本文關(guān)鍵詞：滾動軸承出廠檢測與故障診斷研究，由筆耕文化傳播整理發(fā)布。

【摘要】：滾動軸承是裝備制造業(yè)的關(guān)鍵基礎(chǔ)件,其質(zhì)量高低對眾多工業(yè)設(shè)備具有較大影響,因此滾動軸承的質(zhì)量檢測與故障診斷研究具有重大的現(xiàn)實意義。本課題以滾動軸承為研究對象,研制基于虛擬儀器的軸承振動測試系統(tǒng),實現(xiàn)軸承振動信號的實時采集;分析滾動軸承故障振動信號特征,應用形態(tài)學濾波、小波包分解、粒子群算法、支持向量機等技術(shù),開發(fā)具有高可靠性的產(chǎn)品檢測技術(shù),實現(xiàn)產(chǎn)品故障類型的精確故障診斷。論文具體研究內(nèi)容如下:1、研制了基于虛擬儀器技術(shù)的滾動軸承振動信號測量分析系統(tǒng),該系統(tǒng)作為實驗平臺,主要實現(xiàn)軸承振動信號采集、信號預處理以及數(shù)據(jù)存儲等功能,是實現(xiàn)軸承故障識別的硬件基礎(chǔ)。2、提出了基于形態(tài)濾波優(yōu)化的滾動軸承故障信號降噪分析方法。利用實驗對比,指出基于形態(tài)濾波的信號降噪方法能夠有效抑制噪聲,具有較好的故障特征提取能力。針對形態(tài)濾波中結(jié)構(gòu)元素尺度難以確定的問題,設(shè)計了一種新的最優(yōu)尺度判定指標以確定最優(yōu)濾波算子。將軸承故障振動信號通過形態(tài)最優(yōu)濾波算子進行濾波,最后依靠頻譜分析判斷軸承的故障,結(jié)果表明形態(tài)濾波后的頻譜中,軸承故障特征頻率明顯。為了驗證該方法的優(yōu)越性,比較該方法與傳統(tǒng)方法的性能,選取特征頻率強度系數(shù)、峭度和偏斜度三個參數(shù),依據(jù)參數(shù)大小判斷濾波器性能,實例分析表明本文提出的方法優(yōu)于傳統(tǒng)方法,能夠提高信噪比,有效的提取故障特征。3、提出了一種小波變換和支持向量機(Support Vector Machine,SVM)相結(jié)合的滾動軸承故障診斷方法。為了提高軸承故障診斷識別率,引入兩種特征提取方法:時域特征和小波包特征分析。時域特征分析是選取時域參數(shù)作為SVM模型輸入;小波包特征提取方法是將形態(tài)濾波后的信號進行小波包分解,求取最高層小波系數(shù)能量值,作為滾動軸承故障特征向量,將其作為SVM模型輸入?yún)?shù),達到故障識別的目的。最后利用粒子群算法(Particle Swarm Optimization,PSO)對模型參數(shù)進行優(yōu)化,以提高SVM分類器的性能。實驗結(jié)果表明,本文提出的故障診斷方法具有較高的故障辨識能力。
【關(guān)鍵詞】：滾動軸承 特征提取 故障診斷 數(shù)學形態(tài)學 支持向量機
【學位授予單位】：中國計量學院
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TH133.33;TP18
【目錄】：

• 致謝5-6
• 摘要6-7
• Abstract7-14
• 1 緒論14-22
• 1.1 選題背景及意義14
• 1.2 滾動軸承故障診斷國內(nèi)外研究現(xiàn)狀14-20
• 1.2.1 滾動軸承故障診斷發(fā)展歷程14-17
• 1.2.2 滾動軸承故障診斷技術(shù)研究現(xiàn)狀17-20
• 1.3 主要內(nèi)容和技術(shù)路線20-21
• 1.3.1 主要內(nèi)容20-21
• 1.3.2 技術(shù)路線21
• 1.4 本章小結(jié)21-22
• 2 軸承故障機理及振動分析22-27
• 2.1 引言22
• 2.2 滾動軸承故障機理22-23
• 2.3 滾動軸承振動頻率分析23-26
• 2.4 本章小結(jié)26-27
• 3 基于Lab VIEW軸承振動測試系統(tǒng)27-34
• 3.1 引言27
• 3.2 系統(tǒng)總設(shè)計27-28
• 3.3 硬件部分28-31
• 3.4 軟件部分31-33
• 3.4.1 軟件開發(fā)平臺31-32
• 3.4.2 軟件實現(xiàn)32-33
• 3.5 本章小結(jié)33-34
• 4 基于形態(tài)濾波優(yōu)化的軸承信號降噪分析34-55
• 4.1 引言34
• 4.2 數(shù)學形態(tài)學基本理論34-43
• 4.2.1 二值形態(tài)學34-35
• 4.2.2 灰值形態(tài)學35-37
• 4.2.3 軸承振動信號基礎(chǔ)形態(tài)濾波分析37-43
• 4.3 形態(tài)濾波優(yōu)化43-46
• 4.3.1 判別指標43-44
• 4.3.2 實驗分析44-46
• 4.4 形態(tài)濾波優(yōu)化的軸承信號降噪實驗分析46-54
• 4.4.1 實驗設(shè)計46-47
• 4.4.2 實驗結(jié)果與分析47-54
• 4.5 本章小結(jié)54-55
• 5 支持向量機在軸承故障診斷方面的研究55-67
• 5.1 引言55
• 5.2 支持向量機原理55-59
• 5.2.1 最優(yōu)分類面56-57
• 5.2.2 支持向量機求解57-59
• 5.3 基于SVM的滾動軸承故障診斷研究59-63
• 5.3.1 時域特征分析59
• 5.3.2 小波包特征分析59-62
• 5.3.3 應用結(jié)果及分析62-63
• 5.4 基于PSO-SVM的滾動軸承故障診斷研究63-66
• 5.4.1 利用PSO優(yōu)化SVM模型參數(shù)64-65
• 5.4.2 應用結(jié)果及分析65-66
• 5.5 本章小結(jié)66-67
• 6 總結(jié)與展望67-68
• 6.1 全文總結(jié)67
• 6.2 展望67-68
• 參考文獻68-72
• 作者簡介72

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張文斌;楊辰龍;周曉軍;;形態(tài)濾波方法在振動信號降噪中的應用[J];浙江大學學報(工學版);2009年11期

2 趙榮珍;王志威;;轉(zhuǎn)子振動信號的形態(tài)濾波消噪方法[J];蘭州理工大學學報;2011年04期

3 董一凡;鄭麗端;;闡述形態(tài)濾波技術(shù)及其在繼電保護中的應用[J];黑龍江科技信息;2012年33期

4 何清杭,何繼善;基于形態(tài)濾波的灰度圖像平滑[J];長春工業(yè)大學學報(自然科學版);2004年02期

5 付東翔,侯琳琳,袁武,馬軍山,陳家璧;順序形態(tài)濾波處理基因芯片圖像(英文)[J];儀器儀表學報;2004年S3期

6 張全明;劉會金;;基于廣義形態(tài)濾波的電力系統(tǒng)采樣信號處理[J];電力自動化設(shè)備;2006年10期

7 章法強;楊建倫;李正宏;;形態(tài)濾波在快中子圖像降噪處理中的應用[J];核電子學與探測技術(shù);2006年06期

8 張申坤;龔瑞昆;劉忠領(lǐng);陳磊;;基于形態(tài)濾波的電視跟蹤系統(tǒng)[J];河北理工大學學報(自然科學版);2008年01期

9 呂博;張永祥;柯維;;基于遺傳算法的差值形態(tài)濾波尺度參數(shù)優(yōu)化方法研究[J];中國機械工程;2013年03期

10 張文斌;;順序形態(tài)濾波與樣本熵在轉(zhuǎn)子故障特征提取中的應用[J];制造業(yè)自動化;2013年07期

中國重要會議論文全文數(shù)據(jù)庫 前4條

1 王慧玲;林克正;;基于形態(tài)濾波的焊縫圖像去噪方法[A];黑龍江省計算機學會2007年學術(shù)交流年會論文集[C];2007年

2 程德杰;李曉峰;李在銘;;基于形態(tài)濾波的小型掠地飛行器聚類檢測方法[A];2006中國控制與決策學術(shù)年會論文集[C];2006年

3 李春枝;何榮建;田光明;;基于數(shù)學形態(tài)濾波的振動信號降噪分析[A];第二十一屆全國振動與噪聲高技術(shù)及應用學術(shù)會議論文集[C];2008年

4 魏敏;周進;吳欽章;;復雜背景小目標實時檢測技術(shù)[A];2006年全國光電技術(shù)學術(shù)交流會會議文集（D 光電信息處理技術(shù)專題）[C];2006年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 馬澤瑋;基于廣義形態(tài)濾波和集合經(jīng)驗模態(tài)分解的齒輪箱故障診斷[D];中北大學;2015年

2 張穎;基于數(shù)值形態(tài)濾波的紅外目標檢測技術(shù)研究[D];西安電子科技大學;2005年

3 李明;基于自適應形態(tài)濾波的紅外圖像目標檢測技術(shù)研究[D];國防科學技術(shù)大學;2008年

4 李枝榮;數(shù)學形態(tài)濾波與局域均值分解在齒輪故障診斷中的應用[D];昆明理工大學;2014年

5 蔡曉鵬;基于最大提升格的多尺度彩色數(shù)學形態(tài)濾波[D];汕頭大學;2002年

6 閆玉輝;機車軸承故障聲發(fā)射信號特征提取研究[D];石家莊鐵道大學;2014年

7 祝福榮;相山鈾礦田大地電磁去噪技術(shù)研究[D];東華理工大學;2014年

8 蘇斕;基于獨立分量分析的房顫信號提取的研究[D];重慶大學;2009年

9 王志威;轉(zhuǎn)子振動信號的數(shù)學形態(tài)濾波方法與量化特征提取問題研究[D];蘭州理工大學;2011年

10 楊文濤;旋轉(zhuǎn)機械振動信號特性提取技術(shù)研究[D];東北石油大學;2014年

  本文關(guān)鍵詞：滾動軸承出廠檢測與故障診斷研究，，由筆耕文化傳播整理發(fā)布。

本文編號：283057