本文以滾動(dòng)軸承音頻信號(hào)的故障診斷為研究對(duì)象。在對(duì)國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行深入分析的基礎(chǔ)上,提出了基于小波包分析與倒譜域分析的DWT-LPCC與DWT-MFCC新特征參數(shù),并給出一種基于神經(jīng)網(wǎng)絡(luò)和D-S證據(jù)理論相結(jié)合的信息融合故障診斷方法,并進(jìn)行了基于音頻信號(hào)的軸承故障診斷仿真實(shí)驗(yàn)。 首先分析了軸承故障診斷的研究意義和現(xiàn)狀�；仡櫫藗鹘y(tǒng)的軸承故障診斷的方法以及其優(yōu)缺點(diǎn),說(shuō)明在日趨復(fù)雜的機(jī)械系統(tǒng)中急需新的軸承故障診斷方法的研究和應(yīng)用。 然后,使用小波包理論分析各類型滾動(dòng)軸承音頻信號(hào)的不同頻帶的信號(hào)特征,利用小波包分解的信號(hào)能量系數(shù)改進(jìn)了傳統(tǒng)的MFCC與LPCC的特征向量,并用仿真實(shí)驗(yàn)證明了新特征參數(shù)DWT-LPCC與DWT-MFCC的有效性。 其次,從神經(jīng)元結(jié)構(gòu)模型入手,詳細(xì)的分析了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和函數(shù)映射、BP神經(jīng)網(wǎng)絡(luò)的特點(diǎn)。利用MATLAB軟件進(jìn)行了子神經(jīng)網(wǎng)絡(luò)故障診斷的仿真實(shí)驗(yàn)。從D-S證據(jù)理論的基本概念和合成規(guī)則入手,分析了證據(jù)理論應(yīng)用于信息融合的有效性。 最后,本文設(shè)計(jì)了一個(gè)基于神經(jīng)網(wǎng)絡(luò)和D-S證據(jù)理論的信息融合故障診斷方法,從待診斷系統(tǒng)的所獲信息的特點(diǎn)入手,劃分出兩個(gè)故障特征征兆域,設(shè)計(jì)兩...

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 滾動(dòng)軸承故障診斷的研究意義
    1.2 滾動(dòng)軸承故障診斷的研究現(xiàn)狀
        1.2.1 滾動(dòng)軸承故障診斷的發(fā)展階段
        1.2.2 軸承故障診斷的常用的技術(shù)
        1.2.3 滾動(dòng)軸承故障診斷的研究趨勢(shì)
    1.3 論文工作及結(jié)構(gòu)
        1.3.1 主要工作
        1.3.2 論文結(jié)構(gòu)
第二章 滾動(dòng)軸承的故障及其音頻信號(hào)的特征參數(shù)提取
    2.1 滾動(dòng)軸承的故障特點(diǎn)及類型
    2.2 滾動(dòng)軸承故障音頻信號(hào)的特征參數(shù)提取
        2.2.1 音頻信號(hào)的采樣
        2.2.2 預(yù)處理
        2.2.3 特征參數(shù)的提取
            2.2.3.1 LPCC特征參數(shù)的提取
            2.2.3.2 MFCC特征參數(shù)的提取
    2.3 引入小波分析的特征參數(shù)提取方法
        2.3.1 離散小波變換的原理
        2.3.2 音頻信號(hào)的小波包分析
        2.3.3 對(duì)軸承故障音頻信號(hào)分析的小波基選擇
        2.3.4 基于小波包分析的音頻信號(hào)特征參數(shù)提取
    2.4 DWT-MFCC與DWT-LPCC混合特征參數(shù)
    2.5 本章小結(jié)
第三章 基于BP神經(jīng)網(wǎng)絡(luò)的軸承故障診斷方法
    3.1 BP神經(jīng)網(wǎng)絡(luò)軸承故障診斷方法的原理
        3.1.1 BP網(wǎng)絡(luò)的結(jié)構(gòu)
        3.1.2 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練算法
    3.2 自適應(yīng)學(xué)習(xí)與修正權(quán)值的BP算法
        3.2.1 采用自適應(yīng)學(xué)習(xí)率的BP算法
        3.2.2 增加動(dòng)量因子修正權(quán)值的BP算法
    3.3 傳統(tǒng)的BP算法與自適應(yīng)學(xué)習(xí)的BP算法的性能比較
    3.4 實(shí)驗(yàn)仿真及結(jié)果
    3.5 本章小結(jié)
第四章 DS-BP滾動(dòng)軸承故障診斷方法
    4.1 D-S證據(jù)理論概述
    4.2 滾動(dòng)軸承故障診斷的D-S推導(dǎo)過(guò)程
        4.2.1 證據(jù)理論的基本概念與公式
        4.2.2 證據(jù)組合規(guī)則
        4.2.3 基于基本概率賦值的決策
    4.3 利用D-S證據(jù)理論改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)診斷方法
    4.4 證據(jù)理論的示例分析
    4.5 基于音頻信號(hào)的DS-BP滾動(dòng)軸承故障診斷仿真及仿真結(jié)果分析
        4.5.1 基于音頻信號(hào)的DS-BP滾動(dòng)軸承故障診斷仿真實(shí)驗(yàn)
        4.5.2 BP神經(jīng)網(wǎng)絡(luò)法和D-S理論改進(jìn)的神經(jīng)網(wǎng)絡(luò)法對(duì)比分析
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間主要的研究成果



本文編號(hào)：3830698