本文關(guān)鍵詞：非穩(wěn)態(tài)條件下摩擦信號處理和狀態(tài)識別技術(shù)研究

  更多相關(guān)文章： 希爾伯特-黃變換 特征參數(shù) 概率神經(jīng)網(wǎng)絡(luò) 摩擦狀態(tài)

【摘要】：摩擦狀態(tài)識別對于監(jiān)測機械設(shè)備摩擦副運行狀態(tài)具有重要的意義,而常見的往復(fù)運動中產(chǎn)生的摩擦力信號往往是非平穩(wěn)信號,要能更合理且全面地反映摩擦副摩擦狀態(tài)特征的信息,就需要采用適當?shù)男盘柼幚矸椒▉硖崛∧Σ亮π盘柕亩喾N特征參數(shù)。希爾伯特-黃變換方法的核心—經(jīng)驗?zāi)Ｊ椒纸夥ㄊ腔谛盘栕陨淼奶卣鬟M行分解,可以更好地、自適應(yīng)地分析非平穩(wěn)信號。本研究在往復(fù)運動試驗平臺上測取了初始磨合、平穩(wěn)摩擦和貧油摩擦狀態(tài)條件下的摩擦力信號,采用經(jīng)驗?zāi)Ｊ椒纸獾确椒ǚ謩e提取摩擦力信號中的多種特征參數(shù),以便更全面地反映不同摩擦狀態(tài)的特征,并建立基于概率神經(jīng)網(wǎng)絡(luò)的摩擦狀態(tài)識別模型對摩擦狀態(tài)進行識別�？偨Y(jié)全文,主要得出以下結(jié)論：(1)提出基于經(jīng)驗?zāi)Ｊ椒纸馀c小波軟閾值聯(lián)合去噪的方法。該聯(lián)合去噪法發(fā)揮了小波閾值去噪良好的去噪能力和經(jīng)驗?zāi)Ｊ椒纸庾赃m應(yīng)性好的優(yōu)勢。通過仿真信號和往復(fù)摩擦力信號實驗結(jié)果表明,相比傳統(tǒng)的去噪方法,基于經(jīng)驗?zāi)Ｊ椒纸馀c小波軟閾值結(jié)合去噪方法具有良好的自適應(yīng)性和穩(wěn)定性,去噪效果更好,提高了信噪比,較好地保留了信號的細節(jié)信息。(2)采用多種方法提取摩擦力信號中的九種特征參數(shù),提取的特征參數(shù)包括摩擦力峭度、最大奇異值、奇異值熵、IMF能量熵、時頻熵、能量比標準差以及低中高頻段能量比重。通過觀察發(fā)現(xiàn),在不同摩擦狀態(tài)條件下的上述特征參數(shù)的大小或分布情況有所不同,不同的特征參數(shù)相互彌補,能夠較綜合地反映出不同摩擦狀態(tài)的特征,為摩擦狀態(tài)識別創(chuàng)造了條件。(3)建立基于概率神經(jīng)網(wǎng)絡(luò)的摩擦狀態(tài)識別模型對摩擦狀態(tài)進行識別�；诟怕噬窠�(jīng)網(wǎng)絡(luò)具有訓(xùn)練速度快、容錯性且擴充性好,不需反復(fù)訓(xùn)練的特點,建立起基于概率神經(jīng)網(wǎng)絡(luò)的摩擦狀態(tài)識別系統(tǒng),通過檢測樣本的分類檢測驗證,基于概率神經(jīng)網(wǎng)絡(luò)的摩擦狀態(tài)識別具有較好的分類效果,識別率可達96.86%。
【關(guān)鍵詞】：希爾伯特-黃變換 特征參數(shù) 概率神經(jīng)網(wǎng)絡(luò) 摩擦狀態(tài)
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TH117.1;TN911.7
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 緒論10-15
• 1.1 課題研究的背景及意義10-11
• 1.2 國內(nèi)外相關(guān)領(lǐng)域研究現(xiàn)狀11-14
• 1.2.1 信號處理方法的發(fā)展概況11-12
• 1.2.2 摩擦狀態(tài)分析研究現(xiàn)狀12-13
• 1.2.3 希爾伯特-黃變換的應(yīng)用發(fā)展概況13
• 1.2.4 模式識別的發(fā)展概述13-14
• 1.3 本文的主要研究內(nèi)容14-15
• 第2章 非穩(wěn)態(tài)條件下摩擦信號測量的系統(tǒng)設(shè)計15-22
• 2.1 摩擦試驗機的總體設(shè)計15-16
• 2.2 往復(fù)運動系統(tǒng)16-17
• 2.3 加載系統(tǒng)17-18
• 2.4 測量系統(tǒng)設(shè)計18-21
• 2.4.1 傳感器的選取18-20
• 2.4.2 電荷放大器的選取20
• 2.4.3 數(shù)據(jù)采集卡的選取20-21
• 2.5 本章小結(jié)21-22
• 第3章 基于希爾伯特-黃變換的非穩(wěn)態(tài)信號處理方法研究22-33
• 3.1 引言22
• 3.2 希爾伯特-黃變換理論基礎(chǔ)22-30
• 3.2.1 瞬時頻率22-24
• 3.2.2 固有模式函數(shù)24
• 3.2.3 經(jīng)驗?zāi)Ｊ椒纸?/span>24-29
• 3.2.4 希爾伯特譜29-30
• 3.3 模擬仿真信號分析30-32
• 3.4 本章小結(jié)32-33
• 第4章 基于經(jīng)驗?zāi)Ｊ椒纸馀c小波軟閾值聯(lián)合去噪法研究33-41
• 4.1 引言33-34
• 4.2 去噪基本原理34-35
• 4.2.1 小波閾值去噪原理34
• 4.2.2 基于經(jīng)驗?zāi)Ｊ椒纸馀c小波軟閾值聯(lián)合去噪算法34-35
• 4.3 仿真實驗分析35-38
• 4.4 實測往復(fù)摩擦力信號去噪結(jié)果分析38-40
• 4.5 本章小結(jié)40-41
• 第5章 非穩(wěn)態(tài)摩擦狀態(tài)特征參數(shù)的提取41-58
• 5.1 實驗方法41-42
• 5.2 峭度指標參數(shù)特征提取42-44
• 5.3 奇異值特征參數(shù)提取44-49
• 5.4 IMF能量熵特征參數(shù)提取49-51
• 5.5 時頻熵特征參數(shù)提取51-55
• 5.6 低、中、高頻段能量比重特征參數(shù)提取55-57
• 5.7 本章小結(jié)57-58
• 第6章 基于概率神經(jīng)網(wǎng)絡(luò)的摩擦狀態(tài)識別58-63
• 6.1 引言58
• 6.2 概率神經(jīng)網(wǎng)58-62
• 6.2.1 概率神經(jīng)網(wǎng)絡(luò)模型58-59
• 6.2.2 概率神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計59-62
• 6.3 本章小結(jié)62-63
• 第7章 結(jié)論與展望63-65
• 7.1 研究結(jié)論63-64
• 7.2 展望64-65
• 參考文獻65-69
• 攻讀學(xué)位期間公開發(fā)表論文69-70
• 致謝70-71
• 作者簡介71

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 趙營豪;陳宏;侯亞丁;楊浩亮;;基于HHT的滾動軸承診斷方法[J];軸承;2012年12期

2 于金濤;趙樹延;王祁;;基于經(jīng)驗?zāi)B(tài)分解和小波變換聲發(fā)射信號去噪[J];哈爾濱工業(yè)大學(xué)學(xué)報;2011年10期

3 張立軍;余佳;刁坤;孟德建;余卓平;;基于盤-銷系統(tǒng)的摩擦尖叫條件下的動態(tài)時滯摩擦特性分析[J];機械工程學(xué)報;2013年05期

4 王凱;馮fE;劉財;;Pearson相關(guān)系數(shù)法快慢橫波波場分離[J];世界地質(zhì);2012年02期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 張永德;基于經(jīng)驗?zāi)B(tài)分解的小波閾值信號去噪研究[D];昆明理工大學(xué);2011年

，

本文編號：564395