滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械設(shè)備的關(guān)鍵部件,其健康狀態(tài)直接影響到設(shè)備的整體性能。軸承的失效不僅會(huì)導(dǎo)致工程應(yīng)用中的機(jī)械故障,還會(huì)導(dǎo)致致命事故。而且,軸承在實(shí)際生產(chǎn)中通常會(huì)經(jīng)歷從正常狀態(tài)到最終故障的退化過程。因此,安裝傳感器來監(jiān)測(cè)軸承運(yùn)行狀態(tài),從這些監(jiān)測(cè)信號(hào)中提取故障特征,對(duì)軸承進(jìn)行健康狀態(tài)評(píng)估和故障識(shí)別,在過去幾十年中得到了廣泛的研究。本文以振動(dòng)信號(hào)分析為基礎(chǔ),采用數(shù)據(jù)驅(qū)動(dòng)的方法對(duì)軸承展開研究。首先,針對(duì)軸承振動(dòng)信號(hào)的特征提取方法展開研究�？紤]到振動(dòng)信號(hào)中普遍含有噪聲成分,論文首先引入小波包分解方法,對(duì)振動(dòng)信號(hào)起到一定的降噪作用,然后采用AR譜分析方法實(shí)現(xiàn)特征提取功能,最后通過三維可視化散點(diǎn)圖驗(yàn)證了本文方法比傳統(tǒng)時(shí)域特征提取方法具有更好的優(yōu)越性。其次,針對(duì)軸承故障診斷識(shí)別方法展開研究�？紤]到淺層模型很難有效地表征振動(dòng)信號(hào)的高維特征與軸承故障類型之間復(fù)雜的映射關(guān)系,本文提出基于小波包-AR譜和DBN的滾動(dòng)軸承故障診斷方法�；趧P斯西儲(chǔ)大學(xué)軸承數(shù)據(jù),討論了變負(fù)載和不同樣本規(guī)模對(duì)本文方法的影響。同時(shí),通過和其它幾種常用的故障診斷方法進(jìn)行實(shí)驗(yàn)對(duì)比,證明了本文方法具有更好的診斷精度。然后,基于辛辛那提大學(xué)軸... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：92 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 特征提取
        1.2.2 故障診斷
        1.2.3 健康狀態(tài)評(píng)估
    1.3 論文研究?jī)?nèi)容與結(jié)構(gòu)安排
        1.3.1 論文研究?jī)?nèi)容
        1.3.2 論文結(jié)構(gòu)安排
第二章 滾動(dòng)軸承故障診斷理論基礎(chǔ)
    2.1 滾動(dòng)軸承基本結(jié)構(gòu)及振動(dòng)機(jī)理
        2.1.1 滾動(dòng)軸承基本結(jié)構(gòu)
        2.1.2 滾動(dòng)軸承振動(dòng)機(jī)理
    2.2 滾動(dòng)軸承失效形式
    2.3 滾動(dòng)軸承的故障特征頻率
    2.4 本章小結(jié)
第三章 基于小波包-AR譜和DBN的滾動(dòng)軸承故障診斷
    3.1 小波包-AR譜特征提取方法
        3.1.1 小波包分解原理
        3.1.2 AR譜分析
        3.1.3 小波包-AR譜特征提取過程
    3.2 深度置信網(wǎng)絡(luò)
        3.2.1 RBM
        3.2.2 DBN
    3.3 基于小波包-AR譜和DBN的故障識(shí)別框架
    3.4 實(shí)驗(yàn)驗(yàn)證和結(jié)果分析
        3.4.1 試驗(yàn)裝置及數(shù)據(jù)描述
        3.4.2 數(shù)據(jù)預(yù)處理
        3.4.3 特征提取結(jié)果及分析
        3.4.4 基于小波包-AR譜和DBN的故障診斷模型訓(xùn)練
        3.4.5 實(shí)驗(yàn)結(jié)果分析
    3.5 本章小結(jié)
第四章 基于余弦相似度的滾動(dòng)軸承健康狀態(tài)評(píng)估
    4.1 滾動(dòng)軸承健康狀態(tài)評(píng)估原理
    4.2 基于余弦相似度的滾動(dòng)軸承健康狀態(tài)評(píng)估流程
        4.2.1 振動(dòng)信號(hào)特征提取
        4.2.2 計(jì)算余弦相似度
        4.2.3 健康指標(biāo)平滑
    4.3 實(shí)驗(yàn)驗(yàn)證和結(jié)果分析
        4.3.1 試驗(yàn)裝置及數(shù)據(jù)描述
        4.3.2 數(shù)據(jù)預(yù)處理
        4.3.3 基于傳統(tǒng)時(shí)域特征的軸承振動(dòng)信號(hào)分析
        4.3.4 不同健康狀態(tài)的軸承振動(dòng)信號(hào)對(duì)比分析
        4.3.5 基于余弦相似度的滾動(dòng)軸承健康狀態(tài)評(píng)估結(jié)果分析
    4.4 本章小結(jié)
第五章 滾動(dòng)軸承故障診斷系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    5.1 軟件開發(fā)工具
        5.1.1 WPF簡(jiǎn)介
        5.1.2 MySQL概要
    5.2 C#與MATLAB混合編程
        5.2.1 .NET組件技術(shù)
        5.2.2 MATLAB引擎技術(shù)
        5.2.3 C#與MATLAB數(shù)據(jù)類型轉(zhuǎn)換
    5.3 系統(tǒng)總體方案設(shè)計(jì)
    5.4 用戶界面設(shè)計(jì)
        5.4.1 用戶登錄界面
        5.4.2 數(shù)據(jù)處理界面
        5.4.3 故障診斷界面
        5.4.4 數(shù)據(jù)庫(kù)管理界面
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 工作展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間的主要研究成果
學(xué)位論文評(píng)閱及答辯情況表


【參考文獻(xiàn)】：
期刊論文
[1]基于C#和Matlab混合編程的軸承故障診斷系統(tǒng)[J]. 劉亞,王靜,田新誠(chéng).  計(jì)算機(jī)應(yīng)用. 2018(S2)
[2]發(fā)動(dòng)機(jī)聲信號(hào)與振動(dòng)信號(hào)故障特征提取對(duì)比分析[J]. 曾榮,曾銳利,丁雷.  軍事交通學(xué)院學(xué)報(bào). 2018(08)
[3]基于小波包-AR譜和深度學(xué)習(xí)的軸承故障診斷研究[J]. 賀思艷,劉亞,田新誠(chéng).  計(jì)算機(jī)應(yīng)用研究. 2019(06)
[4]數(shù)據(jù)驅(qū)動(dòng)的滾動(dòng)軸承性能衰退狀態(tài)監(jiān)測(cè)方法[J]. 吳軍,黎國(guó)強(qiáng),吳超勇,程一偉,鄧超.  上海交通大學(xué)學(xué)報(bào). 2018(05)
[5]改進(jìn)的經(jīng)驗(yàn)小波變換在滾動(dòng)軸承故障診斷中的應(yīng)用[J]. 朱艷萍,包文杰,涂曉彤,胡越,李富才.  噪聲與振動(dòng)控制. 2018(01)
[6]利用深度卷積神經(jīng)網(wǎng)絡(luò)提高未知噪聲下的語音增強(qiáng)性能[J]. 袁文浩,孫文珠,夏斌,歐世峰.  自動(dòng)化學(xué)報(bào). 2018(04)
[7]C#和MATLAB混合編程在連鑄坯裂紋檢測(cè)中的應(yīng)用[J]. 孫潔,歐陽(yáng)亞麗,薛亮.  華北理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[8]基于DBN的故障特征提取及診斷方法研究[J]. 趙光權(quán),葛強(qiáng)強(qiáng),劉小勇,彭喜元.  儀器儀表學(xué)報(bào). 2016(09)
[9]針對(duì)滾動(dòng)軸承故障診斷的新時(shí)頻特征提取方法[J]. 陳俊杰,王曉峰,劉飛,周文晶.  機(jī)械傳動(dòng). 2016(07)
[10]基于深度學(xué)習(xí)理論的機(jī)械裝備大數(shù)據(jù)健康監(jiān)測(cè)方法[J]. 雷亞國(guó),賈峰,周昕,林京.  機(jī)械工程學(xué)報(bào). 2015(21)

博士論文
[1]數(shù)據(jù)驅(qū)動(dòng)的滾動(dòng)軸承故障特征分析與診斷方法研究[D]. 俞嘯.中國(guó)礦業(yè)大學(xué) 2017
[2]旋轉(zhuǎn)機(jī)械故障診斷與預(yù)測(cè)方法及其應(yīng)用研究[D]. 武哲.北京交通大學(xué) 2016
[3]受限玻爾茲曼機(jī)學(xué)習(xí)算法研究[D]. 馬學(xué)思.北京郵電大學(xué) 2016
[4]滾動(dòng)軸承故障特征提取與診斷方法研究[D]. 鄧飛躍.華北電力大學(xué)(北京) 2016
[5]基于耦合隱馬爾可夫模型的滾動(dòng)軸承故障診斷與性能退化評(píng)估研究[D]. 肖文斌.上海交通大學(xué) 2011

碩士論文
[1]基于振動(dòng)信號(hào)降噪與分解的軸承故障診斷研究[D]. 黃陽(yáng).西安理工大學(xué) 2018
[2]多軸聯(lián)動(dòng)運(yùn)動(dòng)控制與仿真技術(shù)研究[D]. 李伯釗.山東大學(xué) 2018
[3]深度學(xué)習(xí)在滾動(dòng)軸承故障診斷中的應(yīng)用研究[D]. 陳偉.西南交通大學(xué) 2018
[4]基于深度學(xué)習(xí)的航空發(fā)動(dòng)機(jī)可靠性分析[D]. 洪驥宇.南京航空航天大學(xué) 2018
[5]滾動(dòng)軸承的性能退化評(píng)估與剩余使用壽命預(yù)測(cè)方法的研究[D]. 周裕華.華南理工大學(xué) 2018
[6]基于EMD和邏輯回歸的軸承性能退化評(píng)估與剩余壽命預(yù)測(cè)[D]. 黎慧.華東交通大學(xué) 2017
[7]滾動(dòng)軸承沖擊類故障特征增強(qiáng)的非局部均值算法研究[D]. 胡俊鋒.華東交通大學(xué) 2017
[8]基于深度信念網(wǎng)絡(luò)與多傳感器信息融合的滾動(dòng)軸承故障診斷研究[D]. 俞昆.青島理工大學(xué) 2016
[9]關(guān)聯(lián)支持向量回歸方法及其在核電蒸汽發(fā)生器部件失效中的小樣本預(yù)測(cè)[D]. 徐賢興.浙江工業(yè)大學(xué) 2016
[10]基于深度置信網(wǎng)絡(luò)的數(shù)據(jù)驅(qū)動(dòng)故障診斷方法研究[D]. 葛強(qiáng)強(qiáng).哈爾濱工業(yè)大學(xué) 2016



本文編號(hào)：3171117