滾動(dòng)軸承作為旋轉(zhuǎn)機(jī)械的重要部件,其運(yùn)行狀況是否良好關(guān)系著整個(gè)機(jī)組的運(yùn)行狀況。工業(yè)水平不斷進(jìn)步,機(jī)械設(shè)備的故障診斷也越來(lái)越引起人們的關(guān)注。作為故障診斷的重要內(nèi)容,故障預(yù)測(cè)可以對(duì)故障發(fā)展趨勢(shì)進(jìn)行跟蹤和預(yù)測(cè)。傳統(tǒng)的預(yù)測(cè)模型大多在單通道的基礎(chǔ)上進(jìn)行分析,因此存在數(shù)據(jù)信息片面、不準(zhǔn)確的缺點(diǎn),而運(yùn)用全矢譜技術(shù)對(duì)同源雙通道信號(hào)進(jìn)行信息融合,可以全面地表征轉(zhuǎn)子的運(yùn)行狀態(tài)。本文首先采用全矢VMD方法融合多個(gè)特征主振矢,提取互不相關(guān)的特征主成分,并建立KPCA模型對(duì)過(guò)程數(shù)據(jù)進(jìn)行實(shí)時(shí)監(jiān)控,利用AR預(yù)測(cè)模型對(duì)監(jiān)控指標(biāo)的趨勢(shì)進(jìn)行預(yù)測(cè),預(yù)測(cè)設(shè)備是否發(fā)生故障,并進(jìn)一步追蹤故障發(fā)展趨勢(shì),最后采用全矢Hilbert包絡(luò)分析提取故障數(shù)據(jù)的特征頻率以進(jìn)行故障診斷。主要工作如下:（1）提出了一種全矢變分模態(tài)分解（FV-VMD）的特征提取方法。首先利用VMD對(duì)同源雙通道信號(hào)進(jìn)行自適應(yīng)分解,得到若干IMF分量,再利用全矢譜提取重構(gòu)信號(hào)的特征頻率。實(shí)驗(yàn)表明,該方法既能提取信號(hào)的特征頻率,同時(shí)又可以克服模態(tài)混疊,在特征提取方面具有很好的應(yīng)用性。（2）提出了一種全矢變分模態(tài)分解（FV-VMD）算法和核主元分析（KPCA）相結(jié)合的方法進(jìn)... 

【文章來(lái)源】：鄭州大學(xué)河南省211工程院校

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題來(lái)源
    1.2 課題研究目的及意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 設(shè)備故障預(yù)測(cè)方法研究現(xiàn)狀
        1.3.2 主成分分析研究現(xiàn)狀
        1.3.3 同源信息融合技術(shù)研究現(xiàn)狀
    1.4 本文主要內(nèi)容與結(jié)構(gòu)安排
2 全矢VMD滾動(dòng)軸承故障特征提取方法研究
    2.1 引言
    2.2 VMD理論及仿真分析
        2.2.1 VMD基本原理
        2.2.2 VMD算法
        2.2.3 VMD仿真信號(hào)分析
    2.3 全矢譜算法
        2.3.1 基本理論
        2.3.2 數(shù)值算法
        2.3.3 應(yīng)用實(shí)例
    2.4 全矢VMD方法流程及實(shí)例分析
        2.4.1 方法流程
        2.4.2 仿真分析
    2.5 本章小結(jié)
3 全矢KPCA滾動(dòng)軸承故障監(jiān)測(cè)模型研究
    3.1 引言
    3.2 基于核主成分分析(KPCA)的過(guò)程監(jiān)控方法
        3.2.1 主成分分析(PCA)
        3.2.2 核主成分分析(KPCA)
        3.2.3 KPCA故障監(jiān)測(cè)原理
    3.3 全矢VMD-KPCA故障診斷方法流程
    3.4 全矢KPCA滾動(dòng)軸承故障監(jiān)測(cè)實(shí)驗(yàn)及結(jié)果分析
    3.5 本章小結(jié)
4 全矢KPCA-AR滾動(dòng)軸承故障預(yù)測(cè)模型研究
    4.1 引言
    4.2 AR模型的構(gòu)建
        4.2.1 AR(n)模型
        4.2.2 數(shù)據(jù)的預(yù)處理
        4.2.3 模型的定階
        4.2.4 模型參數(shù)估計(jì)
        4.2.5 評(píng)價(jià)指標(biāo)
        4.2.6 構(gòu)建AR預(yù)測(cè)模型
    4.3 全矢-AR滾動(dòng)軸承故障預(yù)測(cè)方法流程
    4.4 實(shí)驗(yàn)及結(jié)果分析
        4.4.1 全矢KPCA監(jiān)控模型的建立
        4.4.2 AR預(yù)測(cè)模型的建立
        4.4.3 故障預(yù)測(cè)
        4.4.4 全矢Hilbert故障診斷
    4.5 本章小結(jié)
5 結(jié)論與展望
    5.1 本文工作總結(jié)
    5.2 課題研究的創(chuàng)新點(diǎn)
    5.3 展望
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于全矢支持向量回歸的設(shè)備頻譜成分預(yù)測(cè)研究[J]. 李凌均,白鋆,韓捷,金兵.  機(jī)械設(shè)計(jì)與制造. 2017(12)
[2]電子系統(tǒng)故障預(yù)測(cè)方法綜述[J]. 劉琦,李耀芳,彭慧卿,崔軍,劉宏偉.  天津城建大學(xué)學(xué)報(bào). 2016(04)
[3]復(fù)局部均值分解全矢包絡(luò)技術(shù)及其在轉(zhuǎn)子故障特征提取中的應(yīng)用[J]. 黃傳金,孟雅俊,雷文平,韓捷.  機(jī)械工程學(xué)報(bào). 2016(07)
[4]全矢AR-Kalman濾波的機(jī)械故障趨勢(shì)預(yù)測(cè)方法研究[J]. 李永耀,韓捷,管騰飛,陳磊.  機(jī)械設(shè)計(jì)與制造. 2015(01)
[5]基于PCA和多變量極限學(xué)習(xí)機(jī)的軸承剩余壽命預(yù)測(cè)[J]. 何群,李磊,江國(guó)乾,謝平.  中國(guó)機(jī)械工程. 2014(07)
[6]基于LCD降噪和VPMCD的滾動(dòng)軸承故障診斷方法[J]. 楊宇,潘海洋,程軍圣.  中國(guó)機(jī)械工程. 2013(24)
[7]滾動(dòng)軸承故障診斷的階比多尺度形態(tài)學(xué)解調(diào)方法[J]. 徐亞軍,于德介,孫云嵩,趙丹.  振動(dòng)工程學(xué)報(bào). 2013(02)
[8]基于極限學(xué)習(xí)機(jī)的汽輪機(jī)故障診斷[J]. 陳立軍,孫凱,侯媛媛,海冉冉.  化工自動(dòng)化及儀表. 2013(04)
[9]基于數(shù)據(jù)驅(qū)動(dòng)的故障預(yù)測(cè)模型框架研究[J]. 韓東,楊震,許葆華.  計(jì)算機(jī)工程與設(shè)計(jì). 2013(03)
[10]故障預(yù)測(cè)技術(shù)發(fā)展與分類(lèi)[J]. 馬碩,焦現(xiàn)煒,田柯文,呂世樂(lè),趙陽(yáng),鄭善軍.  四川兵工學(xué)報(bào). 2013(02)

博士論文
[1]基于非線(xiàn)性信號(hào)分析的滾動(dòng)軸承狀態(tài)監(jiān)測(cè)診斷研究[D]. 劉永斌.中國(guó)科學(xué)技術(shù)大學(xué) 2011
[2]基于PCA的統(tǒng)計(jì)過(guò)程監(jiān)控研究[D]. 李榮雨.浙江大學(xué) 2007

碩士論文
[1]基于灰色-AR模型的電動(dòng)汽車(chē)鋰離子電池壽命預(yù)測(cè)研究[D]. 陳文帥.長(zhǎng)春工業(yè)大學(xué) 2017
[2]基于變分模態(tài)分解的共振解調(diào)方法及其在滾動(dòng)軸承早期故障檢測(cè)中的應(yīng)用[D]. 何凱.安徽工業(yè)大學(xué) 2017
[3]基于VMD的滾動(dòng)軸承故障診斷方法研究[D]. 李亞超.石家莊鐵道大學(xué) 2016
[4]基于ITD-矢Teager能量算子的滾動(dòng)軸承故障診斷方法研究[D]. 王洪明.鄭州大學(xué) 2016
[5]基于VMD的風(fēng)機(jī)傳動(dòng)系統(tǒng)故障診斷研究[D]. 蘇航.華北電力大學(xué) 2016
[6]基于變分模態(tài)分解的故障診斷方法研究[D]. 王振威.燕山大學(xué) 2015
[7]基于全矢-AR模型的旋轉(zhuǎn)機(jī)械故障趨勢(shì)預(yù)測(cè)方法研究[D]. 李永耀.鄭州大學(xué) 2015
[8]基于RKGM-AR模型的船舶柴油機(jī)熱力參數(shù)趨勢(shì)預(yù)測(cè)研究[D]. 鄒永久.大連海事大學(xué) 2014
[9]旋轉(zhuǎn)機(jī)械故障診斷中微弱信號(hào)特征提取方法研究[D]. 林鑫.北京化工大學(xué) 2013
[10]基于灰色系統(tǒng)理論和神經(jīng)網(wǎng)絡(luò)的機(jī)械故障預(yù)測(cè)模型及其應(yīng)用[D]. 葉曉斌.重慶大學(xué) 2012



本文編號(hào)：3643812