隨著機(jī)械工業(yè)的不斷發(fā)展,自動(dòng)化程度不斷地加深,設(shè)備變得越來越復(fù)雜,設(shè)備的不同零件之間的關(guān)系非常緊密。為了能夠在日常中設(shè)備正常運(yùn)轉(zhuǎn),每一個(gè)零件都需要管理和維護(hù)。旋轉(zhuǎn)機(jī)械在我國工業(yè)中占據(jù)著重要的角色,小到單車、家用汽車等,大到工程機(jī)械中的發(fā)電機(jī)、攪拌機(jī)、汽輪機(jī)。旋轉(zhuǎn)機(jī)械在系統(tǒng)中長期都處在高負(fù)荷運(yùn)轉(zhuǎn)狀態(tài),極易導(dǎo)致旋轉(zhuǎn)機(jī)械出現(xiàn)各種各樣的問題。在旋轉(zhuǎn)機(jī)械設(shè)備中,滾動(dòng)軸承是最常見的旋轉(zhuǎn)機(jī)械。滾動(dòng)軸承由于在機(jī)械設(shè)備中工作條件惡劣,起著傳遞與承受載荷的作用,而且大部分的故障都是由滾動(dòng)軸承所引起的。而滾動(dòng)軸承的使用壽命與其工作的環(huán)境有著密切關(guān)系,有的滾動(dòng)軸承盡管超過了該軸承的設(shè)計(jì)的使用壽命仍然可以正常服役,然而有的滾動(dòng)軸承在未達(dá)到設(shè)計(jì)壽命時(shí)則已經(jīng)開始損壞,影響著整臺(tái)機(jī)械的正常工作。在對軸承故障診斷中可分為故障信號(hào)的特征提取與特征分類兩個(gè)步驟,其中特征提取在故障軸承診斷中最重要也是最困難的。因?yàn)樵诠收闲盘?hào)中,每一個(gè)故障新征兆可能含有多種故障成分,需要對每一個(gè)故障信號(hào)進(jìn)行處理,在混合信號(hào)中提取故障的有效信息,去除與故障無關(guān)的干擾信息。本文將精細(xì)復(fù)合多尺度熵（Refine Composite Multiscal...

【文章頁數(shù)】：62 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3.1高斯白噪聲與1/f噪聲波形

雜程度的信號(hào)進(jìn)行仿真，研究RCMSE與MSE、CMSE算法處理獲得熵值的效果。在如圖3.1中，為高斯白噪聲與噪聲波形。圖3.1高斯白噪聲與1/f噪聲波形

本文編號(hào)：4013603