基于NLM-VMD和度量學習的滾動軸承故障診斷研究
發(fā)布時間：2020-12-08 17:46
滾動軸承作為旋轉機械設備的重要組成部分,在工業(yè)生產中應用非常廣泛。軸承常常工作在高負載、高轉速環(huán)境下,容易出現(xiàn)故障導致設備停機,甚至會對人身安全造成威脅。本文研究滾動軸承故障診斷這一極具現(xiàn)實意義的問題,基于振動信號將診斷分為特征提取和模型訓練兩部分,首先提出非局部均值去噪(NLM)與變分模式分解(VMD)結合的故障特征提取方法,接著引入度量學習改變樣本分布提升分類器性能。在分析了國內外研究成果的基礎上,本文提出了一種抗噪性能好、診斷精準度高的軸承診斷方法。本文對非局部均值去噪算法(NLM)做了深入分析,將其一維化并用于軸承振動信號去噪。針對NLM去噪效果受參數(shù)影響大的特性,提出應用貝葉斯優(yōu)化NLM參數(shù),以譜峭度和峰值信噪比結合作為優(yōu)化目標函數(shù),顯著提升了NLM在處理低信噪比信號時的性能�，F(xiàn)實中,受種種因素影響,采集到的真實軸承故障震動信號可能含有很強的環(huán)境噪聲,針對低信噪比故障信號特征提取難的問題,本文提出非局部均值去噪和變分模態(tài)分解(VMD)結合的故障特征提取技術,利用VMD分解原始信號,選出代表故障特征信息的主模態(tài)分量,進一步使用貝葉斯優(yōu)化的NLM對分量信號做去噪處理,解決了VMD...
【文章來源】：華中科技大學湖北省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】：82 頁
【學位級別】：碩士
【部分圖文】：
滾動軸承結構示意圖
圖 1-3 滾動軸承磨耗（左）和銹蝕（右）示意圖1.3.3 滾動軸承的振動機理軸承在運轉過程中，受多種因素的影響會產生振動，總體可以將其分為來源軸承本身的內部因素和來源外部的環(huán)境因素，如圖 1-4 所示。內部因素包括軸承運轉過程中內圈、外圈、滾動體與保持架間相互碰撞摩擦產生的振動，這部分振動信息一般變現(xiàn)的很平穩(wěn)，聲音聽起來也比較輕微、柔和。不同的尺寸、材料和加工工藝都會導致軸承固有振動頻率的差異。當軸承內部出現(xiàn)故障時，也會引發(fā)振動，特別是磨損、腐蝕、剝落這三類損傷故障，軸承在轉動和負載作用下接觸到故障部位時會產生周期性脈沖信號。另外，軸承加工裝配的不規(guī)范和錯誤也會引發(fā)軸承的振動。外部因素則主要來自整個軸承工作系統(tǒng)，軸承在運轉過程中也承受著來自其他器械的負載，旋轉的軸承也會對整個工作系統(tǒng)產生激勵作用引發(fā)共振。外部因素
華 中 科 技 大 學 碩 士 學 位 論 文表信噪比，PSNR 代表峰值信噪比，二者都是最通行的評價信號品質的指標。PRD代表失真率。最終復合信號x t 的采樣波形圖如圖 2-2 所示，分別設定加性高斯白噪聲的標準差 =0.3， 0. 5， 0. 7，用本文提出的快速非均質去噪算法、經驗模態(tài)分解去噪算法、小波軟閾值去噪濾波后的波形如圖 2-3 所示。圖 2-3 中每個圖由四幅子圖組成，子圖一是加噪后的波形圖，子圖二是 NLM 去噪后波形圖，子圖三、四分別是經驗模式分解和小波軟閾值去噪后的波形圖，同時列出 NLM 去噪后信號的指標的數(shù)據，如表 2-1 所示。
【參考文獻】：
期刊論文
[1]基于VMD與粒子濾波的滾動軸承故障診斷[J]. 何洋洋,呂躍剛,劉俊承. 可再生能源. 2019(01)
[2]基于VMD的滾動軸承早期故障診斷方法[J]. 昝濤,龐兆亮,王民,高相勝. 北京工業(yè)大學學報. 2019(02)
[3]基于ITD和短時傅里葉變換的故障診斷方法[J]. 權振亞,張錕,史曉霞. 裝備制造技術. 2018(12)
[4]基于LMD與隨機森林的滾動軸承故障診斷[J]. 秦喜文,郭宇,郭佳靜,董小剛,馮陽洋,王強進. 長春工業(yè)大學學報. 2018(05)
[5]基于短時傅里葉變換和卷積神經網絡的軸承故障診斷方法[J]. 李恒,張氫,秦仙蓉,孫遠韜. 振動與沖擊. 2018(19)
[6]基于改進經驗小波變換的時頻分析方法及其在滾動軸承故障診斷中的應用[J]. 鄭近德,潘海洋,戚曉利,張興權,劉慶運. 電子學報. 2018(02)
[7]大型風力發(fā)電機組故障診斷綜述[J]. 曾軍,陳艷峰,楊蘋,郭紅霞. 電網技術. 2018(03)
[8]基于振動信號的軸承故障診斷技術綜述[J]. 沙美妤,劉利國. 軸承. 2015(09)
[9]基于復數(shù)小波多尺度包絡分析的風機滾動軸承故障特征提取[J]. 潘作為,梁雙印,李驚濤,柳亦兵. 中國電機工程學報. 2015(16)
[10]基于模糊C-均值聚類的軸承性能衰退評估方法[J]. 吳軍,郝剛,鄧超,趙明. 計算機集成制造系統(tǒng). 2015(04)
博士論文
[1]轉子-軸承故障診斷方法研究[D]. 王冬云.燕山大學 2012
[2]Hilbert-Huang變換在旋轉機械振動信號分析中的應用研究[D]. 胡愛軍.華北電力大學（河北） 2008
碩士論文
[1]基于變分模態(tài)分解和隨機共振的軸承故障自適應診斷研究[D]. 張嘉玲.西安理工大學 2018
[2]非局部均值濾波算法及其在滾動軸承故障診斷中的應用研究[D]. 祝青林.武漢科技大學 2015
[3]基于振動信號分析的滾動軸承故障特征提取與診斷研究[D]. 宋耀文.中國礦業(yè)大學 2015
本文編號：2905438
【文章來源】：華中科技大學湖北省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】：82 頁
【學位級別】：碩士
【部分圖文】：
滾動軸承結構示意圖
圖 1-3 滾動軸承磨耗（左）和銹蝕（右）示意圖1.3.3 滾動軸承的振動機理軸承在運轉過程中，受多種因素的影響會產生振動，總體可以將其分為來源軸承本身的內部因素和來源外部的環(huán)境因素，如圖 1-4 所示。內部因素包括軸承運轉過程中內圈、外圈、滾動體與保持架間相互碰撞摩擦產生的振動，這部分振動信息一般變現(xiàn)的很平穩(wěn)，聲音聽起來也比較輕微、柔和。不同的尺寸、材料和加工工藝都會導致軸承固有振動頻率的差異。當軸承內部出現(xiàn)故障時，也會引發(fā)振動，特別是磨損、腐蝕、剝落這三類損傷故障，軸承在轉動和負載作用下接觸到故障部位時會產生周期性脈沖信號。另外，軸承加工裝配的不規(guī)范和錯誤也會引發(fā)軸承的振動。外部因素則主要來自整個軸承工作系統(tǒng)，軸承在運轉過程中也承受著來自其他器械的負載，旋轉的軸承也會對整個工作系統(tǒng)產生激勵作用引發(fā)共振。外部因素
華 中 科 技 大 學 碩 士 學 位 論 文表信噪比，PSNR 代表峰值信噪比，二者都是最通行的評價信號品質的指標。PRD代表失真率。最終復合信號x t 的采樣波形圖如圖 2-2 所示，分別設定加性高斯白噪聲的標準差 =0.3， 0. 5， 0. 7，用本文提出的快速非均質去噪算法、經驗模態(tài)分解去噪算法、小波軟閾值去噪濾波后的波形如圖 2-3 所示。圖 2-3 中每個圖由四幅子圖組成，子圖一是加噪后的波形圖，子圖二是 NLM 去噪后波形圖，子圖三、四分別是經驗模式分解和小波軟閾值去噪后的波形圖，同時列出 NLM 去噪后信號的指標的數(shù)據，如表 2-1 所示。
【參考文獻】：
期刊論文
[1]基于VMD與粒子濾波的滾動軸承故障診斷[J]. 何洋洋,呂躍剛,劉俊承. 可再生能源. 2019(01)
[2]基于VMD的滾動軸承早期故障診斷方法[J]. 昝濤,龐兆亮,王民,高相勝. 北京工業(yè)大學學報. 2019(02)
[3]基于ITD和短時傅里葉變換的故障診斷方法[J]. 權振亞,張錕,史曉霞. 裝備制造技術. 2018(12)
[4]基于LMD與隨機森林的滾動軸承故障診斷[J]. 秦喜文,郭宇,郭佳靜,董小剛,馮陽洋,王強進. 長春工業(yè)大學學報. 2018(05)
[5]基于短時傅里葉變換和卷積神經網絡的軸承故障診斷方法[J]. 李恒,張氫,秦仙蓉,孫遠韜. 振動與沖擊. 2018(19)
[6]基于改進經驗小波變換的時頻分析方法及其在滾動軸承故障診斷中的應用[J]. 鄭近德,潘海洋,戚曉利,張興權,劉慶運. 電子學報. 2018(02)
[7]大型風力發(fā)電機組故障診斷綜述[J]. 曾軍,陳艷峰,楊蘋,郭紅霞. 電網技術. 2018(03)
[8]基于振動信號的軸承故障診斷技術綜述[J]. 沙美妤,劉利國. 軸承. 2015(09)
[9]基于復數(shù)小波多尺度包絡分析的風機滾動軸承故障特征提取[J]. 潘作為,梁雙印,李驚濤,柳亦兵. 中國電機工程學報. 2015(16)
[10]基于模糊C-均值聚類的軸承性能衰退評估方法[J]. 吳軍,郝剛,鄧超,趙明. 計算機集成制造系統(tǒng). 2015(04)
博士論文
[1]轉子-軸承故障診斷方法研究[D]. 王冬云.燕山大學 2012
[2]Hilbert-Huang變換在旋轉機械振動信號分析中的應用研究[D]. 胡愛軍.華北電力大學（河北） 2008
碩士論文
[1]基于變分模態(tài)分解和隨機共振的軸承故障自適應診斷研究[D]. 張嘉玲.西安理工大學 2018
[2]非局部均值濾波算法及其在滾動軸承故障診斷中的應用研究[D]. 祝青林.武漢科技大學 2015
[3]基于振動信號分析的滾動軸承故障特征提取與診斷研究[D]. 宋耀文.中國礦業(yè)大學 2015
本文編號：2905438
本文鏈接：http://sikaile.net/jixiegongchenglunwen/2905438.html
