滾動(dòng)軸承是火車(chē)走行部的關(guān)鍵零件之一,其狀態(tài)的良好是火車(chē)安全運(yùn)行的重要保證,故滾動(dòng)軸承故障診斷的方法研究是目前一個(gè)熱門(mén)的研究方向。如何選擇恰當(dāng)?shù)男盘?hào)處理方法有效地提取故障信息,實(shí)現(xiàn)故障診斷顯得尤為重要,本文以滾動(dòng)軸承為媒介提出滾動(dòng)軸承故障診斷的自適應(yīng)處理方法,將自適應(yīng)LMS濾波算法用于滾動(dòng)軸承振動(dòng)信號(hào)的預(yù)處理中,研究的主要內(nèi)容如下:首先,介紹了本課題的研究背景及意義,并對(duì)變步長(zhǎng)LMS算法和滾動(dòng)軸承故障診斷的研究和發(fā)展現(xiàn)狀進(jìn)行了詳細(xì)的闡述。之后,對(duì)自適應(yīng)LMS算法的理論和原理進(jìn)行的詳細(xì)的介紹,并從四個(gè)方面對(duì)該算法的性能進(jìn)行了分析,最后介紹了該算法在信號(hào)降噪中的應(yīng)用。其次,文章提出了LMS算法改進(jìn)的三個(gè)方法,并介紹了當(dāng)前兩種常用的改進(jìn)算法,第一種改進(jìn)算法為歸一化LMS算法,該算法解決了輸入信號(hào)較大時(shí)出現(xiàn)梯度噪聲變大的問(wèn)題,第二種改進(jìn)算法為基于S型函數(shù)的變步長(zhǎng)LMS算法,該算法解決了傳統(tǒng)算法隨收斂速度和穩(wěn)態(tài)誤差要求相互矛盾的問(wèn)題。本文在這兩種算法的基礎(chǔ)上了提出了基于歸一化雙曲正切函數(shù)的LMS算法,介紹了算法的機(jī)理,并分析了參數(shù)對(duì)算法性能的影響及其可能的最佳取值。再次,變步長(zhǎng)LMS算法的收斂性能主要取決于參數(shù)值的選取,傳統(tǒng)上依靠經(jīng)驗(yàn)或者多次試湊來(lái)確定參數(shù)的最佳取值,這種方法存在一定的局限性。本文利用遺傳算法對(duì)變步長(zhǎng)LMS算法步長(zhǎng)因子中的參數(shù)進(jìn)行優(yōu)化設(shè)計(jì),得到參數(shù)的最佳取值,同時(shí)通過(guò)計(jì)算機(jī)仿真來(lái)對(duì)比所選取最優(yōu)值算法的性能,結(jié)果表明本文算法相比之下具有更好的收斂性能。之后利用滾動(dòng)軸承故障仿真信號(hào)對(duì)自適應(yīng)LMS算法進(jìn)行降噪分析,分析了其在不同信噪比和不同噪聲條件下的降噪效果,并對(duì)降噪后的信號(hào)進(jìn)行包絡(luò)解調(diào),對(duì)比在不同條件下包絡(luò)譜中特征提取的效果。最后,由于滾動(dòng)軸承故障信號(hào)受噪聲干擾導(dǎo)致低信噪比且噪聲環(huán)境復(fù)雜的特點(diǎn),為了能夠準(zhǔn)確有效地提取故障信息,本文提出基于VMD和自適應(yīng)LMS算法的滾動(dòng)軸承故障診斷方法,首先對(duì)采集的故障信號(hào)進(jìn)行VMD分解成若干個(gè)IMF分量,并根據(jù)峭度準(zhǔn)則選取峭度值最大的兩個(gè)分量進(jìn)行重構(gòu),然后再對(duì)重構(gòu)的信號(hào)進(jìn)行自適應(yīng)LMS算法濾波,最后進(jìn)行包絡(luò)解調(diào)得到軸承故障特征頻率,實(shí)驗(yàn)分析表明,將VMD和自適應(yīng)LMS算法相結(jié)合,在滾動(dòng)軸承故障特征提取中取得良好的效果,能有有效地提取故障特征,實(shí)現(xiàn)故障診斷。
【學(xué)位單位】：石家莊鐵道大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP277;TH133.33
【部分圖文】：

權(quán)系數(shù)向量解的確定。佳線性濾波理論2 為線性濾波器原理圖。圖中虛線框?yàn)榫�性離散時(shí)間濾波器，1w ，…，kw ，而 x (0)， x (1)，…， x ( k )是其輸入序列， 為理想信號(hào)值，e ( n )為理想信號(hào)值與輸出值之間的差。最佳是使 e ( n )的值達(dá)到較小的過(guò)程。

圖 3-2 誤差與步長(zhǎng)因子的關(guān)系曲線時(shí)， μ ( n)也隨之減小為零，產(chǎn)生較低的穩(wěn)變化快，這種變化會(huì)使得該算法在達(dá)到穩(wěn)算法性能。文獻(xiàn)[14]在針對(duì)這一問(wèn)題提出了，此算法的步長(zhǎng)更新公式為：2( )( )= (1 e )e nnαμ β -LMS 算法的步長(zhǎng)因子與誤差的關(guān)系曲線如

(3-16)改進(jìn)的 SVS-LMS 算法的步長(zhǎng)因子與誤差的關(guān)系曲線如圖 3-3 所示。圖 3-3 改進(jìn)后誤差和步長(zhǎng)因子的關(guān)系曲線對(duì)比圖 3-2 可以發(fā)現(xiàn)，改進(jìn)的 SVS-LMS 算法在誤差很小的時(shí)候步長(zhǎng)變化緩
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 歐陽(yáng)普仁,楊叔子;一種改進(jìn)的Marple算法[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);1988年01期

2 黃小蓓;隆永紅;;分布式數(shù)據(jù)庫(kù)管理系統(tǒng)中的並發(fā)控制——算法及其性能分析[J];計(jì)算技術(shù)與自動(dòng)化;1988年02期

3 馮成進(jìn);;0—1規(guī)劃新算法的改進(jìn)[J];曲阜師范大學(xué)學(xué)報(bào)(自然科學(xué)版);1988年02期

4 曾秀;魏振華;;猴群算法及其改進(jìn)綜述[J];電腦知識(shí)與技術(shù);2017年32期

5 許燦英;;算法合謀反競(jìng)爭(zhēng)問(wèn)題初探[J];合肥工業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2019年02期

6 段艷明;肖輝輝;林芳;;新授粉方式的花授粉算法[J];計(jì)算機(jī)工程與應(yīng)用;2018年23期

7 肖海軍;王芬艷;盧常景;曹穎;;一種有效的多峰優(yōu)化鳥(niǎo)群算法[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2018年04期

8 覃遠(yuǎn)年;梁仲華;;蟻群算法研究與應(yīng)用的新進(jìn)展[J];計(jì)算機(jī)工程與科學(xué);2019年01期

9 肖輝輝;段艷明;林芳;;新搜索策略的花授粉算法[J];電子測(cè)量與儀器學(xué)報(bào);2019年07期

10 梁昔明;高超;龍文;;基于速度越界處理與高斯擾動(dòng)的改進(jìn)蝙蝠算法[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2019年19期

相關(guān)博士學(xué)位論文 前10條

1 周凌云;幾種典型群智能算法及其更新機(jī)制研究[D];武漢大學(xué);2018年

2 張代雨;多學(xué)科優(yōu)化算法及其在水下航行器中的應(yīng)用[D];西北工業(yè)大學(xué);2017年

3 鐘林峰;復(fù)雜網(wǎng)絡(luò)中關(guān)鍵節(jié)點(diǎn)的挖掘算法研究[D];電子科技大學(xué);2018年

4 邱實(shí);多光譜衛(wèi)星遙感影像云及云陰影精準(zhǔn)檢測(cè)算法研究[D];電子科技大學(xué);2018年

5 孫寧;人工免疫優(yōu)化算法及其應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2006年

6 陸楠;關(guān)聯(lián)規(guī)則的挖掘及其算法的研究[D];吉林大學(xué);2007年

7 胡銦;基于單目視覺(jué)的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究[D];南京理工大學(xué);2008年

8 王玨;生物地理學(xué)優(yōu)化算法的研究及應(yīng)用[D];哈爾濱工程大學(xué);2013年

9 黃松;面向多應(yīng)用場(chǎng)景的粒子群優(yōu)化算法研究[D];江南大學(xué);2017年

10 安琦;信號(hào)偵收中的識(shí)別與分類理論與算法研究[D];電子科技大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 謝輝;基于Spark的FP-Growth算法的研究[D];南昌大學(xué);2019年

2 倪楚琦;關(guān)于大維數(shù)據(jù)的聚類方法研究[D];哈爾濱工業(yè)大學(xué);2019年

3 黃文成;一種基于膜計(jì)算的人工蜂群算法及其應(yīng)用[D];西華大學(xué);2019年

4 徐濤;基于數(shù)據(jù)表示方法的鑒別字典學(xué)習(xí)算法的研究及應(yīng)用[D];西華大學(xué);2019年

5 匡振曦;高維數(shù)據(jù)中KNN分類算法的優(yōu)化研究[D];廣東工業(yè)大學(xué);2019年

6 唐嘉誠(chéng);多約束條件下無(wú)人機(jī)協(xié)同配送算法研究[D];沈陽(yáng)航空航天大學(xué);2019年

7 楊琴;基于壓縮感知的DOA估計(jì)算法研究[D];西安電子科技大學(xué);2019年

8 謝子卓;基于大數(shù)據(jù)的微博轉(zhuǎn)發(fā)預(yù)測(cè)及熱點(diǎn)發(fā)現(xiàn)算法的研究[D];西安電子科技大學(xué);2019年

9 袁丹丹;基于節(jié)點(diǎn)重要性的社區(qū)發(fā)現(xiàn)算法研究與應(yīng)用[D];西安電子科技大學(xué);2019年

10 沈鑫;基于領(lǐng)導(dǎo)人選舉機(jī)制共識(shí)算法的聯(lián)盟鏈性能改進(jìn)研究[D];西安電子科技大學(xué);2019年

本文編號(hào)：2853156