滾動軸承振動信號的降噪與狀態(tài)分析
發(fā)布時間：2021-06-30 17:12
滾動軸承是旋轉機械中關鍵卻易損壞的部件之一,對其運行狀態(tài)進行實時監(jiān)控可以提高設備的可靠性與利用率。由于滾動軸承的振動信號包含了大量的軸承運行狀態(tài)信息,將工程現(xiàn)場采集的含噪信號進行降噪處理可為準確分析信號的狀態(tài)做保障,從而實現(xiàn)滾動軸承運行狀態(tài)的有效監(jiān)控。因此,對滾動軸承振動信號的降噪與狀態(tài)分析進行深入研究具有重要意義。本文選擇實際工程中復雜的滾動軸承振動信號進行處理,分別對振動信號的降噪法和狀態(tài)分析法做了相應改進。針對小波變換降噪法中閾值函數(shù)存在的不足,提出了一種基于改進小波閾值函數(shù)的降噪法,依據(jù)小波變換的自身特性和小波系數(shù)的相關系數(shù)構建了新閾值函數(shù)。針對SVD降噪法中有效秩階次的確定問題,提出了一種基于Kmeans聚類的SVD降噪法,解決了有效秩階次的確定依靠人為經(jīng)驗的問題。通過仿真和實驗分析,采用性能評價指標和頻譜分析圖對比表明,這兩種方法大大提高了降噪的效果和穩(wěn)定性,同時將這兩種方法進行組合可以實現(xiàn)信號的全頻段降噪。針對K近鄰算法存在的特征作用相同易造成分類誤差的不足,提出了一種基于改進K近鄰算法的信號狀態(tài)分析法。通過實驗表明,該方法可以高精度的分析出滾動軸承...
【文章來源】：哈爾濱理工大學黑龍江省
【文章頁數(shù)】：76 頁
【學位級別】：碩士
【部分圖文】：
beunus信號的時域圖
15Fig.2-4 Spectrum diagram of bumps（2）仿真結果：分別使用傳統(tǒng)的硬、軟閾值函數(shù)和改進的閾值函數(shù)mps 加噪信號進行降噪處理，得到降噪后的信號時域圖如圖 2-5 和頻譜圖 2-6。本章采用兩種指標去衡量三種方法的降噪效果，兩種指標分別是信號的誤差（Mean-square error，MSE）和信噪比（Signal to Noise Ratio，SNR）果MSE 越小，SNR 越大，表明該方法的降噪效果越明顯。MSE 和SNR
義分別如下公式：( ( ) ( ))211MSE Nkx k x kN== （2-13）( )( ( ) ( ))2121SNR 10 log NkNkx kx k x k== = （2-14）
【參考文獻】：
期刊論文
[1]基于SPWVD時頻圖紋理特征的滾動軸承故障診斷[J]. 王亞萍,許迪,葛江華,孫永國,隋秀凜. 振動.測試與診斷. 2017(01)
[2]滾動軸承振動信號處理方法綜述[J]. 胡智勇,胡杰鑫,謝里陽,佟安時,張嘯塵. 中國工程機械學報. 2016(06)
[3]風力發(fā)電機傳動系統(tǒng)故障診斷的機電仿真研究[J]. 時獻江,房欽國,趙曉文,杜恒,司俊山. 電機與控制學報. 2016(07)
[4]相控陣技術在軸承套圈內(nèi)部探傷中的應用[J]. 彭志戰(zhàn),李國棟,陳治山,張玲,張筱旭. 軸承. 2015(12)
[5]μ-SVD降噪算法及其在齒輪故障診斷中的應用[J]. 曾鳴,楊宇,鄭近德,程軍圣. 機械工程學報. 2015(03)
[6]變工況下滾動軸承故障注入靜電監(jiān)測方法研究[J]. 劉若晨,左洪福. 儀器儀表學報. 2014(10)
[7]基于非線性故障重構的旋轉機械故障預測方法[J]. 馬潔,李鋼,陳默. 自動化學報. 2014(09)
[8]一種確定奇異值分解降噪有效秩階次的改進方法[J]. 王建國,李健,劉穎源. 振動與沖擊. 2014(12)
[9]利用旋轉森林變換的異構多分類器集成算法[J]. 毛莎莎,熊霖,焦李成,張爽,陳博. 西安電子科技大學學報. 2014(05)
[10]一種改進的旋轉森林分類算法[J]. 韓敏,劉賁. 電子與信息學報. 2013(12)
博士論文
[1]基于譜峭度及原子分解的滾動軸承故障診斷方法研究[D]. 姜銳紅.上海大學 2014
[2]滾動軸承振動信號特征提取及診斷方法研究[D]. 朱可恒.大連理工大學 2013
[3]計算大規(guī)模矩陣部分奇異值分解的精化Lanczos型算法[D]. 牛大田.大連理工大學 2003
碩士論文
[1]旋轉機械故障特征提取方法研究[D]. 龐彬.華北電力大學 2015
[2]基于小波降噪和經(jīng)驗模態(tài)分解的滾動軸承故障診斷[D]. 徐明林.哈爾濱工業(yè)大學 2013
[3]小波分析在信號降噪中的應用研究[D]. 張臣國.電子科技大學 2012
[4]基于K近鄰的分類算法研究[D]. 桑應賓.重慶大學 2009
[5]基于小波循環(huán)自相關分析方法的滾動軸承振動信號處理技術的研究[D]. 李昊.中南大學 2005
本文編號：3258152
【文章來源】：哈爾濱理工大學黑龍江省
【文章頁數(shù)】：76 頁
【學位級別】：碩士
【部分圖文】：
beunus信號的時域圖
15Fig.2-4 Spectrum diagram of bumps（2）仿真結果：分別使用傳統(tǒng)的硬、軟閾值函數(shù)和改進的閾值函數(shù)mps 加噪信號進行降噪處理，得到降噪后的信號時域圖如圖 2-5 和頻譜圖 2-6。本章采用兩種指標去衡量三種方法的降噪效果，兩種指標分別是信號的誤差（Mean-square error，MSE）和信噪比（Signal to Noise Ratio，SNR）果MSE 越小，SNR 越大，表明該方法的降噪效果越明顯。MSE 和SNR
義分別如下公式：( ( ) ( ))211MSE Nkx k x kN== （2-13）( )( ( ) ( ))2121SNR 10 log NkNkx kx k x k== = （2-14）
【參考文獻】：
期刊論文
[1]基于SPWVD時頻圖紋理特征的滾動軸承故障診斷[J]. 王亞萍,許迪,葛江華,孫永國,隋秀凜. 振動.測試與診斷. 2017(01)
[2]滾動軸承振動信號處理方法綜述[J]. 胡智勇,胡杰鑫,謝里陽,佟安時,張嘯塵. 中國工程機械學報. 2016(06)
[3]風力發(fā)電機傳動系統(tǒng)故障診斷的機電仿真研究[J]. 時獻江,房欽國,趙曉文,杜恒,司俊山. 電機與控制學報. 2016(07)
[4]相控陣技術在軸承套圈內(nèi)部探傷中的應用[J]. 彭志戰(zhàn),李國棟,陳治山,張玲,張筱旭. 軸承. 2015(12)
[5]μ-SVD降噪算法及其在齒輪故障診斷中的應用[J]. 曾鳴,楊宇,鄭近德,程軍圣. 機械工程學報. 2015(03)
[6]變工況下滾動軸承故障注入靜電監(jiān)測方法研究[J]. 劉若晨,左洪福. 儀器儀表學報. 2014(10)
[7]基于非線性故障重構的旋轉機械故障預測方法[J]. 馬潔,李鋼,陳默. 自動化學報. 2014(09)
[8]一種確定奇異值分解降噪有效秩階次的改進方法[J]. 王建國,李健,劉穎源. 振動與沖擊. 2014(12)
[9]利用旋轉森林變換的異構多分類器集成算法[J]. 毛莎莎,熊霖,焦李成,張爽,陳博. 西安電子科技大學學報. 2014(05)
[10]一種改進的旋轉森林分類算法[J]. 韓敏,劉賁. 電子與信息學報. 2013(12)
博士論文
[1]基于譜峭度及原子分解的滾動軸承故障診斷方法研究[D]. 姜銳紅.上海大學 2014
[2]滾動軸承振動信號特征提取及診斷方法研究[D]. 朱可恒.大連理工大學 2013
[3]計算大規(guī)模矩陣部分奇異值分解的精化Lanczos型算法[D]. 牛大田.大連理工大學 2003
碩士論文
[1]旋轉機械故障特征提取方法研究[D]. 龐彬.華北電力大學 2015
[2]基于小波降噪和經(jīng)驗模態(tài)分解的滾動軸承故障診斷[D]. 徐明林.哈爾濱工業(yè)大學 2013
[3]小波分析在信號降噪中的應用研究[D]. 張臣國.電子科技大學 2012
[4]基于K近鄰的分類算法研究[D]. 桑應賓.重慶大學 2009
[5]基于小波循環(huán)自相關分析方法的滾動軸承振動信號處理技術的研究[D]. 李昊.中南大學 2005
本文編號：3258152
本文鏈接：http://sikaile.net/jixiegongchenglunwen/3258152.html
