基于盲源分離的齒輪箱故障特征提取
發(fā)布時(shí)間:2023-11-04 10:22
盲源分離技術(shù)是把多個(gè)信號源或各種特征參數(shù)從它們的混合信號中分離或提取出來,應(yīng)用于機(jī)械故障診斷中,將有助于分離混合信號,進(jìn)行故障診斷。本文將盲源分離技術(shù)應(yīng)用于齒輪箱故障診斷實(shí)驗(yàn)中,給出了盲源分離的故障特征提取方法,最后通過BP神經(jīng)網(wǎng)絡(luò)故障診斷結(jié)果證明了此方法的有效性和可行性,具體內(nèi)容如下: 1.系統(tǒng)地研究了盲源分離的主要方法——獨(dú)立分量分析(ICA),詳細(xì)地描述ICA模型及介紹了FastICA算法,并對該算法進(jìn)行了仿真分析,通過判斷分離后的信號與仿真信號的一致性,驗(yàn)證了算法的可行性。 2.研究了齒輪箱故障振動(dòng)的機(jī)理;分析了齒輪箱的常見故障類型及產(chǎn)生的原因,并在此基礎(chǔ)上研究了齒輪和軸承的典型故障的主要特征;介紹了時(shí)域診斷參數(shù)及其在故障診斷中的作用。 3.利用實(shí)驗(yàn)室齒輪箱實(shí)驗(yàn)臺模擬了齒輪箱系統(tǒng)常見的五種典型故障模式,采集了各工況下的振動(dòng)信號;針對多組實(shí)驗(yàn)數(shù)據(jù),首先對信號進(jìn)行盲源分離,然后對處理后的數(shù)據(jù)提取時(shí)域特征指標(biāo),并以此作為BP神經(jīng)網(wǎng)絡(luò)的輸入,建立BP故障診斷網(wǎng)絡(luò),進(jìn)行了診斷。診斷結(jié)果表明本論文提出的方法是可行的,該方法可提高齒輪箱故障診斷的準(zhǔn)確性和可靠性。 4.基于MATLAB軟件,開...
【文章頁數(shù)】:67 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
1. 緒論
1.1 課題概述
1.1.1 課題來源
1.1.2 選題背景及意義
1.1.3 故障診斷技術(shù)的研究現(xiàn)狀與發(fā)展趨勢
1.2 盲源分離的產(chǎn)生和發(fā)展
1.3 ICA 在故障診斷中的應(yīng)用現(xiàn)狀
1.4 本論文的內(nèi)容
2. 盲源分離的ICA 方法
2.1 ICA 的模型描述
2.1.1 線性瞬時(shí)混疊模型
2.1.2 線性卷積混疊模型
2.1.3 非線性瞬時(shí)混疊模型
2.2 基于信息論的ICA 獨(dú)立性判據(jù)
2.2.1 互信息極小化判據(jù)
2.2.2 信息極大化判據(jù)
2.2.3 極大似然判據(jù)
2.3 盲源分離效果指標(biāo)(評價(jià))
2.3.1 PI(C)指標(biāo)
2.3.2 信息干擾比SIR
2.4 盲源分離算法仿真
2.4.1 信號的預(yù)處理
2.4.2 FastICA 算法
2.4.3 盲源分離的仿真
3. 齒輪箱故障振動(dòng)源及振動(dòng)信號特征提取
3.1 齒輪箱故障的主要形式
3.2 齒輪的故障類型及振動(dòng)機(jī)理
3.2.1 齒輪的故障類型
3.2.2 齒輪振動(dòng)特征頻率的計(jì)算
3.2.3 齒輪振動(dòng)信號的調(diào)制
3.3 滾動(dòng)軸承的故障類型及振動(dòng)機(jī)理
3.3.1 滾動(dòng)軸承的故障類型
3.3.2 滾動(dòng)軸承的故障特征頻率
3.4 齒輪箱故障診斷振動(dòng)信號的時(shí)頻域特征提取
4. 齒輪箱實(shí)驗(yàn)數(shù)據(jù)采集及數(shù)據(jù)分析
4.1 齒輪箱振動(dòng)信號的采集
4.1.1 齒輪箱振動(dòng)信號采集的對象
4.1.2 齒輪箱振動(dòng)信號采集系統(tǒng)
4.2 齒輪箱振動(dòng)信號的數(shù)據(jù)分析
4.2.1 齒輪箱振動(dòng)信號的盲源分離
4.2.2 齒輪箱振動(dòng)信號的特征提取
4.2.3 基于盲源分離和特征提取的齒輪箱故障診斷
5. 基于盲源分離和特征提取的齒輪箱故障診斷軟件平臺設(shè)計(jì)
5.1 MATLAB 軟件編程簡介
5.2 軟件平臺的框架結(jié)構(gòu)
5.3 軟件平臺的處理流程及其功能設(shè)計(jì)
5.3.1 信號模擬演示模塊
5.3.2 實(shí)驗(yàn)信號加載模塊
5.3.3 盲源分離處理模塊
5.3.4 信號特征提取模塊
5.3.5 故障診斷模塊
5.4 軟件平臺的打包
5.5 軟件平臺開發(fā)總結(jié)
6. 總結(jié)與展望
6.1 全文總結(jié)
6.2 展望
參考文獻(xiàn)
攻讀碩士期間發(fā)表的論文及研究成果
致謝
本文編號:3860113
【文章頁數(shù)】:67 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
1. 緒論
1.1 課題概述
1.1.1 課題來源
1.1.2 選題背景及意義
1.1.3 故障診斷技術(shù)的研究現(xiàn)狀與發(fā)展趨勢
1.2 盲源分離的產(chǎn)生和發(fā)展
1.3 ICA 在故障診斷中的應(yīng)用現(xiàn)狀
1.4 本論文的內(nèi)容
2. 盲源分離的ICA 方法
2.1 ICA 的模型描述
2.1.1 線性瞬時(shí)混疊模型
2.1.2 線性卷積混疊模型
2.1.3 非線性瞬時(shí)混疊模型
2.2 基于信息論的ICA 獨(dú)立性判據(jù)
2.2.1 互信息極小化判據(jù)
2.2.2 信息極大化判據(jù)
2.2.3 極大似然判據(jù)
2.3 盲源分離效果指標(biāo)(評價(jià))
2.3.1 PI(C)指標(biāo)
2.3.2 信息干擾比SIR
2.4 盲源分離算法仿真
2.4.1 信號的預(yù)處理
2.4.2 FastICA 算法
2.4.3 盲源分離的仿真
3. 齒輪箱故障振動(dòng)源及振動(dòng)信號特征提取
3.1 齒輪箱故障的主要形式
3.2 齒輪的故障類型及振動(dòng)機(jī)理
3.2.1 齒輪的故障類型
3.2.2 齒輪振動(dòng)特征頻率的計(jì)算
3.2.3 齒輪振動(dòng)信號的調(diào)制
3.3 滾動(dòng)軸承的故障類型及振動(dòng)機(jī)理
3.3.1 滾動(dòng)軸承的故障類型
3.3.2 滾動(dòng)軸承的故障特征頻率
3.4 齒輪箱故障診斷振動(dòng)信號的時(shí)頻域特征提取
4. 齒輪箱實(shí)驗(yàn)數(shù)據(jù)采集及數(shù)據(jù)分析
4.1 齒輪箱振動(dòng)信號的采集
4.1.1 齒輪箱振動(dòng)信號采集的對象
4.1.2 齒輪箱振動(dòng)信號采集系統(tǒng)
4.2 齒輪箱振動(dòng)信號的數(shù)據(jù)分析
4.2.1 齒輪箱振動(dòng)信號的盲源分離
4.2.2 齒輪箱振動(dòng)信號的特征提取
4.2.3 基于盲源分離和特征提取的齒輪箱故障診斷
5. 基于盲源分離和特征提取的齒輪箱故障診斷軟件平臺設(shè)計(jì)
5.1 MATLAB 軟件編程簡介
5.2 軟件平臺的框架結(jié)構(gòu)
5.3 軟件平臺的處理流程及其功能設(shè)計(jì)
5.3.1 信號模擬演示模塊
5.3.2 實(shí)驗(yàn)信號加載模塊
5.3.3 盲源分離處理模塊
5.3.4 信號特征提取模塊
5.3.5 故障診斷模塊
5.4 軟件平臺的打包
5.5 軟件平臺開發(fā)總結(jié)
6. 總結(jié)與展望
6.1 全文總結(jié)
6.2 展望
參考文獻(xiàn)
攻讀碩士期間發(fā)表的論文及研究成果
致謝
本文編號:3860113
本文鏈接:http://sikaile.net/jixiegongchenglunwen/3860113.html
最近更新
教材專著