本文關鍵詞：基于LMD的軸承故障特征提取方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：軸承是機械設備中一種常見的零部件,通常負責支撐機械轉(zhuǎn)體和降低機械載荷摩擦。由于工作環(huán)境惡劣等因素,軸承極易發(fā)生故障,從而影響到相關機械設備的正常運行,因此,對軸承進行故障診斷具有重要意義。軸承故障特征提取是軸承故障診斷的核心,而軸承的振動信號與其工作狀態(tài)密切相關,因此,利用軸承振動信號進行故障診斷是一種行之有效的方法。本文針對軸承振動信號的非平穩(wěn)性、低信噪比及多分量調(diào)制特性,將局部均值分解(Local Mean Decomposition,簡稱LMD)方法引入軸承故障診斷中,利用LMD對軸承振動信號進行分解,并基于分解結(jié)果重構(gòu)特征PF分量;考慮到軸承不同故障部位的能量分布有所不同,研究了一種基于重構(gòu)PF分量投影能量的特征提取方法。本文圍繞軸承振動信號去噪及特征提取進行了如下研究工作:(1)軸承工作環(huán)境惡劣,其振動信號傳播路徑復雜,導致采集到的軸承故障振動信號中往往摻雜大量隨機噪聲和干擾脈沖,因此,本文對奇異值分解理論進行了研究,采用奇異值分解方法去除信號中摻雜的隨機噪聲和脈沖干擾,避免LMD分解時產(chǎn)生模態(tài)混疊現(xiàn)象。(2)針對軸承故障振動信號具有調(diào)制的特性,將LMD方法應用于軸承故障特征提取中,可以自適應地將振動信號分解為若干單分量的調(diào)幅調(diào)頻信號之和,因此非常適合軸承故障信號分析。仿真分析表明,LMD方法相對于經(jīng)驗模式分解(EMD)方法具有更好的自適應性和時頻聚集性,能夠更精確地獲得信號的局部時頻信息。(3)針對軸承不同故障部位對應的能量分布不同,提出了一種基于能量投影的特征提取方法。首先依據(jù)相關性準則并基于LMD分解結(jié)果重構(gòu)特征PF分量,然后將其頻譜能量聚集區(qū)域等距離劃分為若干子頻帶,并將信號能量投影到這些劃分好的子頻帶內(nèi),通過統(tǒng)計信號在各子頻段區(qū)間內(nèi)的能量分布將其作為軸承的故障特征。最后,利用BP神經(jīng)網(wǎng)絡對所提出的方法進行驗證,實驗結(jié)果表明了該方法的有效性。(4)應用MATLAB軟件開發(fā)了一種軸承故障診斷軟件系統(tǒng),通過該系統(tǒng)可以有效的的進行故障診斷。
【關鍵詞】：軸承故障診斷 特征提取 局部均值分解 能量投影 奇異值分解
【學位授予單位】：沈陽大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TH133.3
【目錄】：

• 摘要5-7
• Abstract7-11
• 第1章 緒論11-21
• 1.1 選題背景與意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-15
• 1.2.1 時頻分析方法的的國內(nèi)外研究現(xiàn)狀13-14
• 1.2.2 故障特征提取方法的國內(nèi)外研究現(xiàn)狀14-15
• 1.3 軸承故障機理與分析15-19
• 1.3.1 軸承故障產(chǎn)生機理15-17
• 1.3.2 軸承的失效形式17-18
• 1.3.3 軸承的故障特征頻率18-19
• 1.4 本論文的主要研究內(nèi)容與主要創(chuàng)新點19-20
• 1.4.1 本論文的主要研究內(nèi)容19-20
• 1.4.2 本論文的主要創(chuàng)新點20
• 1.5 本章小結(jié)20-21
• 第2章 SVD去噪方法研究21-35
• 2.1 SVD去噪方法21-22
• 2.1.1 SVD方法21-22
• 2.1.2 SVD去噪方法22
• 2.2 SVD去噪方法與小波包去噪方法對比實驗研究22-30
• 2.2.1 調(diào)制信號對比分析23-27
• 2.2.2 軸承故障仿真信號對比分析27-30
• 2.3 工程信號分析30-34
• 2.4 本章小結(jié)34-35
• 第3章 LMD的基本原理和方法的研究35-45
• 3.1 LMD的基本原理與方法35-38
• 3.2 LMD方法與EMD方法之間的聯(lián)系與區(qū)別38-40
• 3.2.1 LMD方法與EMD方法之間的聯(lián)系與區(qū)別38
• 3.2.2 仿真分析38-40
• 3.3 LMD的問題及改進40-43
• 3.3.1 端點效應問題40-41
• 3.3.2 端點效應的改進方法41
• 3.3.3 仿真分析41-43
• 3.4 本章小結(jié)43-45
• 第4章 基于LMD的能量投影特征提取方法研究45-61
• 4.1 基于LMD的加權(quán)優(yōu)化PF分量重構(gòu)方法45-46
• 4.2 基于LMD的能量投影特征提取方法46-48
• 4.3 基于BP神經(jīng)網(wǎng)絡的軸承故障診斷48-50
• 4.4 基于能量投影特征的軸承故障振動信號特征提取實驗研究50-59
• 4.4.1 軸承故障振動信號數(shù)據(jù)采集50-51
• 4.4.2 基于能量投影的軸承故障振動信號特征提取51-57
• 4.4.3 基于能量投影特征向量的軸承故障診斷57-59
• 4.5 本章小結(jié)59-61
• 第5章 軸承故障診斷系統(tǒng)軟件開發(fā)61-67
• 5.1 軸承故障診斷系統(tǒng)軟件平臺設計61-62
• 5.2 登錄模塊62
• 5.3 軸承故障診斷模塊62-66
• 5.4 本章小結(jié)66-67
• 第6章 總結(jié)與展望67-69
• 6.1 總結(jié)67-68
• 6.2 展望68-69
• 參考文獻69-73
• 在學期間研究成果73-75
• 致謝75-76

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李強;趙地;侯文富;;軸承故障的預防和診斷[J];現(xiàn)代零部件;2010年S1期

2 許樹申;;軸承故障的檢查和失效的原因[J];科技創(chuàng)新導報;2010年30期

3 徐麗娟;張春福;孫曉娟;于海波;何文廣;;軸承故障識別與診斷方法的研究分析[J];機械工程師;2012年07期

4 叢培田;高偉;韓輝;李光;;軸承故障信號的峰值特征擴展電路研究[J];工具技術(shù);2013年01期

5 佐藤勇藏;趙鎖忠;;軸承故障及輪箍踏面剝離[J];國外機車車輛工藝;1983年06期

6 周賢全;;軸承故障新探測法[J];國外機車車輛工藝;1989年06期

7 王剛勤;;軸承故障檢測器[J];設備管理與維修;1992年04期

8 甘曉曄,寇惠;低速重載大軸承故障特征與診斷探討[J];設備管理&維修;1998年02期

9 潘煒;;正確識別轉(zhuǎn)動設備軸承金屬溫度異常及軸承故障[J];應用能源技術(shù);2014年01期

10 來五星;軒建平;史鐵林;楊叔子;;用自回歸最小二乘消噪法提純軸承故障信號[J];振動、測試與診斷;2007年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 邵毅全;鐘鳴華;邵毅敏;;使用激光傳感器檢測軸承故障[A];第一屆全國流體動力及控制工程學術(shù)會議論文集（第二卷）[C];2000年

2 張宏;杜聯(lián)朝;琚科昌;;紙機軸承故障監(jiān)測與診斷[A];中國造紙學會第十二屆學術(shù)年會論文集（下）[C];2005年

3 楊積忠;左立建;;風機軸承故障診斷實例[A];設備監(jiān)測與診斷技術(shù)及其應用——第十二屆全國設備監(jiān)測與診斷學術(shù)會議論文集[C];2005年

4 郝如江;盧文秀;褚福磊;;基于形態(tài)分析和支持向量機的軸承故障分類研究[A];2008年全國振動工程及應用學術(shù)會議暨第十一屆全國設備故障診斷學術(shù)會議論文集[C];2008年

5 胡蔦慶;潘中銀;陳敏;秦國軍;;結(jié)合包絡解調(diào)與隨機共振的軸承故障檢測[A];2008年全國振動工程及應用學術(shù)會議暨第十一屆全國設備故障診斷學術(shù)會議論文集[C];2008年

6 徐建立;;基于支持向量機的轉(zhuǎn)轍機軸承故障分類實驗研究[A];第十二屆全國設備故障診斷學術(shù)會議論文集[C];2010年

7 楊曼云;;基于morlft小波法包絡檢波分析技術(shù)的軸承故障診斷技術(shù)研究[A];2012年全國地方機械工程學會學術(shù)年會論文集（云南省分冊）[C];2012年

8 康晨暉;崔玲麗;胥永剛;高立新;;EMD熵值譜在軸承故障信號特征提取中的應用[A];第十二屆全國設備故障診斷學術(shù)會議論文集[C];2010年

9 蘇鋼;姚成寶;;高溫鼓風機軸承故障分析與診斷[A];第十屆全國設備監(jiān)測與診斷技術(shù)學術(shù)會議論文集[C];2000年

10 朱文軍;盛邦清;訾建新;;礦用大型設備軸承故障監(jiān)測與診斷系統(tǒng)的研究及應用[A];第24屆全國煤礦自動化與信息化學術(shù)會議暨第6屆中國煤礦信息化與自動化高層論壇論文集[C];2014年

中國重要報紙全文數(shù)據(jù)庫 前2條

1 通訊員 魏向軍;“六字訣”工作法扼制機車“隱形殺手”[N];人民鐵道;2008年

2 鐘佳 任重;搏浪擊水競風流[N];中國航空報;2004年

中國博士學位論文全文數(shù)據(jù)庫 前6條

1 李萌;旋轉(zhuǎn)機械軸承故障的特征提取與模式識別方法研究[D];吉林大學;2008年

2 張翱;列車軸承故障道旁聲學診斷關鍵技術(shù)研究[D];中國科學技術(shù)大學;2014年

3 胡飛;列車軸承故障軌邊聲學檢測系統(tǒng)關鍵技術(shù)研究[D];中國科學技術(shù)大學;2013年

4 朱可恒;滾動軸承振動信號特征提取及診斷方法研究[D];大連理工大學;2013年

5 王冬云;轉(zhuǎn)子-軸承故障診斷方法研究[D];燕山大學;2012年

6 鐘先友;旋轉(zhuǎn)機械故障診斷的時頻分析方法及其應用研究[D];武漢科技大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 項巍巍;輪軌車輛軸承故障模擬及稀疏診斷方法研究[D];蘇州大學;2015年

2 陸新嶠;基于DSP的電機軸承故障電流特征研究[D];大連海事大學;2015年

3 李美嬌;航空發(fā)動機軸承故障特征提取方法研究及動力學仿真[D];北京化工大學;2015年

4 馬楊;基于FPGA的電機軸承故障電流特征研究[D];大連海事大學;2015年

5 徐長源;基于LMD的軸承故障特征提取方法研究[D];沈陽大學;2016年

6 趙凱;基于支持向量回歸的軸承故障定量診斷方法研究[D];蘇州大學;2012年

7 李文麒;基于小波變換與遞歸定量分析的軸承故障信號研究[D];哈爾濱工業(yè)大學;2012年

8 李亮;基于EEMD樣本熵和模糊聚類的軸承故障診斷方法研究[D];燕山大學;2013年

9 王剛;基于模糊邏輯的軸承故障早期診斷方法研究[D];哈爾濱工業(yè)大學;2008年

10 陸汝華;基于HMM的軸承故障音頻診斷方法研究[D];中南大學;2007年

  本文關鍵詞：基于LMD的軸承故障特征提取方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：349118