發(fā)布時(shí)間：2023-04-05 09:01

　　滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械的關(guān)鍵部件,它的健康狀況會(huì)直接影響到機(jī)械系統(tǒng)的正常運(yùn)行。隨著監(jiān)測(cè)技術(shù)的發(fā)展,所采集到的與滾動(dòng)軸承運(yùn)行狀態(tài)相關(guān)的信號(hào)的數(shù)據(jù)量呈指數(shù)級(jí)增長(zhǎng),使得故障診斷有了“大數(shù)據(jù)”的概念。因此利用何種先進(jìn)的技術(shù)從大數(shù)據(jù)中有效提取特征并準(zhǔn)確識(shí)別滾動(dòng)軸承的健康狀況成為一個(gè)新的研究課題。本文以滾動(dòng)軸承監(jiān)測(cè)參數(shù)中的振動(dòng)信號(hào)為研究對(duì)象,通過(guò)小波包變換、支持向量機(jī)(SVM)、BP神經(jīng)網(wǎng)絡(luò)對(duì)滾動(dòng)軸承的智能故障診斷進(jìn)行了研究。本文的主要內(nèi)容以及結(jié)論如下:1.分析了傅立葉變換、短時(shí)傅立葉變換在信號(hào)分析方面的不足之處,并以小波包變換為手段對(duì)滾動(dòng)軸承的振動(dòng)信號(hào)進(jìn)行了特征提取。小波包變換能夠?qū)⒃盘?hào)分解成多個(gè)小波包系數(shù),把每個(gè)小波包系數(shù)進(jìn)行信號(hào)重構(gòu)后便生成了能量特征向量。研究表明該特征向量中包含了豐富的故障信息,可以作為智能故障分類方法的樣本數(shù)據(jù)。2.分別研究了以支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的滾動(dòng)軸承智能故障診斷模型的訓(xùn)練過(guò)程與方法。支持向量機(jī)是一種監(jiān)督式學(xué)習(xí)方法,其目標(biāo)是是基于樣本數(shù)據(jù)的支持向量求解得到超平面方程,然后以此超平面方程為判別依據(jù)進(jìn)行分類。對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練實(shí)質(zhì)上是基于訓(xùn)練樣本優(yōu)化連接各個(gè)...

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 課題的背景及研究意義
    1.2 滾動(dòng)軸承故障診斷的國(guó)內(nèi)外研究現(xiàn)狀
    1.3 滾動(dòng)軸承智能故障診斷的主要內(nèi)容
    1.4 本文的主要內(nèi)容及章節(jié)安排
第二章 小波分析的相關(guān)理論
    2.1 傅立葉變換
    2.2 小波變換理論
        2.2.1 連續(xù)小波變換
        2.2.2 離散小波變換
        2.2.3 多分辨分析與正交小波的構(gòu)造
        2.2.4 離散小波變換的Mallat算法
    2.3 小波包理論
    2.4 小波包變換在故障診斷中的應(yīng)用
    2.5 本章小結(jié)
第三章 支持向量機(jī)原理
    3.1 線性支持向量機(jī)
    3.2 非線性支持向量機(jī)
    3.3 超平面方程的求解的SMO算法
        3.3.1 最優(yōu)化求解
        3.3.2 變量的選擇方法
    3.4 支持向量機(jī)在故障診斷中的應(yīng)用
    3.5 本章小結(jié)
第四章 反向傳播神經(jīng)網(wǎng)絡(luò)
    4.1 神經(jīng)元模型
    4.2 人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
    4.3 反向傳播算法
    4.4 本章小結(jié)
第五章 滾動(dòng)軸承故障診斷的實(shí)驗(yàn)研究
    5.1 實(shí)驗(yàn)平臺(tái)
    5.2 數(shù)據(jù)處理及模型訓(xùn)練方法
        5.2.1 通過(guò)小波包變換提取能量特征
        5.2.2 支持向量機(jī)模型的訓(xùn)練
        5.2.3 BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練
    5.3 數(shù)據(jù)處理結(jié)果及分析
        5.3.1 能量特征向量的分析
        5.3.2 支持向量機(jī)模型的數(shù)據(jù)處理結(jié)果
        5.3.3 神經(jīng)網(wǎng)絡(luò)模型的數(shù)據(jù)處理結(jié)果
        5.3.4 結(jié)果分析
    5.4 本章小結(jié)
第六章 結(jié)論與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的學(xué)術(shù)活動(dòng)及成果情況



本文編號(hào)：3783132