【摘要】： 本文在國家自然科學基金(50775208)和河南省教育廳自然科學基金(2008C460003,2006460005)資助下,將局域均值分解(Local Mean Decomposition, LMD)引入到機械故障診斷領域,對基于局域均值分解的機械故障診斷方法進行了深入研究,并取得了創(chuàng)新成果,得到了一些有價值的結論。本論文的主要內容如下： 第1章、論述了本課題提出的意義；討論了時頻分析的發(fā)展現(xiàn)狀及其國內外研究現(xiàn)狀；闡述了局域均值分解的發(fā)展及在國內外的研究應用現(xiàn)狀；提出了本課題的總體框架和創(chuàng)新點。 第2章、詳細論述了局域均值分解的基本理論、算法和特點,并和經(jīng)驗模態(tài)分解(Empirical Mode Decomposition,EMD)進行了對比分析。LMD分解可以得到具有明顯物理意義的生產(chǎn)函數(shù)(production function,PF)分量,能更好地揭示系統(tǒng)的非線性、非平穩(wěn)特性,鑒于LMD良好的自適應性,將該方法引入到機械故障診斷中,提出了基于LMD的機械故障診斷方法,并給出了實現(xiàn)的主要步驟。仿真研究表明,該方法能很好地自適應性處理非平穩(wěn)信號,能有效地提取出具有明顯的物理意義的瞬時頻率分量,不會造成信息的遺失。最后,將提出的方法應用到滾動軸承故障診斷中,通過軸承故障的分析,進一步驗證了提出的方法的有效性。 第3章、論述了Wigner高階矩譜的定義和算法；針對Wigner高階矩譜受到交叉項影響的不足,提出了一種基于局域均值分解和Wigner高階矩譜的機械故障診斷方法,該方法首先對故障信號進行LMD分解,得到具有單分量性質的生產(chǎn)分量,然后從這些生產(chǎn)分量中找出包含原始信號信息的“真實分量”,通過對真實分量求Wigner雙譜,然后再進行疊加,便可有效的抑制Wigner高階矩譜交叉項的干擾。仿真結果表明,與直接Wigner雙譜相比較,交叉干擾項得到了有效的抑制,非常好的保持了原信號的性質；與采用Choi-Williams核濾波得到的Wigner雙譜相比較,更能真實地再現(xiàn)信號的時頻特性。最后,將提出的方法用于軸承的故障診斷,實驗結果再次證明了該方法的有效性,提出的方法為Wigner高階矩譜交叉項的抑制提供了一種新的途徑。 第4章、論述了盲源分離的的基本理論和基本算法；結合LMD和BSS各自的特點,提出了一種基于LMD的機械故障欠定盲源分離方法,在提出的方法中,利用LMD對觀測信號進行分解,得到一系列的生產(chǎn)函數(shù)分量,將所得到的生產(chǎn)函數(shù)分量和原觀測信號組成新的觀測信號,然后,對構成的新觀測信號進行白化處理和聯(lián)合近似對角化,得到源信號的估計。仿真結果表明,提出的方法優(yōu)于傳統(tǒng)時頻域的盲源分離方法,能有效地處理非平穩(wěn)信號的欠定盲分離。最后,將提出的方法應用到滾動軸承的混合故障分離中,實驗結果進一步驗證了該方法的有效性。 第5章、將局域均值分解(LMD)、包絡分析和支持向量機(SVM)相結合,提出了基于LMD包絡譜和SVM的滾動軸承故障診斷方法,該方法先對滾動軸承振動信號進行分解,得到一系列的PF分量,然后,再對前面幾個PF分量進行絡分析,從包絡譜中提取特征幅值比作為特征向量輸入到SVM分類器中進行識別。實驗結果表明,提出的方法是有效的,可以有效地識別滾動軸承的不同故障。 第6章、對本文的工作進行了總結,并對下一步要進行的工作進行了展望。
【學位授予單位】：鄭州大學
【學位級別】：碩士
【學位授予年份】：2010
【分類號】：TH165.3

【參考文獻】

相關期刊論文 前5條

1 馬波,魏強,徐春林,江志農(nóng);基于Hilbert變換的包絡分析及其在滾動軸承故障診斷中的應用[J];北京化工大學學報(自然科學版);2004年06期

2 李智,陳祥初,劉政波;包絡分析及其在設備故障診斷中的應用[J];測試技術學報;2002年02期

3 王凱;安鋼;肖雨;;基于經(jīng)驗模式分解和Wigner高階矩譜的軸承故障診斷[J];軸承;2009年04期

4 胡勁松,楊世錫;基于HHT的轉子橫向裂紋故障診斷[J];動力工程;2004年02期

5 高紅斌;;滾動軸承故障包絡信號分析及物理模擬[J];機械工程與自動化;2008年02期

相關博士學位論文 前10條

1 胡勁松;面向旋轉機械故障診斷的經(jīng)驗模態(tài)分解時頻分析方法及實驗研究[D];浙江大學;2003年

2 趙沖沖;基于支持向量機的旋轉機械故障診斷[D];西北工業(yè)大學;2003年

3 焦衛(wèi)東;基于獨立分量分析的旋轉機械故障診斷方法研究[D];浙江大學;2003年

4 郝志華;基于局域波法和盲源分離的故障診斷方法應用研究[D];大連理工大學;2005年

5 楊宇;基于EMD和支持向量機的旋轉機械故障診斷方法研究[D];湖南大學;2005年

6 蔡權偉;多分量信號的信號分量分離技術研究[D];電子科技大學;2006年

7 潘明清;基于支持向量機的機械故障模式分類研究[D];浙江大學;2005年

8 王勝春;自適應時頻分析技術及其在故障診斷中的應用研究[D];山東大學;2007年

9 劉萬里;支持向量機中若干問題及應用研究[D];西安電子科技大學;2008年

10 任達千;基于局域均值分解的旋轉機械故障特征提取方法及系統(tǒng)研究[D];浙江大學;2008年

相關碩士學位論文 前6條

1 李憶嵐;時頻分析理論及應用研究[D];西北工業(yè)大學;2003年

2 李著成;基于獨立分量分析盲源分離算法的研究[D];太原理工大學;2006年

3 周宇;基于全信息技術的非平穩(wěn)信號的Wigner分布及應用[D];鄭州大學;2007年

4 曾峰;基于經(jīng)驗模式分解的信號處理方法研究[D];河南大學;2007年

5 段錦升;機械系統(tǒng)微弱故障信號檢測及特征提取方法研究[D];太原理工大學;2007年

6 張鑫;欠定盲源分離技術研究[D];西安電子科技大學;2009年

本文編號：2720561