本文關(guān)鍵詞：基于信息融合技術(shù)的滾動(dòng)軸承故障識(shí)別及診斷，由筆耕文化傳播整理發(fā)布。

【摘要】：滾動(dòng)軸承是機(jī)械設(shè)備常用的重要零部件，在設(shè)備工作過程中極易發(fā)生損壞，一旦軸承在工作過程中發(fā)生故障，將直接影響正常的安全生產(chǎn)，甚至導(dǎo)致事故的發(fā)生。在軸承故障診斷過程中，一般由于其工作狀態(tài)是非平穩(wěn)的，故障特征信息復(fù)雜多變，單一的方法很難提取出有效的故障特征信息并診斷出故障。據(jù)統(tǒng)計(jì)，因?yàn)檩S承的發(fā)生故障導(dǎo)致的事故會(huì)引起很大的經(jīng)濟(jì)損失。因此合理有效的檢查并提取滾動(dòng)軸承的故障特征，避免事故發(fā)生非常重要。 本文運(yùn)用振動(dòng)信號(hào)測試技術(shù)采集信號(hào)，主要運(yùn)用多傳感器信息融合技術(shù)，并結(jié)合小波包理論、EMD方法、多分辨SVD、多分辨SVD包、多傳感器概率神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)對滾動(dòng)軸承進(jìn)行故障識(shí)別與診斷，研究內(nèi)容如下： 首先，本文對信息融合技術(shù)及其在故障診斷與識(shí)別中的發(fā)展過程與研究現(xiàn)狀進(jìn)行了論述，闡述了信息融合技術(shù)對機(jī)械科學(xué)的影響與意義，介紹了信息融合層次劃分與信息融合算法，分析了齒輪箱的振動(dòng)噪聲產(chǎn)生機(jī)理和滾動(dòng)軸承振動(dòng)機(jī)理。 其次，應(yīng)用多傳感器信息融合技術(shù)的思想，分別構(gòu)造提取滾動(dòng)軸承故障特征的多域特征提取算法和IMF熵特征提取算法，用多傳感器網(wǎng)絡(luò)融合算法對滾動(dòng)軸承進(jìn)行故障識(shí)別與診斷；對美國Spectra Quest公司生產(chǎn)的機(jī)械故障綜合模擬試驗(yàn)臺(tái)的滾動(dòng)軸承進(jìn)行故障類型的識(shí)別，同時(shí)對現(xiàn)場軋機(jī)齒輪座滾動(dòng)軸承進(jìn)行故障識(shí)別診斷。 最后，結(jié)合多分辨分析的特性與SVD的特性，應(yīng)用多分辨SVD與多分辨SVD包提取滾動(dòng)軸承特征，結(jié)合支持向量機(jī)，，進(jìn)行了多分辨SVD特征融合與多分辨SVD包特征融合與支持向量機(jī)的故障識(shí)別與診斷；對美國Spectra Quest公司生產(chǎn)的動(dòng)力傳動(dòng)故障診斷綜合模擬試驗(yàn)臺(tái)的滾動(dòng)軸承進(jìn)行故障類型的識(shí)別。 通過最終的實(shí)驗(yàn)結(jié)果表明多域特征、IMF熵特征、多分辨SVD特征、多分辨SVD包特征能夠有效提取并表達(dá)出滾動(dòng)軸承不同故障類型的特征；這些特征與多傳感器網(wǎng)絡(luò)融合識(shí)別診斷和支持向量機(jī)進(jìn)行特征融合識(shí)別診斷，都能對不同的滾動(dòng)軸承故障進(jìn)行準(zhǔn)確的分類，從而證明本文的方法能夠有效的診斷出滾動(dòng)軸承故障問題。
【關(guān)鍵詞】：多傳感器網(wǎng)絡(luò)融合 多分辨SVD 支持向量機(jī) 滾動(dòng)軸承 故障診斷
【學(xué)位授予單位】：內(nèi)蒙古科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TH165.3;TP202
【目錄】：

• 摘要3-4
• Abstract4-8
• 1 緒論8-13
• 1.1 課題研究背景及意義8-10
• 1.2 信息融合技術(shù)研究現(xiàn)狀10-12
• 1.2.1 信息融合技術(shù)的發(fā)展10-11
• 1.2.2 基于信息融合技術(shù)的故障識(shí)別及診斷研究現(xiàn)狀11-12
• 1.3 論文主要研究內(nèi)容與結(jié)構(gòu)安排12-13
• 2 齒輪箱的故障類型與振動(dòng)噪聲產(chǎn)生機(jī)理13-17
• 2.1 齒輪箱故障的主要形式13
• 2.2 齒輪箱系統(tǒng)振動(dòng)噪聲產(chǎn)生的機(jī)理13-16
• 2.3 滾動(dòng)軸承故障振動(dòng)機(jī)理16
• 2.4 本章小結(jié)16-17
• 3 信息融合故障診斷基本理論17-24
• 3.1 信息融合基本原理17-18
• 3.2 信息融合層次的劃分18-21
• 3.2.1 信息融合功能模型18
• 3.2.2 信息融合層次18-21
• 3.3 多傳感器信息融合算法21-23
• 3.4 本章小結(jié)23-24
• 4 多傳感器網(wǎng)絡(luò)融合的滾動(dòng)軸承故障診斷24-44
• 4.1 基于多傳感器網(wǎng)絡(luò)融合的故障診斷24-26
• 4.1.1 概率神經(jīng)網(wǎng)絡(luò)24-25
• 4.1.2 D-S 證據(jù)理論25
• 4.1.3 PNN 與證據(jù)理論的融合故障診斷25-26
• 4.2 基于多域特征的多傳感器網(wǎng)絡(luò)融合滾動(dòng)軸承故障診斷26-34
• 4.2.1 多域特征的提取26-30
• 4.2.2 滾動(dòng)軸承故障試驗(yàn)臺(tái)數(shù)據(jù)采集30-32
• 4.2.3 基于多域特征的滾動(dòng)軸承故障試驗(yàn)分析32-34
• 4.3 基于 IMF 熵的多傳感器網(wǎng)絡(luò)融合滾動(dòng)軸承故障診斷34-39
• 4.3.1 IMF 熵的特征提取34-37
• 4.3.2 基于 IMF 熵的滾動(dòng)軸承故障試驗(yàn)分析37-39
• 4.4 兩種特征提取方法的比較39-40
• 4.5 現(xiàn)場軋機(jī)齒輪座診斷實(shí)例40-43
• 4.5.1 基于多域特征的軋機(jī)齒輪座故障診斷41-42
• 4.5.2 基于 IMF 熵特征的軋機(jī)齒輪座故障診斷42-43
• 4.6 本章小結(jié)43-44
• 5 多分辨特征融合與支持向量機(jī)的滾動(dòng)軸承故障診斷44-63
• 5.1 引言44
• 5.2 支持向量機(jī)原理44-47
• 5.2.1 線性支持向量機(jī)44-46
• 5.2.2 非線性支持向量機(jī)46
• 5.2.3 核函數(shù)46-47
• 5.3 多分辨 SVD47-51
• 5.3.1 多分辨分析47-48
• 5.3.2 多分辨 SVD 特征提取48-50
• 5.3.3 多分辨 SVD 包特征提取50-51
• 5.4 多分辨 SVD 特征融合與支持向量機(jī)的故障診斷51-58
• 5.4.1 多分辨 SVD 特征融合與支持向量機(jī)的故障診斷基本步驟51-52
• 5.4.2 試驗(yàn)分析52-58
• 5.5 多分辨 SVD 包特征融合與支持向量機(jī)的故障診斷58-62
• 5.5.1 多分辨 SVD 包特征融合與支持向量機(jī)的故障診斷基本步驟58-59
• 5.5.2 試驗(yàn)分析59-62
• 5.6 本章小結(jié)62-63
• 結(jié)論63-64
• 參考文獻(xiàn)64-69
• 附錄 A 多域特征與多傳感器網(wǎng)絡(luò)融合主程序69-83
• 在學(xué)研究成果83-84
• 致謝84

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 吳俊;程詠梅;曲圣杰;潘泉;劉準(zhǔn)釓;;基于三級(jí)信息融合結(jié)構(gòu)的多平臺(tái)多雷達(dá)目標(biāo)識(shí)別算法[J];西北工業(yè)大學(xué)學(xué)報(bào);2012年03期

2 雍少為，郁文賢，郭桂蓉;信息融合的熵理論[J];系統(tǒng)工程與電子技術(shù);1995年10期

3 于德介;陳淼峰;程軍圣;楊宇;;基于EMD的奇異值熵在轉(zhuǎn)子系統(tǒng)故障診斷中的應(yīng)用[J];振動(dòng)與沖擊;2006年02期

4 張超;陳建軍;郭迅;;基于EMD能量熵和支持向量機(jī)的齒輪故障診斷方法[J];振動(dòng)與沖擊;2010年10期

5 秦海勤;徐可君;隋育松;于世勝;;基于系統(tǒng)信息融合的滾動(dòng)軸承故障模式識(shí)別[J];振動(dòng).測試與診斷;2011年03期

6 朱大奇;陳爾奎;;旋轉(zhuǎn)機(jī)械故障診斷的量子神經(jīng)網(wǎng)絡(luò)算法[J];中國電機(jī)工程學(xué)報(bào);2006年01期

7 符玲;何正友;麥瑞坤;錢清泉;張鵬;;小波熵證據(jù)的信息融合在電力系統(tǒng)故障診斷中的應(yīng)用[J];中國電機(jī)工程學(xué)報(bào);2008年13期

8 齊保林;李凌均;李志農(nóng);;基于支持向量機(jī)的故障模式識(shí)別研究[J];鄭州大學(xué)學(xué)報(bào)(工學(xué)版);2007年01期

9 康健;李一兵;林云;;基于證據(jù)理論的數(shù)據(jù)關(guān)聯(lián)算法[J];系統(tǒng)工程與電子技術(shù);2012年07期

10 成鈺龍;程剛;沈利華;邱錦波;山顯雷;;基于特征信息融合的離散小波SVM齒輪故障診斷方法研究[J];組合機(jī)床與自動(dòng)化加工技術(shù);2012年08期

  本文關(guān)鍵詞：基于信息融合技術(shù)的滾動(dòng)軸承故障識(shí)別及診斷，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：276223