滾動(dòng)軸承是機(jī)械設(shè)備中常用的零部件,其運(yùn)行狀態(tài)的優(yōu)劣會(huì)在一定程度上影響著整臺(tái)設(shè)備的性能。滾動(dòng)軸承從正常運(yùn)轉(zhuǎn)到失效往往會(huì)經(jīng)歷一系列不同的退化過程,如果能夠在這個(gè)過程中對(duì)軸承的退化程度進(jìn)行定量評(píng)估,則可以使設(shè)備維護(hù)策略的制定具有針對(duì)性。本文以滾動(dòng)軸承為研究對(duì)象,采用理論和實(shí)驗(yàn)相結(jié)合的方法系統(tǒng)研究了軸承性能退化評(píng)估中退化特征提取、評(píng)估模型的建立和評(píng)估結(jié)果的驗(yàn)證等問題。針對(duì)退化特征提取問題,首先以內(nèi)圈故障為例分析了提升小波包變換在不同程度故障信號(hào)分析中的有效性。在此基礎(chǔ)上,將提升小波包分別與奇異譜熵、符號(hào)熵相結(jié)合,從而得到了基于提升小波包奇異譜熵的退化特征提取方法,并提出了基于提升小波包符號(hào)熵的退化特征提取方法。試驗(yàn)數(shù)據(jù)分析結(jié)果表明,提升小波包奇異譜熵、提升小波包符號(hào)熵均對(duì)不同嚴(yán)重程度的內(nèi)圈故障比較敏感,能夠反映軸承的退化狀態(tài)。針對(duì)評(píng)估模型的建立問題,將支持向量數(shù)據(jù)描述（SVDD）引入軸承性能退化評(píng)估中,建立了基于SVDD的性能退化評(píng)估模型,在此基礎(chǔ)上提出了基于提升小波包奇異譜熵-SVDD的性能退化評(píng)估方法和基于提升小波包符號(hào)熵-SVDD的性能退化評(píng)估方法,并給出了實(shí)際在線評(píng)估中的失效閾值設(shè)定方... 

【文章來源】：華東交通大學(xué)江西省

【文章頁數(shù)】：81 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
主要符號(hào)說明
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 退化特征提取
        1.2.2 評(píng)估模型的建立
    1.3 主要研究內(nèi)容與結(jié)構(gòu)安排
第二章 基于熵度量的退化特征提取
    2.1 提升小波變換及提升小波包理論
        2.1.1 提升小波變換原理
        2.1.2 提升算子系數(shù)的求解方法
        2.1.3 提升算子系數(shù)個(gè)數(shù)的選擇
        2.1.4 提升小波包變換
    2.2 實(shí)例分析
    2.3 提升小波包奇異譜熵
        2.3.1 信息熵
        2.3.2 奇異譜熵
        2.3.3 基于提升小波包奇異譜熵的退化特征提取
    2.4 提升小波包符號(hào)熵
        2.4.1 符號(hào)時(shí)間序列分析
        2.4.2 符號(hào)熵
        2.4.3 基于提升小波包符號(hào)熵的退化特征提取
    2.5 本章小結(jié)
第三章 基于SVDD的性能退化評(píng)估
    3.1 SVDD理論
        3.1.1 SVDD的基本原理
        3.1.2 核方法的基本原理
        3.1.3 引入核函數(shù)的SVDD
    3.2 性能退化評(píng)估方法
        3.2.1 評(píng)估模型的建立
        3.2.2 實(shí)際在線評(píng)估中的失效閾值設(shè)定方法
    3.3 基于虛擬儀器的全壽命周期動(dòng)態(tài)信號(hào)采集系統(tǒng)
        3.3.1 LabVIEW簡介
        3.3.2 動(dòng)態(tài)信號(hào)采集系統(tǒng)的硬件平臺(tái)
        3.3.3 數(shù)據(jù)采集中的生產(chǎn)者-消費(fèi)者結(jié)構(gòu)和狀態(tài)機(jī)結(jié)構(gòu)
        3.3.4 軟件系統(tǒng)的開發(fā)
    3.4 試驗(yàn)驗(yàn)證
        3.4.1 軸承故障程度模擬試驗(yàn)描述
        3.4.2 基于提升小波包奇異譜熵-SVDD的故障程度評(píng)估
        3.4.3 基于提升小波包符號(hào)熵-SVDD的故障程度評(píng)估
    3.5 本章小結(jié)
第四章 全壽命周期試驗(yàn)數(shù)據(jù)的性能退化評(píng)估
    4.1 全壽命周期試驗(yàn)描述
    4.2 性能退化評(píng)估中SVDD參數(shù)的選取
    4.3 基于提升小波包奇異譜熵-SVDD的性能退化評(píng)估
    4.4 基于提升小波包符號(hào)熵-SVDD的性能退化評(píng)估
    4.5 性能退化評(píng)估中提升小波包符號(hào)熵參數(shù)的選取
    4.6 基于自適應(yīng)SVDD的性能退化評(píng)估
        4.6.1 自適應(yīng)SVDD算法
        4.6.2 基于自適應(yīng)SVDD的評(píng)估結(jié)果
    4.7 本章小結(jié)
第五章 性能退化評(píng)估結(jié)果的驗(yàn)證
    5.1 軸承各部件故障特征頻率的計(jì)算
    5.2 經(jīng)驗(yàn)?zāi)B(tài)分解
    5.3 相關(guān)系數(shù)準(zhǔn)則和峭度系數(shù)準(zhǔn)則
    5.4 Hilbert包絡(luò)解調(diào)
    5.5 基于EMD和Hilbert包絡(luò)解調(diào)的故障診斷方法
    5.6 評(píng)估結(jié)果的驗(yàn)證
    5.7 本章小結(jié)
第六章 總結(jié)與展望
    6.1 全文工作總結(jié)
    6.2 展望
參考文獻(xiàn)
個(gè)人簡歷 在讀期間發(fā)表的學(xué)術(shù)論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]小波包能譜構(gòu)建綜合評(píng)估函數(shù)的軸承退化評(píng)估[J]. 楊帆,湯寶平,尹愛軍.  中國機(jī)械工程. 2015(17)
[2]基于流形學(xué)習(xí)和最小二乘支持向量機(jī)的滾動(dòng)軸承退化趨勢(shì)預(yù)測(cè)[J]. 肖婷,湯寶平,秦毅,陳昌.  振動(dòng)與沖擊. 2015(09)
[3]基于多域特征與高斯混合模型的滾動(dòng)軸承性能退化評(píng)估[J]. 張龍,黃文藝,熊國良,曹青松.  中國機(jī)械工程. 2014(22)
[4]基于威布爾分布及最小二乘支持向量機(jī)的滾動(dòng)軸承退化趨勢(shì)預(yù)測(cè)[J]. 陳昌,湯寶平,呂中亮.  振動(dòng)與沖擊. 2014(20)
[5]基于概率密度空間劃分的符號(hào)化時(shí)間序列分析及其在異常診斷中的應(yīng)用[J]. 胡世杰,錢宇寧,嚴(yán)如強(qiáng).  振動(dòng)工程學(xué)報(bào). 2014(05)
[6]基于EMD和峭度的Hilbert包絡(luò)解調(diào)在滾動(dòng)軸承故障診斷中的應(yīng)用分析[J]. 周浩,賈民平.  機(jī)電工程. 2014(09)
[7]基于TESPAR與GMM的滾動(dòng)軸承性能退化評(píng)估[J]. 張龍,黃文藝,熊國良,周建民,周繼慧.  儀器儀表學(xué)報(bào). 2014(08)
[8]連續(xù)隱半馬爾科夫模型在軸承性能退化評(píng)估中的應(yīng)用[J]. 李巍華,李靜,張紹輝.  振動(dòng)工程學(xué)報(bào). 2014(04)
[9]基于多尺度熵的滾動(dòng)軸承故障程度評(píng)估[J]. 張龍,黃文藝,熊國良.  振動(dòng)與沖擊. 2014(09)
[10]基于混合高斯輸出貝葉斯信念網(wǎng)絡(luò)模型的設(shè)備退化狀態(tài)識(shí)別與剩余使用壽命預(yù)測(cè)方法研究[J]. 張星輝,康建設(shè),趙勁松,肖雷,曹端超,劉浩.  振動(dòng)與沖擊. 2014(08)

博士論文
[1]振動(dòng)故障分形特征提取及診斷方法研究[D]. 李兆飛.重慶大學(xué) 2013
[2]滾動(dòng)軸承的性能退化特征提取及評(píng)估方法研究[D]. 潘玉娜.上海交通大學(xué) 2011
[3]滾動(dòng)軸承振動(dòng)信號(hào)處理及特征提取方法研究[D]. 蘇文勝.大連理工大學(xué) 2010
[4]基于第二代小波的機(jī)械故障信號(hào)處理方法研究[D]. 周瑞.哈爾濱工業(yè)大學(xué) 2009

碩士論文
[1]滾動(dòng)軸承性能退化評(píng)估技術(shù)研究[D]. 周楊.電子科技大學(xué) 2014
[2]基于連續(xù)隱半馬爾科夫模型的軸承性能退化評(píng)估[D]. 李靜.華南理工大學(xué) 2013
[3]基于支持向量數(shù)據(jù)描述與信息融合的設(shè)備性能退化評(píng)估研究[D]. 劉雨.上海交通大學(xué) 2009
[4]基于LabVIEW的軸承狀態(tài)監(jiān)測(cè)及故障診斷系統(tǒng)實(shí)現(xiàn)[D]. 柴慧霞.太原理工大學(xué) 2008
[5]基于LabVIEW的虛擬儀器及其在軸承測(cè)振儀中的應(yīng)用[D]. 閻曉偉.太原理工大學(xué) 2008
[6]第二代小波變換在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用研究[D]. 于明月.南京航空航天大學(xué) 2008
[7]基于LabVIEW的數(shù)據(jù)采集及分析系統(tǒng)的開發(fā)[D]. 王劍.哈爾濱理工大學(xué) 2004



本文編號(hào)：3022296