滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械的核心,但是由于其工作強(qiáng)度大、所處的工作環(huán)境惡劣,極易成為損壞部件。所以,及時(shí)對(duì)滾動(dòng)軸承的故障類型進(jìn)行識(shí)別判斷,可以有效地確保機(jī)械系統(tǒng)安全運(yùn)行,具有十分重要的意義。本文以滾動(dòng)軸承為研究對(duì)象,將改進(jìn)的經(jīng)驗(yàn)小波變換和支持向量機(jī)結(jié)合,共同應(yīng)用到滾動(dòng)軸承的故障診斷中。本文的主要研究?jī)?nèi)容如下:首先回顧了故障診斷技術(shù)的發(fā)展歷程以及對(duì)振動(dòng)信號(hào)的處理方法,分析了滾動(dòng)軸承發(fā)生故障的原因,從理論上推導(dǎo)分析了其故障特征頻率和典型故障的振動(dòng)特性。其次介紹了經(jīng)驗(yàn)小波變換(Empirical Wavelet Transform,EWT)理論,因?yàn)槠錈o法精確地實(shí)現(xiàn)Fourier譜的自適應(yīng)分割,因此提出了一種基于能量的尺度空間經(jīng)驗(yàn)小波變換方法(Energy Space Empirical Wavelet Transform,ESEWT),并且將此方法用于滾動(dòng)軸承的故障診斷。首先使用尺度空間的方法對(duì)Fourier譜進(jìn)行自適應(yīng)劃分,得到各頻帶分界點(diǎn);接著根據(jù)各頻帶能量篩選頻帶分界點(diǎn),使其保留能量大于均值的頻帶,合并小于均值的相鄰頻帶;然后在得到有效的頻帶分界點(diǎn)后,設(shè)計(jì)濾波器組,得到分量信號(hào);最后對(duì)各分量信號(hào)進(jìn)行Hilbert變換,從中提取滾動(dòng)軸承的故障特征頻率。通過試驗(yàn)驗(yàn)證,ESEWT方法能夠減少頻帶分界點(diǎn),在一定程度上改善頻帶破裂現(xiàn)象,并且能夠精確提取滾動(dòng)軸承的故障特征頻率,凸顯故障頻率及其諧波成分,有效地判斷軸承故障。最后介紹了統(tǒng)計(jì)學(xué)理論和支持向量機(jī)(Support Vector Machine,SVM),提出了基于ESEWT和SVM的滾動(dòng)軸承故障診斷方法。該方法對(duì)振動(dòng)信號(hào)進(jìn)行ESEWT分解,分別提取振動(dòng)信號(hào)的峭度、脈沖因子、峰值因子、裕度因子和經(jīng)ESEWT分解后分量信號(hào)的奇異值熵、能量熵、排列熵、樣本熵共同做為特征向量,輸入到SVM模型中進(jìn)行訓(xùn)練得到故障分類器,并且對(duì)測(cè)試樣本進(jìn)行分類識(shí)別。經(jīng)過實(shí)驗(yàn)驗(yàn)證,該方法具有較高的分類準(zhǔn)確率,證明了其在實(shí)際工程應(yīng)用中的可靠性和實(shí)用性。
【學(xué)位單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TH133.33
【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 故障診斷技術(shù)的國(guó)內(nèi)外發(fā)展現(xiàn)狀
        1.2.1 國(guó)外發(fā)展現(xiàn)狀
        1.2.2 國(guó)內(nèi)發(fā)展現(xiàn)狀
    1.3 振動(dòng)信號(hào)處理方法研究
        1.3.1 時(shí)域信號(hào)分析技術(shù)
        1.3.2 頻域信號(hào)分析技術(shù)
        1.3.3 時(shí)頻聯(lián)合分析方法
    1.4 論文主要內(nèi)容及章節(jié)安排
第2章 滾動(dòng)軸承的故障機(jī)理研究
    2.1 滾動(dòng)軸承的結(jié)構(gòu)
    2.2 滾動(dòng)軸承的主要失效形式
    2.3 滾動(dòng)軸承的振動(dòng)機(jī)理
        2.3.1 滾動(dòng)軸承的固有振動(dòng)頻率
        2.3.2 滾動(dòng)軸承的振動(dòng)機(jī)理
        2.3.3 滾動(dòng)軸承的故障特征頻率
    2.4 滾動(dòng)軸承典型故障的振動(dòng)特性
        2.4.1 內(nèi)圈損傷時(shí)的振動(dòng)特性
        2.4.2 外圈損傷時(shí)的振動(dòng)特性
        2.4.3 滾動(dòng)體損傷時(shí)的振動(dòng)特性
    2.5 本章小結(jié)
第3章 改進(jìn)的EWT方法在滾動(dòng)軸承故障診斷中的應(yīng)用
    3.1 經(jīng)驗(yàn)小波變換理論
        3.1.1 EWT理論
        3.1.2 EWT頻帶劃分方法
    3.2 尺度空間理論
    3.3 改進(jìn)的EWT方法
        3.3.1 方法流程
        3.3.2 實(shí)例信號(hào)對(duì)比
    3.4 本章小結(jié)
第4章 統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)
    4.1 統(tǒng)計(jì)學(xué)習(xí)理論
        4.1.1 VC維理論
        4.1.2 學(xué)習(xí)問題的表示
        4.1.3 經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則
        4.1.4 推廣性的界
        4.1.5 結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則
    4.2 二分類的支持向量機(jī)
        4.2.1 線性支持向量機(jī)
        4.2.2 非線性支持向量機(jī)
    4.3 多分類的支持向量機(jī)
    4.4 基于支持向量機(jī)的滾動(dòng)軸承故障診斷方法
    4.5 本章小結(jié)
第5章 基于ESEWT和SVM的滾動(dòng)軸承故障診斷方法
    5.1 特征向量的選取
    5.2 基于ESEWT和SVM的滾動(dòng)軸承故障診斷方法
    5.3 基于ESEWT和SVM的軸承故障實(shí)例分析
        5.3.1 滾動(dòng)軸承故障實(shí)驗(yàn)簡(jiǎn)介
        5.3.2 試驗(yàn)數(shù)據(jù)分析
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 研究展望
致謝
參考文獻(xiàn)
攻讀碩士期間發(fā)表論文情況

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 秦娜;蔣鵬;孫永奎;金煒東;;基于EEMD排列熵的高速列車轉(zhuǎn)向架故障特征分析[J];振動(dòng).測(cè)試與診斷;2015年05期

2 左慶林;馬懷祥;;基于EMD分解和共振解調(diào)的滾動(dòng)軸承故障診斷研究[J];石家莊鐵道大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年03期

3 王金福;李富才;;機(jī)械故障診斷的信號(hào)處理方法:頻域分析[J];噪聲與振動(dòng)控制;2013年01期

4 向玲;唐貴基;胡愛軍;;旋轉(zhuǎn)機(jī)械非平穩(wěn)振動(dòng)信號(hào)的時(shí)頻分析比較[J];振動(dòng)與沖擊;2010年02期

5 劉永斌;龍潛;馮志華;劉維來;;一種非平穩(wěn)、非線性振動(dòng)信號(hào)檢測(cè)方法的研究[J];振動(dòng)與沖擊;2007年12期

6 趙曉玲;;滾動(dòng)軸承故障振動(dòng)檢測(cè)方法[J];重慶科技學(xué)院學(xué)報(bào)(自然科學(xué)版);2007年01期

7 于德介,楊宇,程軍圣;一種基于SVM和EMD的齒輪故障診斷方法[J];機(jī)械工程學(xué)報(bào);2005年01期

8 安金龍,王正歐,馬振平;一種新的支持向量機(jī)多類分類方法[J];信息與控制;2004年03期

9 董明,孟源源,徐長(zhǎng)響,嚴(yán)璋;基于支持向量機(jī)及油中溶解氣體分析的大型電力變壓器故障診斷模型研究[J];中國(guó)電機(jī)工程學(xué)報(bào);2003年07期

10 張周鎖,李凌均,何正嘉;基于支持向量機(jī)的機(jī)械故障診斷方法研究[J];西安交通大學(xué)學(xué)報(bào);2002年12期

相關(guān)博士學(xué)位論文 前7條

1 王曉龍;基于振動(dòng)信號(hào)處理的滾動(dòng)軸承故障診斷方法研究[D];華北電力大學(xué)(北京);2017年

2 鄧飛躍;滾動(dòng)軸承故障特征提取與診斷方法研究[D];華北電力大學(xué)(北京);2016年

3 張翱;列車軸承故障道旁聲學(xué)診斷關(guān)鍵技術(shù)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

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

5 韓曉明;基于符號(hào)有向圖和支持向量機(jī)的故障診斷方法的研究[D];太原理工大學(xué);2011年

6 魯淑霞;基于支持向量機(jī)的多光譜數(shù)據(jù)分類[D];河北大學(xué);2007年

7 黃景濤;支持向量機(jī)算法參數(shù)選擇及其在電站鍋爐系統(tǒng)中的應(yīng)用研究[D];浙江大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 劉星辰;滾動(dòng)軸承故障診斷的若干方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

2 席亞軍;基于經(jīng)驗(yàn)小波變換和奇異值分解的旋轉(zhuǎn)機(jī)械故障診斷[D];西南交通大學(xué);2017年

3 韓雪晴;滾動(dòng)軸承在線監(jiān)測(cè)系統(tǒng)的研究與開發(fā)[D];蘭州理工大學(xué);2016年

4 楊坤;基于復(fù)信號(hào)雙邊譜與FNN的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D];重慶大學(xué);2016年

5 王浩;基于有限元仿真的滾動(dòng)軸承與滾珠絲杠副故障診斷方法研究[D];青島理工大學(xué);2015年

6 劉瑩;核電汽輪機(jī)組降速過程振動(dòng)特性測(cè)試分析[D];華北電力大學(xué);2015年

7 劉良峰;動(dòng)車組機(jī)械傳動(dòng)系統(tǒng)軸承振動(dòng)信號(hào)分析與故障診斷[D];北京交通大學(xué);2014年

8 李亮;基于EEMD樣本熵和模糊聚類的軸承故障診斷方法研究[D];燕山大學(xué);2013年

9 吳美玲;滾動(dòng)軸承故障巡檢系統(tǒng)的研制與開發(fā)[D];華北電力大學(xué)（河北）;2010年

10 雷萍;小波神經(jīng)網(wǎng)絡(luò)技術(shù)在齒輪箱軸承故障診斷中的應(yīng)用[D];蘭州理工大學(xué);2009年

本文編號(hào)：2827309