滾動軸承作為大型機(jī)械設(shè)備的常用部件,其狀態(tài)的正常與否直接影響到設(shè)備的安全運行,因此對滾動軸承故障診斷技術(shù)進(jìn)行研究具有十分重要的理論意義和使用價值。本文針對重要的機(jī)械設(shè)備巡檢所使用的故障診斷儀檢測功能少、診斷能力差、攜帶不便等問題,研究并設(shè)計了一款軸承智能故障診斷系統(tǒng),該系統(tǒng)以數(shù)據(jù)采集儀和Android平臺為基礎(chǔ),結(jié)合自適應(yīng)共振解調(diào)技術(shù)和支持向量機(jī)方法,取得了良好的診斷效果。本文的主要工作如下:(1)自適應(yīng)共振解調(diào)技術(shù)的研究。本文針對共振解調(diào)技術(shù)帶通濾波器的選擇問題,引入復(fù)合指標(biāo)和粒子群算法對濾波參數(shù)的確定過程進(jìn)行優(yōu)化。先通過峭度確定最優(yōu)濾波參數(shù)的可能范圍,然后以故障脈沖能量因子作為適應(yīng)度函數(shù),使用PSO算法尋優(yōu)得到最優(yōu)帶通濾波器。對以上方法進(jìn)行了數(shù)字仿真,并采集實際信號進(jìn)行了故障特征頻率提取實驗,結(jié)果表明該方法能有效提取早期微弱故障沖擊。(2)采用支持向量機(jī)對滾動軸承故障診斷的研究。本文針對SVM在滾動軸承故障診斷中的參數(shù)選擇和輸入向量確定問題,首先采用改進(jìn)PSO算法對SVM的參數(shù)選擇問題進(jìn)行優(yōu)化,然后采用自適應(yīng)共振解調(diào)技術(shù)對信號進(jìn)行降噪處理,并引入敏感度函數(shù)對滾動軸承故障特征進(jìn)行篩選,得到有效的故障特征向量。最后采集不同種類故障信號進(jìn)行實驗,驗證了該方法對滾動軸承故障診斷的有效性。(3)設(shè)計并搭建軸承智能故障診斷系統(tǒng),整個系統(tǒng)包括兩個部分:數(shù)據(jù)采集儀和基于Android平臺的故障診斷軟件。將自適應(yīng)共振解調(diào)方法和SVM算法移植到診斷軟件內(nèi),提高了系統(tǒng)的分類準(zhǔn)確性,且加入云數(shù)據(jù)庫,實現(xiàn)了遠(yuǎn)程故障診斷功能。最后在滾動軸承故障試驗平臺上對診斷系統(tǒng)進(jìn)行測試,結(jié)果表明該系統(tǒng)對軸承多種故障具有較好的診斷精度。
【學(xué)位單位】：武漢科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TH133.33
【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 滾動軸承故障診斷的背景與意義
    1.2 國內(nèi)外滾動軸承故障診斷技術(shù)研究現(xiàn)狀
        1.2.1 滾動軸承故障分析方法
        1.2.2 滾動軸承故障智能診斷方法
    1.3 國內(nèi)外故障診斷儀研究現(xiàn)狀
    1.4 本文的研究工作及創(chuàng)新點
第2章 滾動軸承故障機(jī)理研究
    2.1 滾動軸承的機(jī)械結(jié)構(gòu)
    2.2 滾動軸承故障產(chǎn)生和發(fā)展過程
        2.2.1 滾動軸承故障起因
        2.2.2 滾動軸承故障變化過程
    2.3 滾動軸承故障診斷
        2.3.1 滾動軸承故障特征頻率計算
        2.3.2 滾動軸承故障診斷步驟
    2.4 本章小結(jié)
第3章 基于改進(jìn)粒子群的自適應(yīng)共振解調(diào)方法
    3.1 粒子群算法
        3.1.1 基本粒子群算法
        3.1.2 改進(jìn)粒子群算法
    3.2 基于改進(jìn)粒子群的自適應(yīng)共振解調(diào)
        3.2.1 共振解調(diào)
        3.2.2 復(fù)合指標(biāo)
    3.3 實驗測試
        3.3.1 數(shù)字仿真信號分析
        3.3.2 實際故障信號分析
    3.4 本章小結(jié)
第4章 基于支持向量機(jī)的軸承智能故障診斷
    4.1 統(tǒng)計學(xué)習(xí)理論
    4.2 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 基于改進(jìn)粒子群的支持向量機(jī)
        4.3.1 支持向量機(jī)參數(shù)優(yōu)化
        4.3.2 支持向量機(jī)輸入特征向量選取
    4.4 實驗測試
        4.4.1 改進(jìn)支持向量機(jī)參數(shù)設(shè)置
        4.4.2 訓(xùn)練樣本和診斷結(jié)果
    4.5 本章小結(jié)
第5章 軸承智能診斷系統(tǒng)搭建及系統(tǒng)測試
    5.1 數(shù)據(jù)采集儀
        5.1.1 加速度傳感器模塊
        5.1.2 信號調(diào)理模塊
        5.1.3 模數(shù)轉(zhuǎn)換模塊
        5.1.4 數(shù)字信號處理器
    5.2 故障診斷軟件
        5.2.1 用戶界面實現(xiàn)
        5.2.2 軟件功能實現(xiàn)
    5.3 軸承智能故障診斷系統(tǒng)測試
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間的成果
附錄2 攻讀碩士學(xué)位期間參加的科研項目

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 屈強(qiáng);尉寶元;;197726型滾動軸承故障產(chǎn)生原因及對策[J];京鐵科技通訊(太原刊);2002年01期

2 陳松;陳立愛;;經(jīng)驗?zāi)B(tài)分解和神經(jīng)網(wǎng)絡(luò)在滾動軸承故障診斷中應(yīng)用研究[J];安徽建筑大學(xué)學(xué)報;2016年04期

3 倪安福;;基于包絡(luò)譜分析的滾動軸承故障診斷方法研究[J];煤礦機(jī)械;2017年02期

4 秦波;孫國棟;陳帥;王祖達(dá);王建國;;排列熵與核極限學(xué)習(xí)機(jī)在滾動軸承故障診斷中的應(yīng)用[J];組合機(jī)床與自動化加工技術(shù);2017年02期

5 李衛(wèi);;非平穩(wěn)工況的滾動軸承故障特征研究新方法[J];機(jī)械設(shè)計與研究;2017年01期

6 汪治安;夏均忠;但佳壁;于明奇;呂麒鵬;;循環(huán)平穩(wěn)在滾動軸承故障診斷中的應(yīng)用[J];軍事交通學(xué)院學(xué)報;2017年06期

7 陳慧;胡俊鋒;熊國良;;基于小波包分解與權(quán)重包絡(luò)譜的滾動軸承故障特征增強(qiáng)[J];機(jī)械設(shè)計與研究;2017年03期

8 陳雷;;滾動軸承故障診斷實例[J];設(shè)備管理與維修;2016年10期

9 楊康鵬;;一種改進(jìn)的滾動軸承故障診斷方法[J];機(jī)械制造;2012年05期

10 蔣康保;;神經(jīng)網(wǎng)絡(luò)在滾動軸承故障診斷中的應(yīng)用[J];裝備制造技術(shù);2010年01期

相關(guān)會議論文 前10條

1 崔寶珍;王澤兵;潘宏俠;;小波包分析和模糊聚類方法在滾動軸承故障診斷中應(yīng)用[A];第九屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文集[C];2007年

2 和衛(wèi)星;陳曉平;馬東玲;;基于混沌時間序列的滾動軸承故障局部預(yù)測[A];2009中國儀器儀表與測控技術(shù)大會論文集[C];2009年

3 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(xué)術(shù)會議論文集[C];2000年

4 李放寧;;峰值能量在滾動軸承故障診斷中的應(yīng)用[A];第十屆全國設(shè)備監(jiān)測與診斷技術(shù)學(xué)術(shù)會議論文集[C];2000年

5 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(xué)學(xué)術(shù)會議論文集[C];2009年

6 崔寶珍;王澤兵;潘宏俠;;小波包分析和模糊聚類方法在滾動軸承故障診斷中的應(yīng)用[A];第九屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文摘要集[C];2007年

7 閔勇;郭一楠;閆俊榮;;基于貪心算法的滾動軸承故障診斷特征提取[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

8 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(yīng)用——第十二屆全國設(shè)備監(jiān)測與診斷學(xué)術(shù)會議論文集[C];2005年

9 古瑩奎;楊子茜;朱繁龍;;基于主成分分析的滾動軸承故障特征融合分析[A];2014年全國機(jī)械行業(yè)可靠性技術(shù)學(xué)術(shù)交流會暨可靠性工程分會第五屆委員會成立大會論文集[C];2014年

10 王俊鋒;申永軍;;高階統(tǒng)計量在滾動軸承故障診斷中的應(yīng)用研究[A];第十四屆全國非線性振動暨第十一屆全國非線性動力學(xué)和運動穩(wěn)定性學(xué)術(shù)會議摘要集與會議議程[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 池永為;滾動軸承故障的振動特性分析與智能診斷方法研究[D];浙江大學(xué);2018年

2 王洪偉;航空發(fā)動機(jī)滾動軸承故障診斷與預(yù)測關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2015年

3 葛慧敏;車輛滾動軸承故障診斷建模及關(guān)鍵技術(shù)研究[D];江蘇大學(xué);2017年

4 廖強(qiáng);約束獨立分量和多小波分析在滾動軸承故障診斷中的應(yīng)用[D];電子科技大學(xué);2016年

5 王聰;基于稀疏表達(dá)的機(jī)械信號處理方法及其在滾動軸承故障診新中的應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2017年

6 徐劍;基于短時奇異譜分析的滾動軸承故障診斷方法研究[D];浙江大學(xué);2017年

7 曾鳴;基于凸包的模式識別方法及其在滾動軸承故障診斷中的應(yīng)用[D];湖南大學(xué);2016年

8 郝騰飛;航空發(fā)動機(jī)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(xué);2014年

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

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

相關(guān)碩士學(xué)位論文 前10條

1 汪一飛;基于全矢CEEMD的滾動軸承故障診斷研究[D];鄭州大學(xué);2019年

2 梁寧;基于分形幾何的滾動軸承故障診斷方法研究[D];北京郵電大學(xué);2019年

3 葛紅平;基于自適應(yīng)局部迭代濾波的滾動軸承故障診斷研究[D];南昌航空大學(xué);2019年

4 梁珊;基于深度信念網(wǎng)絡(luò)的滾動軸承故障診斷研究[D];南昌航空大學(xué);2019年

5 呂嘉良;分?jǐn)?shù)階傅里葉變換在滾動軸承故障診斷中的應(yīng)用[D];哈爾濱理工大學(xué);2019年

6 李藝偉;基于改進(jìn)CNN的變工況下滾動軸承故障診斷方法研究[D];哈爾濱理工大學(xué);2019年

7 胡明武;基于遷移學(xué)習(xí)的變工況下滾動軸承故障診斷方法研究[D];哈爾濱理工大學(xué);2019年

8 馬華鑫;偏最小二乘法極限學(xué)習(xí)機(jī)的滾動軸承故障預(yù)測[D];哈爾濱理工大學(xué);2019年

9 毛海波;軸承智能故障診斷系統(tǒng)的設(shè)計與搭建[D];武漢科技大學(xué);2019年

10 付培英;基于深度學(xué)習(xí)的滾動軸承故障信號自動分類算法研究[D];天津工業(yè)大學(xué);2019年

本文編號：2827413