滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械中必備的關(guān)鍵構(gòu)成部件,一旦出現(xiàn)故障就會(huì)影響機(jī)械設(shè)備的正常運(yùn)行,及時(shí)對機(jī)械和設(shè)備進(jìn)行故障診斷排查對設(shè)備的正常運(yùn)行起著重要的作用。因此本文以滾動(dòng)軸承故障診斷為背景,對其可能出現(xiàn)的滾珠故障、內(nèi)圈故障、外圈故障、三種故障類型及其正常情況下的振動(dòng)信號(hào)進(jìn)行診斷研究,這對機(jī)械設(shè)備的高效運(yùn)行、安全操作以及提高經(jīng)濟(jì)效益具有十分重要的意義。首先,本文分析了現(xiàn)階段提取故障信息的主要方法,并根據(jù)滾動(dòng)軸承早期故障數(shù)據(jù)特征特點(diǎn),選擇小波包變換（Wavelet Package Transform,WPT）技術(shù)提取第3層分解后重構(gòu)的8個(gè)能量值,并取8個(gè)能量值來表示原始數(shù)據(jù)的特征。小波包重構(gòu)之后的能量特征值需要進(jìn)行歸一化處理作為模式分類器的輸入。其次,本文選擇支持向量機(jī)（Support Vector Machine,SVM）模式識(shí)別模型對特征數(shù)據(jù)進(jìn)行模式識(shí)別,但其懲罰參數(shù)c和核參數(shù)g選取不同嚴(yán)重影響SVM的分類效果,所以本文提出通過人工魚群算法（Artificial Fish Swarm Algorithm,AFSA）、引力搜索算法（Gravitational Search Algorithm,GSA... 

【文章來源】：青島大學(xué)山東省

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

滾動(dòng)軸承應(yīng)用場景

圖 1.1 滾動(dòng)軸承應(yīng)用場景承屬于應(yīng)用最廣泛的一類旋轉(zhuǎn)機(jī)械[4]，據(jù)不完全統(tǒng)計(jì)，旋轉(zhuǎn)動(dòng)軸承出現(xiàn)問題而產(chǎn)生的故障占到 30%-40%，因此，準(zhǔn)確、障進(jìn)行識(shí)別診斷，是對保證設(shè)備安全、高效、平穩(wěn)運(yùn)行的一產(chǎn)生活、人們生命財(cái)產(chǎn)安全提出的更高要求。在《中國制造科發(fā)展戰(zhàn)略報(bào)告(2011-2020)》[5]中，有關(guān)機(jī)械設(shè)備的智能監(jiān)為智能制造的重要相關(guān)技術(shù)。因此，人工智能故障診斷技術(shù)故障診斷領(lǐng)域發(fā)展的大方向，也正逐漸成為機(jī)械故障診斷發(fā)展技術(shù)是包含數(shù)學(xué)、力學(xué)、計(jì)算機(jī)科學(xué)等多門學(xué)科交融起來的診斷技術(shù)在這些基礎(chǔ)學(xué)科發(fā)展的支持烘托下，其發(fā)展進(jìn)步程智能優(yōu)化算法的神經(jīng)網(wǎng)絡(luò)等模型分類器和基于符號(hào)推理的專，在滾動(dòng)軸承智能診斷領(lǐng)域已得到廣泛應(yīng)用[7]，但是因其故發(fā)生，對故障診斷技術(shù)的深入研究仍然面臨更大的挑戰(zhàn)。因障診斷技術(shù)和新方法對高效率高安全的生產(chǎn)生活具有重大意

圖 1.3 軸承故障診斷的發(fā)展經(jīng)歷障診斷技術(shù)的發(fā)展趨勢斷技術(shù)的層出不窮，相應(yīng)的滾動(dòng)軸承的診斷技術(shù)技術(shù)已經(jīng)成熟且投入到實(shí)際應(yīng)用當(dāng)中，但是仍然存現(xiàn)象，所以在未來還需要加深對軸承故障診斷技軸承故障診斷技術(shù)的發(fā)展趨勢必然是朝著智能化軸承故障診斷過程中繼續(xù)發(fā)揮小波變換、小波包。斷從根本上說其實(shí)是對數(shù)據(jù)類型的模式識(shí)別，神實(shí)現(xiàn)數(shù)據(jù)訓(xùn)練、學(xué)習(xí)并識(shí)別，而對于更加復(fù)雜難神經(jīng)網(wǎng)絡(luò)的疊加或者利用優(yōu)化算法優(yōu)化神經(jīng)網(wǎng)絡(luò)，深入研究之后勢必得到廣泛應(yīng)用。障診斷相比較傳統(tǒng)的人工領(lǐng)域故障診斷具有眾多

【參考文獻(xiàn)】：
期刊論文
[1]融合數(shù)據(jù)分布特征的多視圖典型相關(guān)分析[J]. 郭慧,劉忠寶.  廣西大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(06)
[2]風(fēng)力發(fā)電機(jī)組齒輪箱基于油液和振動(dòng)信號(hào)分析的故障診斷技術(shù)研究[J]. 張振偉,程明杰,甄亮.  內(nèi)蒙古科技與經(jīng)濟(jì). 2018(19)
[3]基于短時(shí)傅里葉變換和卷積神經(jīng)網(wǎng)絡(luò)的軸承故障診斷方法[J]. 李恒,張氫,秦仙蓉,孫遠(yuǎn)韜.  振動(dòng)與沖擊. 2018(19)
[4]旋轉(zhuǎn)機(jī)械故障診斷研究方法綜述[J]. 蘇乃權(quán),熊建斌,張清華,黃崇林.  機(jī)床與液壓. 2018(07)
[5]高鐵列車運(yùn)行控制系統(tǒng)故障診斷方法分析[J]. 馬少波.  科技創(chuàng)新與應(yīng)用. 2017(29)
[6]基于離散小波變換的圖像素描生成算法[J]. 姚敏,趙振剛,高立慧,李川.  計(jì)算機(jī)與數(shù)字工程. 2017(06)
[7]基于粒子群優(yōu)化支持向量機(jī)的電能替代潛力分析方法[J]. 孫毅,石墨,單葆國,曹昉.  電網(wǎng)技術(shù). 2017(06)
[8]基于BP神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷[J]. 劉元是,陳建政.  鐵道機(jī)車與動(dòng)車. 2017(02)
[9]旋轉(zhuǎn)機(jī)械傳動(dòng)系統(tǒng)運(yùn)行穩(wěn)定性劣化表征參數(shù)提取方法研究[J]. 蔣章雷,徐小力.  電子測量與儀器學(xué)報(bào). 2017(01)
[10]基于ABAQUS的深溝球軸承接觸應(yīng)力有限元分析[J]. 甘偉,林輝.  科技通報(bào). 2016(08)

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.中國礦業(yè)大學(xué) 2017
[2]基于振動(dòng)信號(hào)的機(jī)械故障特征提取與診斷研究[D]. 趙志宏.北京交通大學(xué) 2012
[3]高速列車車軸旋轉(zhuǎn)彎曲作用下微動(dòng)疲勞損傷研究[D]. 楊廣雪.北京交通大學(xué) 2011
[4]基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷模型及算法研究[D]. 呂寧.哈爾濱理工大學(xué) 2009

碩士論文
[1]基于異常檢測算法的滾動(dòng)軸承性能退化評估[D]. 郭慧娟.華東交通大學(xué) 2018
[2]滾動(dòng)軸承故障診斷方法改進(jìn)與研究[D]. 張晴.青島大學(xué) 2018
[3]城市軌道車輛軸承故障診斷研究[D]. 毛云龍.青島大學(xué) 2017
[4]基于WPHM模型的滾動(dòng)軸承壽命預(yù)測方法研究[D]. 劉恩龍.大連理工大學(xué) 2014
[5]基于頻率切片小波變換的軌道交通輪軌振動(dòng)信號(hào)分析[D]. 李建偉.南京理工大學(xué) 2014
[6]高階統(tǒng)計(jì)量在滾動(dòng)軸承故障診斷中的應(yīng)用[D]. 郭慶豐.電子科技大學(xué) 2013
[7]基于魏格納分布的心雜音信號(hào)時(shí)頻能量譜分析及分類研究[D]. 胡童宜.重慶大學(xué) 2012
[8]軌道列車走行部滾動(dòng)軸承故障診斷研究[D]. 賈天麗.北京交通大學(xué) 2011
[9]基于小波理論的滾動(dòng)軸承振動(dòng)信號(hào)的分析研究[D]. 蘇新偉.哈爾濱工業(yè)大學(xué) 2007
[10]基于LabVIEW的大型旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測與故障診斷系統(tǒng)開發(fā)[D]. 王保強(qiáng).大連理工大學(xué) 2005



本文編號(hào)：3226306