復雜工作環(huán)境下,軸承的微弱故障特征在噪聲的干擾下很難提取,給診斷帶來了困難。此外,當產生位置不同的復合故障時,故障之間相互耦合,給旋轉機械故障精確診斷帶來了挑戰(zhàn)。論文將滾動軸承的振動信號作為研究對象,針對軸承單一故障和復合故障特點,研究了基于奇異譜和深度信念網絡的軸承故障診斷方法。首先,研究了混沌空間結構的一種新的度量方式—混沌奇異譜,從數(shù)學角度解釋奇異譜的特征空間和噪聲平臺,以及從幾何空間角度說明奇異譜是一種基于方差極大化的空間幾何結構的描述方式,表明混沌奇異譜能夠提取信噪比較低的特征信號,具有較強的抗噪聲干擾能力。通過對Lorenz系統(tǒng)和Duffing系統(tǒng)進行數(shù)值驗證,證明了混沌奇異譜的穩(wěn)定性和較強的抗噪聲性能。通過混沌奇異譜對軸承振動信號進行分析,驗證了該方法診斷軸承故障的有效性。然后,針對故障診斷過程中的模式識別問題,研究了深度信念網絡（Deep Belief Network,DBN）分類器方法,結合變分模態(tài)分解樣本熵提取的特征,利用DBN對軸承故障診斷,仿真實驗驗證了其分類性能在小樣本、標簽樣本較少時中的優(yōu)越性。針對軸承復合故障的診斷,提出基于奇異譜分解（Singular S... 

【文章來源】：燕山大學河北省

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【部分圖文】：

軸承故障診斷實驗平臺


本文編號：3506859