機械設備在運行過程中,由于工作環(huán)境的改變、過大的負載等因素的影響,其工作性能會從正常狀態(tài)逐步退化到功能失效狀態(tài)。傳統(tǒng)的狀態(tài)監(jiān)控與故障診斷方法,簡單地把機械設備的健康狀態(tài)分為正常和故障兩方面。然而,在實際工程應用中,機械設備除了突發(fā)失效外,常常會經歷性能退化階段,最后才導致功能失效。這一性能逐步衰減的過程被稱為機械設備健康退化過程。為了監(jiān)測機械設備健康狀態(tài),并防止最終功能失效的發(fā)生,需要對機械設備健康狀態(tài)進行有效的評估,再基于評估結果安排合理的維修計劃。在此健康評估的過程中,早期故障的檢測尤為重要。檢測機械設備正常狀態(tài)和異常狀態(tài)的分界點,不僅有助于預防機械設備發(fā)生嚴重的功能失效,且可避免重大經濟損失和人員傷亡等事故的發(fā)生。由于機械設備處在早期故障階段時,故障特征信息非常微弱,常被環(huán)境噪聲和其它干擾信號淹沒,因此,早期故障的檢測是機械設備健康評估過程中的一個棘手問題。另外,一旦機械設備零部件發(fā)生了故障,故障類別的識別也十分重要。 本論文以齒輪和滾動軸承為主要的研究對象,針對機械設備健康評估、早期故障檢測和故障識別三個方向開展了一定的探索和研究。 本篇論文主要內容如下: 1、對傳統(tǒng)的離散小波分析和希爾伯特變換在軸承故障診斷中的應用進行了適當的改進,提高了軸承故障診斷的檢測效果。 2、在小波模極大值研究的基礎上,提出了基于Lipschitz指數時間函數的軸承故障診斷方法。 3、在隱馬爾科夫模型和矩陣奇異值研究的基礎上,提出了自動識別軸承不同故障的診斷技術,具有較高的識別率。 4、在齒輪振動機理研究的基礎上,提出了齒輪全壽命健康評估方法以及早期故障檢測方法。 5、在隱馬爾科夫模型和現(xiàn)代信號處理研究的基礎上,提出了基于隱馬爾科夫模型的齒輪全壽命評估方法和早期故障檢測方法。
【學位單位】：電子科技大學
【學位級別】：碩士
【學位年份】：2010
【中圖分類】：TH165.3
【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 旋轉機械全壽命狀態(tài)評估與故障診斷的意義
    1.2 旋轉機械狀態(tài)評估與故障診斷的國內外現(xiàn)狀研究
    1.3 旋轉機械全壽命狀態(tài)評估與故障診斷的目的
    1.4 本論文主要的研究內容
    1.5 課題來源
第二章 齒輪和軸承故障特征分析
    2.1 齒輪故障特征分析
    2.2 滾動軸承故障特征分析
第三章 基于現(xiàn)代信號處理技術和隱馬爾科夫模型的軸承故障診斷
    3.1 改進的離散小波變換和希爾伯特變換的軸承故障診斷技術
        3.1.1 小波變換基本理論
        3.1.2 改進的離散小波變換和希爾伯特變換軸承故障診斷技術
        3.1.3 本文提出方法的驗證及與不同方法間的比較
    3.2 基于小波模極大值的信號奇異點故障診斷技術
        3.2.1 基于小波的奇異點分析
        3.2.2 基于小波奇異檢測軸承故障診斷方法
        3.2.3 實驗驗證及不同方法間的比較
    3.3 基于隱馬爾科夫模型的軸承自動診斷技術
    3.4 本章小結
第四章 基于齒輪振動機理的健康狀態(tài)評估方法
    4.1 基于小波理論和齒輪振動機理的齒輪健康評估方法
        4.1.1 離散二進小波頻率劃分思想
        4.1.2 基于小波理論和齒輪振動機理的齒輪健康評估方法
    4.2 基于經驗模態(tài)分解和齒輪振動機理齒輪健康狀態(tài)評估方法
        4.2.1 經驗模態(tài)分解基本理論
        4.2.2 基于經驗模態(tài)分解和齒輪振動機理齒輪健康狀態(tài)評估方法
    4.3 本章小結
第五章 基于隱馬爾科夫模型的健康狀態(tài)評估方法
    5.1 隱馬爾科夫模型基本理論
    5.2 基于隱馬爾科夫模型的健康狀態(tài)評估方法
    5.3 改進的基于隱馬爾科夫模型健康評估方法
    5.4 本章小結
第六章 總結與展望
    6.1 全文工作總結
    6.2 本文創(chuàng)新之處
    6.3 研究展望
致謝
參考文獻
攻讀碩士期間取得的研究成果

【引證文獻】

相關碩士學位論文 前1條

1 謝磊;軸承振動分析與壽命評估方法研究[D];電子科技大學;2013年

本文編號：2854686