在旋轉(zhuǎn)機(jī)械中,滾動(dòng)軸承是最為常用和關(guān)鍵的元件之一,也是易損壞的零部件,其缺陷會(huì)導(dǎo)致機(jī)械設(shè)備產(chǎn)生異常振動(dòng),從而使許多旋轉(zhuǎn)機(jī)械出現(xiàn)故障,甚至造成設(shè)備和人員的重大損傷。因此,研究滾動(dòng)軸承的故障診斷技術(shù)具有重要的現(xiàn)實(shí)意義。振動(dòng)分析法是滾動(dòng)軸承檢測(cè)與故障診斷的一種主要檢測(cè)方法,其通過(guò)采集并處理軸承的振動(dòng)信號(hào),從中提取表征軸承狀態(tài)信號(hào)的特征,通過(guò)這些特征,采用模式識(shí)別方法來(lái)識(shí)別軸承狀態(tài),其中信號(hào)特征提取和狀態(tài)識(shí)別是故障診斷中的關(guān)鍵。本文的研究?jī)?nèi)容主要包括兩個(gè)部分:研究了滾動(dòng)軸承故障信號(hào)特征的提取。1（1/2）維譜與一些傳統(tǒng)的特征提取方法相比,能夠有效的抑制高斯噪音的干擾,識(shí)別滾動(dòng)軸承發(fā)生局部損傷后產(chǎn)生的二次相位耦合特征,在1（1/2）維譜圖上只顯示出參與頻率耦合的分量,因此較適合于滾動(dòng)軸承故障特征的提取。鑒于滾動(dòng)軸承的故障振動(dòng)信號(hào)具有非高斯、非線(xiàn)性、非平穩(wěn)的特性,本文利用1（1/2）維譜估計(jì)方法,再結(jié)合小波包理論與譜熵理論,采用了一種基于1（1/2）維譜熵來(lái)構(gòu)造特征向量的方法。研究了支持向量機(jī)在滾動(dòng)軸承診斷中的應(yīng)用。特征量的選擇對(duì)支持向量機(jī)故障分類(lèi)的準(zhǔn)確性影響很大,而懲罰參數(shù)和核函數(shù)參數(shù)對(duì)故障診斷... 

【文章來(lái)源】：湖南科技大學(xué)湖南省

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 引言
    1.2 滾動(dòng)軸承故障診斷的背景和意義
    1.3 滾動(dòng)軸承故障診斷的內(nèi)容及方法
    1.4 滾動(dòng)軸承故障診斷技術(shù)的研究現(xiàn)狀
        1.4.1 國(guó)外的研究現(xiàn)狀
        1.4.2 國(guó)內(nèi)的研究現(xiàn)狀
    1.5 支持向量機(jī)在故障診斷中的國(guó)內(nèi)外研究現(xiàn)狀
    1.6 本文內(nèi)容簡(jiǎn)介
第二章 引起滾動(dòng)軸承振動(dòng)的因素分析
    2.1 滾動(dòng)軸承的結(jié)構(gòu)
    2.2 滾動(dòng)軸承的振動(dòng)分析
        2.2.1 振動(dòng)機(jī)理
        2.2.2 產(chǎn)生振動(dòng)的原因
    2.3 滾動(dòng)軸承的損傷形式
    2.4 振動(dòng)頻率的計(jì)算
    2.5 本章小結(jié)
第三章 基于 1(1/2)維譜熵的滾動(dòng)軸承故障特征提取
    3.1 1(1/2)維譜的基本理論
        3.1.1 高階累積量的定義和性質(zhì)
        3.1.2 高階譜
        3.1.3 1(1/2)維譜的定義
    3.2 小波分析基本理論
        3.2.1 小波變換的定義
        3.2.2 小波包分析
    3.3 基于1(1/2)維譜熵的滾動(dòng)軸承故障特征提取
        3.3.1 基于1(1/2)維譜的滾動(dòng)軸承振動(dòng)信號(hào)的仿真分析
        3.3.2 基于1(1/2)維譜熵的故障特征向量的建立
    3.4 基于支持向量機(jī)的滾動(dòng)軸承故障識(shí)別
        3.4.1 支持向量機(jī)基礎(chǔ)
        3.4.2 核函數(shù)
        3.4.3 多分類(lèi)支持向量機(jī)
        3.4.4 多類(lèi)分類(lèi)算法
    3.5 本章小結(jié)
第四章 基于 1(1/2)維譜熵與支持向量機(jī)的滾動(dòng)軸承故障診斷實(shí)驗(yàn)
    4.1 滾動(dòng)軸承故障模擬實(shí)驗(yàn)
        4.1.1 故障診斷系統(tǒng)
        4.1.2 故障模擬實(shí)驗(yàn)臺(tái)
        4.1.3 實(shí)驗(yàn)步驟
        4.1.4 數(shù)據(jù)采集
    4.2 基于1(1/2)維譜的滾動(dòng)軸承故障特征分析
    4.3 基于1(1/2)維譜熵的特征向量的建立
    4.4 基于小波包能量的特征向量的建立
        4.4.1 基于“能量-損傷”的基本原理
        4.4.2 小波包提取能量特征的方法
        4.4.3 特征向量的建立
    4.5 支持向量機(jī)多類(lèi)分類(lèi)在滾動(dòng)軸承中的應(yīng)用
        4.5.1 支持向量機(jī)模型的選擇
        4.5.2 基于遺傳算法的支持向量機(jī)參數(shù)的選擇
        4.5.3 實(shí)驗(yàn)結(jié)果分析
    4.6 本章小結(jié)
第五章 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
致謝
附錄 A:攻讀碩士學(xué)位期間的科研成績(jī)
附錄 B:論文中所使用的程序


【參考文獻(xiàn)】：
期刊論文
[1]基于譜熵的齒輪故障診斷方法研究[J]. 胡軍輝,邵忍平,曾澤君.  機(jī)械傳動(dòng). 2007(05)
[2]基于時(shí)變自回歸模型與支持向量機(jī)的旋轉(zhuǎn)機(jī)械故障診斷方法[J]. 張龍,熊?chē)?guó)良,柳和生,鄒慧君,陳慧.  中國(guó)電機(jī)工程學(xué)報(bào). 2007(09)
[3]基于共振解調(diào)的滾動(dòng)軸承故障診斷的研究與實(shí)現(xiàn)[J]. 李光,叢培田.  機(jī)械工程師. 2006(10)
[4]基于支持向量機(jī)的旋轉(zhuǎn)機(jī)械故障診斷。[J]. 趙沖沖,廖明夫,于瀟.  振動(dòng)、測(cè)試與診斷. 2006(01)
[5]基于離散粒子群和支持向量機(jī)的故障診斷方法[J]. 王靈,俞金壽.  華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2005(05)
[6]基于支持向量機(jī)和多Agent融合的智能故障診斷系統(tǒng)研究[J]. 姜萬(wàn)錄,程曉盛,陳東寧.  五邑大學(xué)學(xué)報(bào)(自然科學(xué)版). 2005(03)
[7]支持向量機(jī)在機(jī)械設(shè)備振動(dòng)信號(hào)趨勢(shì)預(yù)測(cè)中的應(yīng)用[J]. 楊俊燕,張優(yōu)云,趙榮珍.  西安交通大學(xué)學(xué)報(bào). 2005(09)
[8]基于信息譜熵的支持向量機(jī)機(jī)械狀態(tài)識(shí)別[J]. 潘明清,周曉軍,楊辰龍,龐茂.  傳感技術(shù)學(xué)報(bào). 2005(02)
[9]我國(guó)軸承制造技術(shù)的現(xiàn)狀及其發(fā)展趨勢(shì)[J]. 劉橋方,嚴(yán)楓.  軸承. 2005(06)
[10]旋轉(zhuǎn)機(jī)械故障診斷的11/2維循環(huán)譜分析方法[J]. 楊龍興,賈民平.  東南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2004(06)

碩士論文
[1]基于神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷方法研究與應(yīng)用[D]. 陳鵬.四川大學(xué) 2006



本文編號(hào)：3541069