基于小波分析和隱馬爾科夫模型的風(fēng)機軸承的故障診斷研究
發(fā)布時間:2021-10-08 06:09
風(fēng)機是旋轉(zhuǎn)機械的一種,主要是依靠機械能提高氣體壓力并向輸送氣體的設(shè)備。而滾動軸承作為風(fēng)機的重要零部件,其工作時性能的好壞直接影響到風(fēng)機的工作情況,由于風(fēng)機的滾動軸承在工作時一直處于高速運轉(zhuǎn)狀態(tài),所以風(fēng)機軸承是一個特別容易損壞的部件。因此對風(fēng)機的滾動軸承進行故障診斷存在重要的意義。隱馬爾科夫模型作為一種統(tǒng)計分析模型,是一個雙重的隨機過程,是信號處理的一個重要方向。已經(jīng)被成功的應(yīng)用到語音識別、行為識別和故障診斷中。本文主要研究內(nèi)容有:(1)介紹風(fēng)機的故障機理,分析各種故障對應(yīng)頻率。分析滾動軸承的主要失效形式及其故障頻率。對特征頻率提取方法進行了詳細的闡述。(2)對隱馬爾科夫模型進行了簡要的介紹,分析了隱馬爾科夫模型主要問題和相應(yīng)問題的解決方法。并對隱馬爾科夫模型衍生出的類型進行了分類和簡要介紹。(3)對實驗進行了設(shè)計,從硬件選型,搭配和軟件設(shè)計系統(tǒng)的數(shù)據(jù)采集等各模塊的設(shè)計和建立進行了介紹。并進行實驗驗證。(4)對采集的故障軸承信號進行了降噪,能量分析,使用隱馬爾科夫模型實現(xiàn)軸承的故障診斷。本文通過對風(fēng)機軸承的故障診斷實驗驗證,證明了基于隱馬爾科夫模型和小波分析的風(fēng)機軸承故障診斷技術(shù)具有高準...
【文章來源】:昆明理工大學(xué)云南省
【文章頁數(shù)】:91 頁
【學(xué)位級別】:碩士
【部分圖文】:
轉(zhuǎn)子不對中分類圖
正常軸承及其他三種故障頻譜
軸承正常及其他三種故障包絡(luò)譜
【參考文獻】:
期刊論文
[1]基于聲發(fā)射信號的滾動軸承外圈疲勞剝落故障雙沖擊特征提取[J]. 孫守保,郭瑜,伍星. 振動與沖擊. 2017(04)
[2]基于主成分分析和支持向量機的滾動軸承故障特征融合分析[J]. 古瑩奎,承姿辛,朱繁瀧. 中國機械工程. 2015(20)
[3]基于經(jīng)驗?zāi)J椒纸夂椭髟治龅臐L動軸承故障診斷方法研究[J]. 徐卓飛,劉凱,張海燕,王丹,張明龍,吳欣陽. 振動與沖擊. 2014(23)
[4]基于改進支持向量機的風(fēng)機性能在線監(jiān)測平臺研究[J]. 王松嶺,許小剛,劉錦廉,李非,戴謙. 流體機械. 2013(11)
[5]基于EMD-ICA和HMM的風(fēng)機故障分類方法[J]. 任學(xué)平,單立偉. 汽輪機技術(shù). 2013(04)
[6]基于小波包分解和BP神經(jīng)網(wǎng)絡(luò)的軸承故障診斷[J]. 葉瑞召,李萬紅. 軸承. 2012(10)
[7]基于HMM&SVM的核動力設(shè)備機械故障診斷方法研究[J]. 岳夏,張春良,全燕鳴,朱厚耀. 核動力工程. 2012(03)
[8]基于混合高斯密度HMM的軸承故障診斷技術(shù)研究[J]. 馮長建,邵強,康晶. 汽輪機技術(shù). 2011(03)
[9]基于SOM和HMM結(jié)合的刀具磨損狀態(tài)監(jiān)測研究[J]. 呂俊杰,王杰,王玫,吳越. 中國機械工程. 2010(13)
[10]滾動軸承的故障特征提取技術(shù)與方法研究[J]. 劉春光,譚繼文,張馳. 煤礦機械. 2010(04)
博士論文
[1]基于隱馬爾可夫模型與信息融合的設(shè)備故障診斷與性能退化評估研究[D]. 劉韜.上海交通大學(xué) 2014
[2]基于耦合隱馬爾可夫模型的滾動軸承故障診斷與性能退化評估研究[D]. 肖文斌.上海交通大學(xué) 2011
[3]滾動軸承表面損傷故障的特征提取與診斷方法研究[D]. 隋文濤.山東大學(xué) 2011
碩士論文
[1]基于DSP與ARM相結(jié)合的風(fēng)機故障診斷及監(jiān)測系統(tǒng)設(shè)計[D]. 徐盛龍.中國礦業(yè)大學(xué) 2014
[2]基于神經(jīng)網(wǎng)絡(luò)和小波分析的風(fēng)機故障診斷專家系統(tǒng)[D]. 米江.南京航空航天大學(xué) 2010
[3]基于HMM與AIS混合模型的核動力設(shè)備故障診斷系統(tǒng)開發(fā)[D]. 陳麗萍.電子科技大學(xué) 2009
[4]基于HMM模型的混合特征參數(shù)語音識別方法的研究[D]. 趙皓千.西安理工大學(xué) 2009
[5]基于網(wǎng)絡(luò)的礦用通風(fēng)機故障預(yù)警及性能測定系統(tǒng)的開發(fā)[D]. 朱全.北京工業(yè)大學(xué) 2008
[6]風(fēng)機旋轉(zhuǎn)機械設(shè)備故障診斷專家系統(tǒng)的設(shè)計與實現(xiàn)[D]. 梁亮.北京化工大學(xué) 2008
[7]機械設(shè)備工況監(jiān)測與故障診斷系統(tǒng)[D]. 王亞鋒.北京化工大學(xué) 2005
本文編號:3423582
【文章來源】:昆明理工大學(xué)云南省
【文章頁數(shù)】:91 頁
【學(xué)位級別】:碩士
【部分圖文】:
轉(zhuǎn)子不對中分類圖
正常軸承及其他三種故障頻譜
軸承正常及其他三種故障包絡(luò)譜
【參考文獻】:
期刊論文
[1]基于聲發(fā)射信號的滾動軸承外圈疲勞剝落故障雙沖擊特征提取[J]. 孫守保,郭瑜,伍星. 振動與沖擊. 2017(04)
[2]基于主成分分析和支持向量機的滾動軸承故障特征融合分析[J]. 古瑩奎,承姿辛,朱繁瀧. 中國機械工程. 2015(20)
[3]基于經(jīng)驗?zāi)J椒纸夂椭髟治龅臐L動軸承故障診斷方法研究[J]. 徐卓飛,劉凱,張海燕,王丹,張明龍,吳欣陽. 振動與沖擊. 2014(23)
[4]基于改進支持向量機的風(fēng)機性能在線監(jiān)測平臺研究[J]. 王松嶺,許小剛,劉錦廉,李非,戴謙. 流體機械. 2013(11)
[5]基于EMD-ICA和HMM的風(fēng)機故障分類方法[J]. 任學(xué)平,單立偉. 汽輪機技術(shù). 2013(04)
[6]基于小波包分解和BP神經(jīng)網(wǎng)絡(luò)的軸承故障診斷[J]. 葉瑞召,李萬紅. 軸承. 2012(10)
[7]基于HMM&SVM的核動力設(shè)備機械故障診斷方法研究[J]. 岳夏,張春良,全燕鳴,朱厚耀. 核動力工程. 2012(03)
[8]基于混合高斯密度HMM的軸承故障診斷技術(shù)研究[J]. 馮長建,邵強,康晶. 汽輪機技術(shù). 2011(03)
[9]基于SOM和HMM結(jié)合的刀具磨損狀態(tài)監(jiān)測研究[J]. 呂俊杰,王杰,王玫,吳越. 中國機械工程. 2010(13)
[10]滾動軸承的故障特征提取技術(shù)與方法研究[J]. 劉春光,譚繼文,張馳. 煤礦機械. 2010(04)
博士論文
[1]基于隱馬爾可夫模型與信息融合的設(shè)備故障診斷與性能退化評估研究[D]. 劉韜.上海交通大學(xué) 2014
[2]基于耦合隱馬爾可夫模型的滾動軸承故障診斷與性能退化評估研究[D]. 肖文斌.上海交通大學(xué) 2011
[3]滾動軸承表面損傷故障的特征提取與診斷方法研究[D]. 隋文濤.山東大學(xué) 2011
碩士論文
[1]基于DSP與ARM相結(jié)合的風(fēng)機故障診斷及監(jiān)測系統(tǒng)設(shè)計[D]. 徐盛龍.中國礦業(yè)大學(xué) 2014
[2]基于神經(jīng)網(wǎng)絡(luò)和小波分析的風(fēng)機故障診斷專家系統(tǒng)[D]. 米江.南京航空航天大學(xué) 2010
[3]基于HMM與AIS混合模型的核動力設(shè)備故障診斷系統(tǒng)開發(fā)[D]. 陳麗萍.電子科技大學(xué) 2009
[4]基于HMM模型的混合特征參數(shù)語音識別方法的研究[D]. 趙皓千.西安理工大學(xué) 2009
[5]基于網(wǎng)絡(luò)的礦用通風(fēng)機故障預(yù)警及性能測定系統(tǒng)的開發(fā)[D]. 朱全.北京工業(yè)大學(xué) 2008
[6]風(fēng)機旋轉(zhuǎn)機械設(shè)備故障診斷專家系統(tǒng)的設(shè)計與實現(xiàn)[D]. 梁亮.北京化工大學(xué) 2008
[7]機械設(shè)備工況監(jiān)測與故障診斷系統(tǒng)[D]. 王亞鋒.北京化工大學(xué) 2005
本文編號:3423582
本文鏈接:http://sikaile.net/jixiegongchenglunwen/3423582.html
最近更新
教材專著