滾動(dòng)軸承是現(xiàn)代工業(yè)常用的零件,在機(jī)械設(shè)備里基本都會(huì)存在。滾動(dòng)軸承也很容易出現(xiàn)故障,其發(fā)生故障時(shí),會(huì)使機(jī)械設(shè)備發(fā)出不同尋常的振動(dòng)與噪音,甚至損壞機(jī)械設(shè)備,發(fā)生嚴(yán)重的事故。所以,對(duì)滾動(dòng)軸承使用故障診斷技術(shù)可以避免損失,有很重要的意義。本文從理論上對(duì)滾動(dòng)軸承的振動(dòng)機(jī)理和常見(jiàn)的失效形式作了闡述,還列舉一些常用的故障診斷方法與評(píng)價(jià)指標(biāo)。通過(guò)研究國(guó)內(nèi)外文獻(xiàn)提出了基于奇異值分解降噪、局部特征尺度的分解、模糊熵和隱馬爾科夫模型相結(jié)合的軸承故障診斷。首先,因?yàn)檩S承故障振動(dòng)信號(hào)里含有很多隨機(jī)噪音,因此有必要對(duì)信號(hào)使用降噪處理。本文通過(guò)對(duì)奇異值分解理論進(jìn)行研究,提出基于k-means聚類法確定奇異值分解降噪有效秩階次的方法,通過(guò)奇異值分解去除信號(hào)里隨機(jī)噪聲,為后續(xù)故障診斷做出準(zhǔn)備。其次,對(duì)于軸承故障非線性、非平穩(wěn)和故障特征不易提取的情況,本文采用局部特征尺度分解的自適應(yīng)方法。而對(duì)于該方法中的端點(diǎn)問(wèn)題,介紹了極值延拓、多項(xiàng)式延拓等幾種延拓方法的特點(diǎn)以及適用范圍。再經(jīng)過(guò)對(duì)基線信號(hào)構(gòu)造的研究,改善了 LCD方法,提高了該方法分解的精度。再次,為了確認(rèn)滾動(dòng)軸承故障類型,就要求得它的故障特征參數(shù)與合適的訓(xùn)練學(xué)習(xí)模型。...

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
        1.2.1 信號(hào)降噪研究現(xiàn)狀
        1.2.2 故障特征提取研究現(xiàn)狀
        1.2.3 模式識(shí)別研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容及技術(shù)路線
        1.3.1 技術(shù)路線
        1.3.2 主要研究?jī)?nèi)容
2 滾動(dòng)軸承振動(dòng)機(jī)理及常用檢測(cè)方法
    2.1 引言
    2.2 滾動(dòng)軸承結(jié)構(gòu)以及失效形式
    2.3 滾動(dòng)軸承振動(dòng)機(jī)理
        2.3.1 結(jié)構(gòu)特點(diǎn)和加工裝配誤差引起的振動(dòng)
        2.3.2 軸承運(yùn)行故障引起的振動(dòng)
    2.4 滾動(dòng)軸承常見(jiàn)檢測(cè)方法
    2.5 本章小結(jié)
3 奇異值分解降噪研究
    3.1 引言
    3.2 奇異值降噪方法
        3.2.1 SVD原理
        3.2.2 有效秩階次的確定
        3.2.3 數(shù)據(jù)仿真
        3.2.4 實(shí)驗(yàn)數(shù)據(jù)
    3.3 SVD降噪與小波包降噪
    3.4 本章小結(jié)
4 局部特征尺度分解基本原理和方法研究
    4.1 引言
    4.2 局部特征尺度分解法原理
        4.2.1 內(nèi)稟尺度分量定義
        4.2.2 LCD法的分解過(guò)程
    4.3 LCD與EMD之間比較研究
        4.3.1 LCD與EMD聯(lián)系與區(qū)別
        4.3.2 仿真信號(hào)分析
    4.4 LCD問(wèn)題和改進(jìn)
        4.4.1 LCD端點(diǎn)效應(yīng)
        4.4.2 LCD基線信號(hào)構(gòu)造
        4.4.3 仿真信號(hào)分析
    4.5 本章小結(jié)
5 基于模糊熵的軸承故障特征提取和HMM的模式識(shí)別
    5.1 引言
    5.2 基于模糊熵的軸承故障特征提取
        5.2.1 熵的概念及其發(fā)展
        5.2.2 模糊熵
        5.2.3 模糊熵參數(shù)選擇
    5.3 隱馬爾科夫模型
        5.3.1 HMM的定義
        5.3.2 HMM算法
    5.4 本章小結(jié)
6 滾動(dòng)軸承故障診斷試驗(yàn)與分析
    6.1 引言
    6.2 滾動(dòng)軸承故障診斷試驗(yàn)器材
        6.2.1 GDS試驗(yàn)臺(tái)的組成
        6.2.2 試驗(yàn)數(shù)據(jù)采集裝置
    6.3 滾動(dòng)軸承故障診斷試驗(yàn)方案
        6.3.1 施加載荷控制
        6.3.2 電機(jī)轉(zhuǎn)速控制
        6.3.3 傳感器位置布置
        6.3.4 試驗(yàn)中注意的問(wèn)題
    6.4 實(shí)例分析和處理
        6.4.1 基于LCD模糊熵的軸承故障診斷的流程和參數(shù)設(shè)置
        6.4.2 滾動(dòng)軸承故障信號(hào)的ISC及模糊熵
        6.4.3 基于HMM的滾動(dòng)軸承故障識(shí)別
    6.5 本章小結(jié)
7 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
致謝
參考文獻(xiàn)
附錄



本文編號(hào)：3779392