎn)是用各個(gè)波下橢圓的長(zhǎng)軸表示振動(dòng)強(qiáng)度，并把橢圓長(zhǎng)軸命名為主振矢，，優(yōu)勢(shì)在于能夠定各個(gè)諧波下的最大振動(dòng)強(qiáng)度。.4.1 基本理論常見的傳感器安裝布局有兩種方式：水平垂直、V 形，如圖 2.2 所示。
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TH133.33

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 柏林;陸超;趙鑫;;基于ITD與ICA的滾動(dòng)軸承故障特征提取方法[J];振動(dòng)與沖擊;2015年14期

2 肖順根;宋萌萌;孔慶光;陳肇祥;;基于EEMD降噪與非抽樣提升小波包的滾動(dòng)軸承故障診斷方法[J];延邊大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年01期

3 李曉暉;傅攀;;基于EEMD的單通道盲源分離在軸承故障診斷中的應(yīng)用[J];中國(guó)機(jī)械工程;2014年07期

4 呼剛義;王凱;關(guān)雄飛;;噪聲環(huán)境下滾動(dòng)軸承故障的盲源分離[J];制造技術(shù)與機(jī)床;2013年04期

5 胥永剛;謝志聰;崔玲麗;王婧;;基于ITD的齒輪磁記憶信號(hào)特征提取方法的研究[J];儀器儀表學(xué)報(bào);2013年03期

6 沈長(zhǎng)青;謝偉達(dá);朱忠奎;劉方;黃偉國(guó);孔凡讓;;基于EEMD和改進(jìn)的形態(tài)濾波方法的軸承故障診斷研究[J];振動(dòng)與沖擊;2013年02期

7 王國(guó)彪;何正嘉;陳雪峰;賴一楠;;機(jī)械故障診斷基礎(chǔ)研究“何去何從”[J];機(jī)械工程學(xué)報(bào);2013年01期

8 何旭平;趙匡;李志農(nóng);;基于核獨(dú)立分量分析的非線性混合機(jī)械故障盲分離方法研究[J];南昌航空大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年04期

9 陳恩利;張璽;申永軍;曹軒銘;;基于SVD降噪和盲信號(hào)分離的滾動(dòng)軸承故障診斷[J];振動(dòng)與沖擊;2012年23期

10 董紹江;湯寶平;張焱;;基于最優(yōu)匹配跟蹤算法的單通道機(jī)械信號(hào)盲源分離[J];振動(dòng)工程學(xué)報(bào);2012年06期

相關(guān)博士學(xué)位論文 前5條

1 周曉峰;機(jī)械振動(dòng)源的分離和識(shí)別方法研究[D];浙江大學(xué);2012年

2 王志陽;約束獨(dú)立成分分析及其在滾動(dòng)軸承故障診斷中的應(yīng)用[D];上海交通大學(xué);2011年

3 劉永斌;基于非線性信號(hào)分析的滾動(dòng)軸承狀態(tài)監(jiān)測(cè)診斷研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

4 蔣玲莉;基于核方法的旋轉(zhuǎn)機(jī)械故障診斷技術(shù)與模式分析方法研究[D];中南大學(xué);2010年

5 葉紅仙;機(jī)械系統(tǒng)振動(dòng)源的盲分離方法研究[D];浙江大學(xué);2008年

相關(guān)碩士學(xué)位論文 前8條

1 馬艷麗;基于全矢MEMD的滾動(dòng)軸承狀態(tài)退化研究[D];鄭州大學(xué);2017年

2 王洪明;基于ITD-矢Teager能量算子的滾動(dòng)軸承故障診斷方法研究[D];鄭州大學(xué);2016年

3 李肖城;滾動(dòng)軸承復(fù)合故障信號(hào)檢測(cè)技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2014年

4 王宏超;基于全矢譜的旋轉(zhuǎn)機(jī)械故障特征提取研究[D];鄭州大學(xué);2011年

5 苗志敏;非線性混合信號(hào)的盲源分離研究[D];哈爾濱工程大學(xué);2011年

6 劉雨;基于支持向量數(shù)據(jù)描述與信息融合的設(shè)備性能退化評(píng)估研究[D];上海交通大學(xué);2009年

7 王心怡;基于核函數(shù)方法的機(jī)械故障診斷方法研究[D];鄭州大學(xué);2008年

8 張勇;基于負(fù)熵和高斯矩的有噪ICA盲源分離算法的研究[D];太原理工大學(xué);2007年

本文編號(hào)：2625939