本文關(guān)鍵詞：基于EEMD的滾動軸承振動故障特征提取與診斷研究，由筆耕文化傳播整理發(fā)布。

【摘要】：滾動軸承是各種旋轉(zhuǎn)機(jī)械中應(yīng)用最廣泛的一種通用部件,其運(yùn)行狀態(tài)往往直接影響整臺機(jī)器的性能,對滾動軸承的狀態(tài)監(jiān)測和故障診斷具有重要的現(xiàn)實(shí)意義和經(jīng)濟(jì)價值。在滾動軸承發(fā)生故障時,一種常用的診斷方法就是,從振動信號中提取一些包含故障信息的特征參數(shù),從而揭示其故障類型、故障位置、故障程度。因此,如何有效的提取故障特征顯得尤為重要。故障特征參數(shù)有時域參數(shù)和頻域參數(shù)。常見的提取方法有小波分析和經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition, EMD),而集合經(jīng)驗(yàn)?zāi)B(tài)分解(Ensemble Empirical Mode Decomposition, EEMD)作為經(jīng)驗(yàn)?zāi)B(tài)分解的優(yōu)化算法,近年來得到越來越廣泛的應(yīng)用。本文采用一種方法,基于EEMD分解,提取以峭度、均方根值為代表的時域特征參數(shù)和以重心頻率、均方根頻率為代表的頻域特征參數(shù),并運(yùn)用支持向量機(jī)(Support Vector Machine, SVM)進(jìn)行故障識別。通過與EMD分解的結(jié)果進(jìn)行對比,驗(yàn)證該方法在診斷故障中有較高的正確率。同時,在時域和頻域中,多特征參數(shù)結(jié)合的診斷正確率要高于單一參數(shù)；時域特征參數(shù)與頻域特征參數(shù)相結(jié)合的診斷正確率可以達(dá)到更高。
【關(guān)鍵詞】：滾動軸承 振動 故障特征 集合經(jīng)驗(yàn)?zāi)B(tài)分解
【學(xué)位授予單位】：華北電力大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TH133.33;TH165.3
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-16
• 1.1 研究背景及意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-14
• 1.2.1 解調(diào)方法研究現(xiàn)狀11-13
• 1.2.2 特征參數(shù)提取方法研究現(xiàn)狀13-14
• 1.3 本文研究目的和內(nèi)容14-16
• 第2章 滾動軸承的故障特征16-22
• 2.1 引言16
• 2.2 滾動軸承基本結(jié)構(gòu)16
• 2.3 滾動軸承的故障形式16-18
• 2.4 滾動軸承振動機(jī)理18-19
• 2.4.1 軸承結(jié)構(gòu)特點(diǎn)及加工裝配誤差引起的振動18
• 2.4.2 軸承運(yùn)行故障引起的振動18-19
• 2.5 滾動軸承故障診斷常用統(tǒng)計特征19-21
• 2.5.1 時域特征參數(shù)19-20
• 2.5.2 頻域特征參數(shù)20-21
• 2.6 本章小結(jié)21-22
• 第3章 EEMD提取與SVM診斷算法22-29
• 3.1 引言22
• 3.2 經(jīng)驗(yàn)?zāi)B(tài)分解22-25
• 3.2.1 EMD原理22-23
• 3.2.2 EMD分解算法23-25
• 3.2.3 EMD算法存在的問題25
• 3.3 集合經(jīng)驗(yàn)?zāi)B(tài)分解25-26
• 3.3.1 EEMD原理25-26
• 3.3.2 EEMD分解算法26
• 3.4 支持向量機(jī)26-28
• 3.5 本章小結(jié)28-29
• 第4章 基于EEMD時域特征參數(shù)的滾動軸承故障診斷29-49
• 4.1 引言29
• 4.2 數(shù)據(jù)說明29-31
• 4.2.1 數(shù)據(jù)來源29-30
• 4.2.2 數(shù)據(jù)分類30-31
• 4.3 信號時域特征31-36
• 4.3.1 原始信號時域特征31-33
• 4.3.2 EEMD分解的信號時域特征33-36
• 4.4 故障診斷方法設(shè)計36
• 4.4.1 數(shù)據(jù)分組36
• 4.4.2 診斷流程36
• 4.5 基于峭度指標(biāo)的滾動軸承故障診斷36-40
• 4.5.1 基于EMD峭度的滾動軸承故障診斷36-38
• 4.5.2 基于EEMD峭度的滾動軸承故障診斷38-39
• 4.5.3 分析與討論39-40
• 4.6 基于均方根值指標(biāo)的滾動軸承故障診斷40-44
• 4.6.1 基于EMD均方根值的滾動軸承故障診斷40-41
• 4.6.2 基于EEMD均方根值的滾動軸承故障診斷41-42
• 4.6.3 分析與討論42-44
• 4.7 基于時域多參數(shù)指標(biāo)的滾動軸承診斷44-47
• 4.7.1 基于EMD時域多參數(shù)的滾動體故障診斷44-45
• 4.7.2 基于EEMD時域多參數(shù)的滾動體故障診斷45-46
• 4.7.3 分析與討論46-47
• 4.8 本章小結(jié)47-49
• 第5章 基于EEMD頻域特征參數(shù)的滾動軸承故障診斷49-69
• 5.1 引言49
• 5.2 信號頻域特征49-54
• 5.2.1 原始信號頻域特征49-51
• 5.2.2 EEMD分解的信號頻域特征51-54
• 5.3 基于重心頻率指標(biāo)的滾動軸承故障診斷54-57
• 5.3.1 基于EMD重心頻率的滾動軸承故障診斷54-55
• 5.3.2 基于EEMD重心頻率的滾動軸承故障診斷55-56
• 5.3.3 分析與討論56-57
• 5.4 基于均方根頻率指標(biāo)的滾動軸承故障診斷57-61
• 5.4.1 基于EMD均方根頻率的滾動軸承故障診斷57-59
• 5.4.2 基于EEMD均方根頻率的滾動軸承故障診斷59-60
• 5.4.3 分析與討論60-61
• 5.5 基于頻域多參數(shù)指標(biāo)的滾動軸承故障診斷61-64
• 5.5.1 基于EMD頻域多參數(shù)的滾動軸承故障診斷61-62
• 5.5.2 基于EEMD頻域多參數(shù)的滾動軸承故障診斷62-63
• 5.5.3 分析與討論63-64
• 5.6 基于時域頻域多參數(shù)指標(biāo)的滾動軸承故障診斷64-68
• 5.6.1 基于EMD時域頻域多參數(shù)的滾動軸承故障診斷65-66
• 5.6.2 基于EEMD時域頻域多參數(shù)的滾動軸承故障診斷66-67
• 5.6.3 分析與討論67-68
• 5.7 本章小結(jié)68-69
• 第6章 結(jié)論與展望69-71
• 6.1 結(jié)論69
• 6.2 展望69-71
• 參考文獻(xiàn)71-74
• 攻讀碩士學(xué)位期間發(fā)表的論文及其它成果74-75
• 致謝75

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前8條

1 趙明元,朱衡君;機(jī)車軸承故障診斷與預(yù)測系統(tǒng)[J];機(jī)車電傳動;2005年05期

2 林京,屈梁生;基于連續(xù)小波變換的信號檢測技術(shù)與故障診斷[J];機(jī)械工程學(xué)報;2000年12期

3 王太勇;何慧龍;王國鋒;冷永剛;胥永剛;李強(qiáng);;基于經(jīng)驗(yàn)?zāi)Ｊ椒纸夂妥钚《酥С质噶繖C(jī)的滾動軸承故障診斷[J];機(jī)械工程學(xué)報;2007年04期

4 雷亞國;何正嘉;訾艷陽;;基于混合智能新模型的故障診斷[J];機(jī)械工程學(xué)報;2008年07期

5 田海雷;李洪儒;許葆華;;基于EEMD和平滑能量算子解調(diào)的軸向柱塞泵故障特征提取[J];海軍工程大學(xué)學(xué)報;2013年01期

6 程軍圣,于德介,楊宇;基于SVM和EMD包絡(luò)譜的滾動軸承故障診斷方法[J];系統(tǒng)工程理論與實(shí)踐;2005年09期

7 楊宇,于德介,程軍圣;基于EMD的奇異值分解技術(shù)在滾動軸承故障診斷中的應(yīng)用[J];振動與沖擊;2005年02期

8 張中民,盧文祥,楊叔子,張英堂,張培林,鄭海起;基于小波系數(shù)包絡(luò)譜的滾動軸承故障診斷[J];振動工程學(xué)報;1998年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 張家凡;振動信號的包絡(luò)解調(diào)分析方法研究及應(yīng)用[D];武漢理工大學(xué);2008年

2 蘇文勝;滾動軸承振動信號處理及特征提取方法研究[D];大連理工大學(xué);2010年

  本文關(guān)鍵詞：基于EEMD的滾動軸承振動故障特征提取與診斷研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：283754