旋振動信號處理及故障診斷是旋轉(zhuǎn)機械故障檢測及識別的核心部分,在工程領(lǐng)域中,旋轉(zhuǎn)機械的振動信號攜帶著設(shè)備運行狀態(tài)的重要特征信息,對這些信號的正確處理及準(zhǔn)確的故障分析可以對設(shè)備的運行狀態(tài)進(jìn)行監(jiān)測,對于提前預(yù)測設(shè)備突發(fā)性故障、降低因設(shè)備故障帶來的風(fēng)險,具有重要的意義。本文引入隨機共振及對其改進(jìn)算法和雙極模糊理論分析等方法,通過對這些算法的深入研究,并將其應(yīng)用到旋轉(zhuǎn)機械振動信號的處理及故障診斷中,主要內(nèi)容如下:在研究進(jìn)行強背景噪聲下微弱故障特征信號提取時,針對隨機共振系統(tǒng)參數(shù)a、b、h和變分模態(tài)分解的懲罰因子α和模態(tài)分解個數(shù)K在提前預(yù)設(shè)時往往由于預(yù)設(shè)不理想導(dǎo)致處理效果不佳的缺陷,提出了基于混沌粒子群算法參數(shù)優(yōu)化的隨機共振和基于混沌粒子群算法參數(shù)優(yōu)化的變分模態(tài)分解相結(jié)合信號處理方法。利用混沌粒子群算法先分別優(yōu)化隨機共振和VMD的參數(shù),然后對信號進(jìn)行處理,并通過仿真及實驗表明,此方法可以有效提取到強背景噪聲下的故障信號特征。研究了由隸屬度和硬C聚類演化而來的模糊C均值聚類故障分類方法,將FCM的分類方法與隨機共振和變分模態(tài)分解處理方法創(chuàng)新性的結(jié)合起來應(yīng)用于故障分類上。根據(jù)計算經(jīng)隨機共振和變分模態(tài)分... 

【文章來源】：南京信息工程大學(xué)江蘇省

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１滾動軸承故障診斷流程圖??本文在研宄傳統(tǒng)時頻分析方法的基礎(chǔ)上，提出利用混沌粒子群參數(shù)優(yōu)化隨??

?下面以一組仿真信號說明以上方法的有效性。假設(shè)系統(tǒng)輸入含噪信號為??ｘ（〇＝３ｓｉｎ（１００對）＋噸），其中ｎ⑴為高斯白噪聲。圖３－３為含噪信號，可以看出純??凈信號被高斯白噪聲污染比較嚴(yán)重。??輸入含噪信號??４?｜?ｋ?Ｉ?（?Ｉ?４?＾?｜?ｆ??ＪｆｆＰＩｆｉ：??＊?＿??＇０?０．０２?０．０４?０．０６?０．０８?０．１?０．１２?０．１４?０．１６?０．１８??Ｔｉｍｅ沖寸域??圖３－４含噪信號??圖３－５為參數(shù)優(yōu)化的ＶＭＤ分解圖，從圖中可以初步判定前兩個ＩＭＦ分量含有??特征信號，其它ＩＭＦ分量為噪聲信號。??２２??

圖３－６?ＶＭＤ處理后與純凈信號對比圖??文獻(xiàn)［４７］使用改進(jìn)的ＶＭＤ分解中較新的基于變分模態(tài)分解和頻譜特性的自??

【參考文獻(xiàn)】：
期刊論文
[1]旋轉(zhuǎn)機械振動故障機理及診斷方法分析[J]. 王吉,蔣海軍,王喆,張少鵬,王強.  內(nèi)燃機與配件. 2020(15)
[2]一種輸氣管道燃?xì)廨啓C的綜合故障診斷方法[J]. 李剛,谷思宇,賈東卓,閆斌斌.  油氣儲運. 2019(05)



本文編號：2932918