旋轉(zhuǎn)機(jī)械設(shè)備長期工作運(yùn)轉(zhuǎn)在惡劣環(huán)境下,復(fù)雜結(jié)構(gòu)和精密工藝致使零件失效與設(shè)備故障的原因和類型多樣化,滾動軸承極易受損間接導(dǎo)致整個機(jī)械系統(tǒng)崩潰或發(fā)生重大危險事故,軸承故障診斷及其在線狀態(tài)監(jiān)測至關(guān)重要。傳統(tǒng)機(jī)械故障診斷方法面臨海量測試數(shù)據(jù)、特征提取困難、模式分類精度低等棘手問題�；谡駝臃治鲈\斷方法,本文結(jié)合壓縮感知理論和機(jī)器學(xué)習(xí)模型,提出了三種效果顯著的滾動軸承故障診斷方法,減少了計算量和存儲資源開銷,極大地緩解了模式分類壓力,有效地提高了故障診斷效率。具體研究工作如下:（1）介紹了旋轉(zhuǎn)機(jī)械故障診斷和壓縮感知技術(shù)的國內(nèi)外研究現(xiàn)狀;概述了滾動軸承的基本結(jié)構(gòu)、故障形式及振動機(jī)理;分析了機(jī)械故障診斷的實現(xiàn)方法;闡述了壓縮感知技術(shù)涉及的稀疏表示、壓縮測量和信號重構(gòu)等基本原理。（2）基于壓縮感知和啟發(fā)式神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法:由于采集的振動數(shù)據(jù)常淹沒于環(huán)境噪聲中,并考慮到傳統(tǒng)小波和經(jīng)驗?zāi)B(tài)分解的局限性,將第二代小波和三次埃爾米特插值函數(shù)的局部均值分解算法相結(jié)合對振動信號進(jìn)行預(yù)處理;利用壓縮感知技術(shù)進(jìn)行振動數(shù)據(jù)降維和特征提取;將構(gòu)造的精簡樣本集送入啟發(fā)式神經(jīng)網(wǎng)絡(luò)進(jìn)行故障分類。大量仿真實驗結(jié)果表... 

【文章來源】：北京工業(yè)大學(xué)北京市 211工程院校

【文章頁數(shù)】：87 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 旋轉(zhuǎn)機(jī)械故障診斷技術(shù)研究現(xiàn)狀
        1.2.2 壓縮感知技術(shù)研究現(xiàn)狀
    1.3 旋轉(zhuǎn)機(jī)械故障診斷技術(shù)面臨的主要挑戰(zhàn)
    1.4 論文的主要工作及結(jié)構(gòu)安排
第2章 旋轉(zhuǎn)機(jī)械故障診斷機(jī)理及其方法研究
    2.1 滾動軸承的故障機(jī)理
        2.1.1 基本結(jié)構(gòu)
        2.1.2 故障形式
        2.1.3 振動機(jī)理
    2.2 旋轉(zhuǎn)機(jī)械故障診斷技術(shù)
        2.2.1 通用機(jī)械故障診斷方法
        2.2.2 信號預(yù)處理方法
        2.2.3 特征信息提取方法
        2.2.4 模式識別方法
    2.3 壓縮感知技術(shù)
        2.3.1 壓縮感知框架
        2.3.2 信號稀疏表示
        2.3.3 壓縮測量過程
        2.3.4 信號重構(gòu)過程
    2.4 本章小結(jié)
第3章 基于壓縮感知和啟發(fā)式神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法
    3.1 滾動軸承振動信號預(yù)處理
        3.1.1 基于閾值的第二代小波去噪算法
        3.1.2 基于三次埃爾米特插值函數(shù)的局部均值分解算法
    3.2 基于壓縮感知技術(shù)的滾動軸承故障特征提取
        3.2.1 PF分量信號的稀疏表示
        3.2.2 PF分量信號的壓縮測量與特征提取
        3.2.3 PF分量信號的重構(gòu)過程
    3.3 基于啟發(fā)式神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷
        3.3.1 啟發(fā)式神經(jīng)網(wǎng)絡(luò)的構(gòu)造
        3.3.2 滾動軸承故障診斷實現(xiàn)流程
    3.4 實驗仿真與結(jié)果分析
        3.4.1 內(nèi)圈故障振動信號時頻分析與特征提取
        3.4.2 外圈故障振動信號時頻分析與特征提取
        3.4.3 球故障振動信號時頻分析與特征提取
        3.4.4 不同數(shù)據(jù)集的滾動軸承故障診斷
    3.5 本章小結(jié)
第4章 基于壓縮感知和鄰域粗糙集的PSO-SVM滾動軸承故障診斷方法
    4.1 基于閾值的自適應(yīng)冗余提升小波包的振動信號去噪
    4.2 基于壓縮感知和鄰域粗糙集的滾動軸承故障特征提取
        4.2.1 基于壓縮感知的候選特征提取算法
        4.2.2 基于鄰域粗糙集的敏感特征選擇算法
    4.3 基于優(yōu)化的支持向量機(jī)的滾動軸承故障診斷
        4.3.1 PSO-SVM分類器的構(gòu)造
        4.3.2 滾動軸承故障診斷實現(xiàn)流程
    4.4 實驗仿真與結(jié)果分析
        4.4.1 不同故障振動信號的去噪
        4.4.2 不同故障振動信號的特征提取和選擇
        4.4.3 不同數(shù)據(jù)集的滾動軸承故障診斷
    4.5 本章小結(jié)
第5章 基于混合時頻分析和隨機(jī)森林的滾動軸承故障診斷方法
    5.1 基于混合時頻分析的滾動軸承故障特征提取
        5.1.1 基于自適應(yīng)噪聲的完備經(jīng)驗?zāi)B(tài)分解算法
        5.1.2 基于譜峭度的自適應(yīng)冗余提升小波包去噪算法
    5.2 基于隨機(jī)森林的滾動軸承故障診斷
    5.3 實驗仿真與結(jié)果分析
        5.3.1 不同故障振動信號的特征提取
        5.3.2 不同數(shù)據(jù)集的滾動軸承故障診斷
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文
攻讀碩士學(xué)位期間獲得的獎勵
攻讀碩士學(xué)位期間參加的科研項目
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于壓縮信息特征提取的滾動軸承故障診斷方法[J]. 孟宗,李晶,龍海峰,潘作舟.  中國機(jī)械工程. 2017(07)
[2]一種新的電能質(zhì)量擾動信號壓縮感知識別方法[J]. 曹思揚(yáng),戴朝華,朱云芳,陳維榮.  電力系統(tǒng)保護(hù)與控制. 2017(03)
[3]經(jīng)驗?zāi)B(tài)分解和小波包變換的表面等離子體共振光譜降噪方法[J]. 張倩昀,張華.  測試技術(shù)學(xué)報. 2016(05)
[4]結(jié)構(gòu)裂紋損傷的Lamb波層析成像監(jiān)測與評估研究[J]. 王強(qiáng),胥靜,王夢欣,宋春曉.  機(jī)械工程學(xué)報. 2016(06)
[5]自適應(yīng)冗余提升小波包變換的滾動軸承故障診斷新方法[J]. 肖順根,宋萌萌,賴聯(lián)鋒.  機(jī)械強(qiáng)度. 2015(05)
[6]基于經(jīng)驗?zāi)B(tài)分解及獨(dú)立成分分析的微震信號降噪方法[J]. 賈瑞生,趙同彬,孫紅梅,閆相宏.  地球物理學(xué)報. 2015(03)
[7]基于壓縮感知技術(shù)的旋轉(zhuǎn)機(jī)械碰摩聲發(fā)射信號壓縮[J]. 秦康,鄧艾東,張紅星,唐標(biāo),顏喜.  中國電機(jī)工程學(xué)報. 2013(S1)
[8]冗余提升多小波包的構(gòu)造及其應(yīng)用[J]. 陳敬龍,張來斌,楊霖.  中國石油大學(xué)學(xué)報(自然科學(xué)版). 2013(01)
[9]機(jī)械故障診斷基礎(chǔ)研究“何去何從”[J]. 王國彪,何正嘉,陳雪峰,賴一楠.  機(jī)械工程學(xué)報. 2013(01)
[10]自適應(yīng)冗余第二代小波在信號去噪中的應(yīng)用[J]. 何偉,王義,李華興.  礦山機(jī)械. 2012(02)

博士論文
[1]壓縮感知及其在旋轉(zhuǎn)機(jī)械健康監(jiān)測中的應(yīng)用[D]. 張新鵬.國防科學(xué)技術(shù)大學(xué) 2015
[2]自適應(yīng)形態(tài)濾波與局域波分解理論及滾動軸承故障診斷[D]. 崔寶珍.中北大學(xué) 2013
[3]基于流形學(xué)習(xí)的滾動軸承故障診斷若干方法研究[D]. 王雷.大連理工大學(xué) 2013
[4]滾動軸承振動信號處理及特征提取方法研究[D]. 蘇文勝.大連理工大學(xué) 2010
[5]基于循環(huán)平穩(wěn)的滾動軸承及齒輪微弱故障特征提取應(yīng)用研究[D]. 畢果.上海交通大學(xué) 2007
[6]基于人工智能和虛擬儀器技術(shù)的發(fā)動機(jī)故障診斷專家系統(tǒng)研究[D]. 李增芳.浙江大學(xué) 2004

碩士論文
[1]基于LMD和HSMM的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D]. 張菲.西南交通大學(xué) 2016
[2]基于貝葉斯壓縮感知理論與技術(shù)研究[D]. 張博.電子科技大學(xué) 2015
[3]基于LMD的譜峭度算法在滾動軸承故障診斷中的應(yīng)用研究[D]. 王秀娟.電子科技大學(xué) 2014
[4]基于EMD和共振解調(diào)的滾動軸承故障診斷方法研究[D]. 朱漢明.上海師范大學(xué) 2011



本文編號：3230995