大型低速重載回轉(zhuǎn)支承復(fù)合故障特征提取與模式識別
發(fā)布時間:2025-01-09 06:41
大型低速重載回轉(zhuǎn)支承作為一種新型零部件,廣泛應(yīng)用于起重運(yùn)輸機(jī)械、建筑工程機(jī)械、材料加工機(jī)械等領(lǐng)域重大裝備中。大型回轉(zhuǎn)支承運(yùn)行轉(zhuǎn)速極低、旋轉(zhuǎn)方向與角度多變、承載能力高、工作環(huán)境復(fù)雜,為保證正常生產(chǎn)作業(yè)順利進(jìn)行、維護(hù)人機(jī)安全和減少財產(chǎn)損失,對其進(jìn)行實(shí)時狀態(tài)監(jiān)測與故障診斷研究非常必要。論文對當(dāng)今國內(nèi)外回轉(zhuǎn)支承狀態(tài)監(jiān)測與故障診斷方法進(jìn)行了詳細(xì)、系統(tǒng)的綜述。全面分析和總結(jié)了回轉(zhuǎn)支承的應(yīng)用背景和研究意義,列舉和比較了目前所有關(guān)于回轉(zhuǎn)支承狀態(tài)監(jiān)測與故障診斷方法的研究思路、研究成果、優(yōu)缺點(diǎn)和應(yīng)用價值。其次對當(dāng)今國內(nèi)外常用的滾動軸承振動信號降噪、故障特征提取、參數(shù)選擇與模式識別方法進(jìn)行總結(jié)和研究。特征提取的難點(diǎn)和關(guān)鍵在于從強(qiáng)背景噪聲中提取微弱故障信息。時域信號分解與重構(gòu)是一類有效的信號降噪方法,旨在提高信號信噪比,保留原信號特征。特征參數(shù)構(gòu)成的特征向量可以作為時域信號代表,用于機(jī)器學(xué)習(xí)與分類。文章對現(xiàn)場振動信號進(jìn)行采集與篩選、對其它物理與化學(xué)參數(shù)檢測等內(nèi)容進(jìn)行介紹。不同于模擬實(shí)驗(yàn)臺單一人為故障研究,本課題研究對象為復(fù)雜設(shè)備復(fù)合自然故障,實(shí)驗(yàn)方案設(shè)計(jì)、傳感器選擇與安裝、測試系統(tǒng)搭建等更加復(fù)雜。對此開展了大量...
【文章頁數(shù)】:93 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 課題研究背景與意義
1.2 課題來源
1.3 低速重載回轉(zhuǎn)支承狀態(tài)監(jiān)測與故障診斷發(fā)展階段概述
1.3.1 人工經(jīng)驗(yàn)監(jiān)測與診斷
1.3.2 計(jì)算機(jī)監(jiān)測與診斷
1.3.3 不斷完善的基于大數(shù)據(jù)智能監(jiān)測與診斷系統(tǒng)
1.4 低速重載回轉(zhuǎn)支承狀態(tài)監(jiān)測與故障診斷方法研究現(xiàn)狀
1.4.1 基于振動的狀態(tài)監(jiān)測與故障診斷方法
1.4.2 基于聲發(fā)射的狀態(tài)監(jiān)測與故障診斷方法
1.4.3 基于油液或油脂狀況的狀態(tài)監(jiān)測與故障診斷方法
1.4.4 基于溫度變化的狀態(tài)監(jiān)測與故障診斷方法
1.5 當(dāng)前國內(nèi)外研究方向及挑戰(zhàn)
1.6 論文主要研究內(nèi)容與章節(jié)安排
2 滾動軸承振動信號時域故障特征提取與模式識別方法理論研究
2.1 信號分解與降噪
2.1.1 小波(包)分解
2.1.2 經(jīng)驗(yàn)?zāi)B(tài)分解
2.1.3 聚類經(jīng)驗(yàn)?zāi)B(tài)分解
2.2 特征參數(shù)選擇
2.2.1 幅值域與時間域
2.2.2 相空間
2.3 數(shù)據(jù)訓(xùn)練與模式識別
2.3.1 (多分類)支持向量機(jī)
2.3.2 其它神經(jīng)網(wǎng)絡(luò)
2.4 本章小結(jié)
3 大型低速重載回轉(zhuǎn)支承數(shù)據(jù)采集試驗(yàn)
3.1 回轉(zhuǎn)支承結(jié)構(gòu)特征與典型故障
3.1.1 結(jié)構(gòu)特征
3.1.2 典型故障
3.2 數(shù)據(jù)采集試驗(yàn)
3.2.1 各類信號采集方法
3.2.2 特征頻率計(jì)算
3.3 數(shù)據(jù)說明
3.3.1 機(jī)械振動
3.3.2 物理與化學(xué)性能
3.4 本章小結(jié)
4 基于改進(jìn)PPA-NCP方法定性區(qū)分回轉(zhuǎn)支承運(yùn)行階段
4.1 理論框架
4.1.1 分段聚集近似法
4.1.2 相鄰相關(guān)特征圖
4.1.3 最小二乘橢球面擬合
4.2 回轉(zhuǎn)支承模擬信號分析
4.2.1 全壽命模擬信號構(gòu)建
4.2.2 各運(yùn)行階段定性劃分
4.3 回轉(zhuǎn)支承試驗(yàn)信號驗(yàn)證
4.3.1 各運(yùn)行階段特征分析
4.3.2 分類結(jié)果檢驗(yàn)與確定
4.4 本章小結(jié)
5 基于MCKD-CEEMD-ApEn方法對回轉(zhuǎn)支承復(fù)合故障特征提取與模式識別
5.1 引言
5.2 理論框架
5.2.1 最大相關(guān)峭度去卷積
5.2.2 互補(bǔ)聚類經(jīng)驗(yàn)?zāi)B(tài)分解
5.2.3 近似熵
5.2.4 多分類支持向量機(jī)
5.2.5 故障特征提取與模式識別流程
5.3 試驗(yàn)驗(yàn)證
5.4 本章小結(jié)
6 結(jié)論與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間研究成果情況
致謝
本文編號:4025312
【文章頁數(shù)】:93 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 課題研究背景與意義
1.2 課題來源
1.3 低速重載回轉(zhuǎn)支承狀態(tài)監(jiān)測與故障診斷發(fā)展階段概述
1.3.1 人工經(jīng)驗(yàn)監(jiān)測與診斷
1.3.2 計(jì)算機(jī)監(jiān)測與診斷
1.3.3 不斷完善的基于大數(shù)據(jù)智能監(jiān)測與診斷系統(tǒng)
1.4 低速重載回轉(zhuǎn)支承狀態(tài)監(jiān)測與故障診斷方法研究現(xiàn)狀
1.4.1 基于振動的狀態(tài)監(jiān)測與故障診斷方法
1.4.2 基于聲發(fā)射的狀態(tài)監(jiān)測與故障診斷方法
1.4.3 基于油液或油脂狀況的狀態(tài)監(jiān)測與故障診斷方法
1.4.4 基于溫度變化的狀態(tài)監(jiān)測與故障診斷方法
1.5 當(dāng)前國內(nèi)外研究方向及挑戰(zhàn)
1.6 論文主要研究內(nèi)容與章節(jié)安排
2 滾動軸承振動信號時域故障特征提取與模式識別方法理論研究
2.1 信號分解與降噪
2.1.1 小波(包)分解
2.1.2 經(jīng)驗(yàn)?zāi)B(tài)分解
2.1.3 聚類經(jīng)驗(yàn)?zāi)B(tài)分解
2.2 特征參數(shù)選擇
2.2.1 幅值域與時間域
2.2.2 相空間
2.3 數(shù)據(jù)訓(xùn)練與模式識別
2.3.1 (多分類)支持向量機(jī)
2.3.2 其它神經(jīng)網(wǎng)絡(luò)
2.4 本章小結(jié)
3 大型低速重載回轉(zhuǎn)支承數(shù)據(jù)采集試驗(yàn)
3.1 回轉(zhuǎn)支承結(jié)構(gòu)特征與典型故障
3.1.1 結(jié)構(gòu)特征
3.1.2 典型故障
3.2 數(shù)據(jù)采集試驗(yàn)
3.2.1 各類信號采集方法
3.2.2 特征頻率計(jì)算
3.3 數(shù)據(jù)說明
3.3.1 機(jī)械振動
3.3.2 物理與化學(xué)性能
3.4 本章小結(jié)
4 基于改進(jìn)PPA-NCP方法定性區(qū)分回轉(zhuǎn)支承運(yùn)行階段
4.1 理論框架
4.1.1 分段聚集近似法
4.1.2 相鄰相關(guān)特征圖
4.1.3 最小二乘橢球面擬合
4.2 回轉(zhuǎn)支承模擬信號分析
4.2.1 全壽命模擬信號構(gòu)建
4.2.2 各運(yùn)行階段定性劃分
4.3 回轉(zhuǎn)支承試驗(yàn)信號驗(yàn)證
4.3.1 各運(yùn)行階段特征分析
4.3.2 分類結(jié)果檢驗(yàn)與確定
4.4 本章小結(jié)
5 基于MCKD-CEEMD-ApEn方法對回轉(zhuǎn)支承復(fù)合故障特征提取與模式識別
5.1 引言
5.2 理論框架
5.2.1 最大相關(guān)峭度去卷積
5.2.2 互補(bǔ)聚類經(jīng)驗(yàn)?zāi)B(tài)分解
5.2.3 近似熵
5.2.4 多分類支持向量機(jī)
5.2.5 故障特征提取與模式識別流程
5.3 試驗(yàn)驗(yàn)證
5.4 本章小結(jié)
6 結(jié)論與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間研究成果情況
致謝
本文編號:4025312
本文鏈接:http://sikaile.net/jixiegongchenglunwen/4025312.html
最近更新
教材專著