本文關(guān)鍵詞：基于Morlet小波與SVD的旋轉(zhuǎn)機(jī)械故障特征提取算法研究

  更多相關(guān)文章： 旋轉(zhuǎn)機(jī)械 Morlet小波 奇異值分解 故障診斷 特征提取

【摘要】：在旋轉(zhuǎn)機(jī)械故障診斷的過程中,如何從原始信號中提取故障特征成分,既是重點(diǎn)也是難點(diǎn)。Morlet小波與奇異值分解(Singular Value Decomposition,SVD)是兩種現(xiàn)代數(shù)學(xué)分析方法,本文研究了這兩種方法在故障特征提取中存在的一些重要問題,并將二者結(jié)合起來,提出了一種區(qū)別于以往的Morlet-SVD結(jié)合算法,并應(yīng)用于故障特征提取,取得了良好的效果。首先,分析了尺度參數(shù)和位移參數(shù)對Morlet小波的影響,推導(dǎo)了Morlet小波分解時(shí)的數(shù)值計(jì)算方法;針對Morlet小波的參數(shù)優(yōu)化問題,在Shannon熵理論的基礎(chǔ)上提出了改進(jìn)的優(yōu)化方法,改善了Morlet小波的特征提取效果。然后,研究了基于Hankel矩陣的SVD信號分離原理,分析了對含噪信號進(jìn)行奇異值分解后奇異值與原始信號中各成分的對應(yīng)關(guān)系,討論了分別代表周期性成分和噪聲成分的奇異值在奇異值序列中的位置隨原始信號信噪比變化的規(guī)律。其次,將Morlet小波和SVD相結(jié)合,研究了二者的結(jié)合算法,進(jìn)而提出一種奇異值能量譜的方法對Morlet小波的分解結(jié)果進(jìn)行特征提取,根據(jù)能量譜峰值位置得到故障特征頻率所在位置,應(yīng)用于仿真信號的特征提取中,取得了良好的效果。最后,將本文方法應(yīng)用于旋轉(zhuǎn)機(jī)械系統(tǒng)的故障診斷中,并通過對旋轉(zhuǎn)機(jī)械實(shí)際振動(dòng)信號的特征提取,驗(yàn)證了本文方法的有效性和工程實(shí)用性。
【關(guān)鍵詞】：旋轉(zhuǎn)機(jī)械 Morlet小波 奇異值分解 故障診斷 特征提取
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TH165.3
【目錄】：

• 摘要5-6
• Abstract6-9
• 第一章 緒論9-19
• 1.1 論文的研究背景及意義9-10
• 1.2 旋轉(zhuǎn)機(jī)械故障診斷的發(fā)展現(xiàn)狀10-12
• 1.3 信號處理方法的介紹及研究現(xiàn)狀12-16
• 1.3.1 Morlet小波算法的研究概況13-15
• 1.3.2 奇異值分解方法的應(yīng)用情況15-16
• 1.4 本文研究內(nèi)容及意義16-19
• 第二章 Morlet小波時(shí)頻域分析及其參數(shù)優(yōu)化19-30
• 2.1 引言19
• 2.2 Morlet小波及其性質(zhì)19-23
• 2.2.1 Morlet小波的定義20
• 2.2.2 Morlet小波時(shí)頻特性分析20-23
• 2.3 非正交小波的計(jì)算方法23-24
• 2.4 Morlet小波參數(shù)優(yōu)化24-28
• 2.4.1 Shannon熵理論24-25
• 2.4.2 改進(jìn)的參數(shù)優(yōu)化方法25-28
• 2.5 本章小結(jié)28-30
• 第三章 奇異值分解原理及含噪信號的奇異值分布規(guī)律30-46
• 3.1 引言30
• 3.2 SVD及其性質(zhì)30-34
• 3.2.1 SVD的定義30-32
• 3.2.2 SVD的性質(zhì)和意義32-34
• 3.3 基于Hankel矩陣的SVD信號分離原理34-36
• 3.4 含噪信號的奇異值分布規(guī)律研究36-45
• 3.5 本章小結(jié)45-46
• 第四章 Morlet小波與SVD的結(jié)合算法研究46-58
• 4.1 引言46
• 4.2 小波系數(shù)矩陣的奇異值分解結(jié)果分析46-52
• 4.2.1 小波系數(shù)矩陣的特征提取46-48
• 4.2.2 信噪比改變時(shí)的奇異值變化規(guī)律48-52
• 4.3 基于奇異值能量譜的特征提取方法52-57
• 4.3.1 尺度范圍選取52-53
• 4.3.2 基于奇異值能量譜的尺度優(yōu)化53-57
• 4.4 本章小結(jié)57-58
• 第五章 Morlet小波與SVD在機(jī)械故障診斷中的應(yīng)用58-79
• 5.1 引言58
• 5.2 實(shí)驗(yàn)平臺的搭建58-67
• 5.2.1 硬件系統(tǒng)的搭建59-62
• 5.2.2 軟件系統(tǒng)的設(shè)計(jì)62-67
• 5.3 對轉(zhuǎn)子振動(dòng)信號的特征提取67-72
• 5.4 對軸承振動(dòng)信號的特征提取72-77
• 5.4.1 基于奇異值能量譜的軸承特征提取72-75
• 5.4.2 基于軸承振動(dòng)理論的故障特征識別75-77
• 5.5 本章小結(jié)77-79
• 結(jié)論與展望79-81
• 參考文獻(xiàn)81-86
• 攻讀碩士學(xué)位期間取得的研究成果86-87
• 致謝87-88
• 附件88

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 藺小林;王震;蔣耀林;;酉延拓矩陣的奇異值分解及其廣義逆[J];純粹數(shù)學(xué)與應(yīng)用數(shù)學(xué);2008年01期

2 馮淞;景建方;郭虎生;;一種旋轉(zhuǎn)機(jī)械振動(dòng)信號小波去噪方法[J];船電技術(shù);2012年03期

3 孫鵬;丁幼亮;張勁泉;李愛群;鄧揚(yáng);;基于Morlet小波變換的結(jié)構(gòu)密集模態(tài)參數(shù)識別[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年02期

4 盧新城,龔沈光,周駿,孫明;基于Morlet小波的高分辨率信號頻譜估計(jì)[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2002年05期

5 趙學(xué)智;葉邦彥;陳統(tǒng)堅(jiān);;基于小波—奇異值分解差分譜的弱故障特征提取方法[J];機(jī)械工程學(xué)報(bào);2012年07期

6 岳林,費(fèi)慶國,張令彌;基于Morlet小波濾波提高系統(tǒng)參數(shù)識別精度的方法(英文)[J];Transactions of Nanjing University of Aeronautics & Astronau;2005年03期

7 許麗艷,史桂梅,侯鐵年;基于小波變換的彈射加速度頻譜分析[J];青島大學(xué)學(xué)報(bào)(工程技術(shù)版);2001年01期

8 岳林,張令彌;基于Morlet小波的信號濾波方法及在頻率響應(yīng)測試中的應(yīng)用[J];數(shù)據(jù)采集與處理;2002年04期

9 梁霖,徐光華,侯成剛;基于奇異值分解的連續(xù)小波消噪方法[J];西安交通大學(xué)學(xué)報(bào);2004年09期

10 馬建倉,吳啟彬,薛建武,羅磊;基于小波變換的頻譜細(xì)化分析方法[J];信號處理;1997年03期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 牛大田;計(jì)算大規(guī)模矩陣部分奇異值分解的精化Lanczos型算法[D];大連理工大學(xué);2003年

2 楊宇;基于EMD和支持向量機(jī)的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D];湖南大學(xué);2005年

3 羅光坤;Morlet小波變換理論與應(yīng)用研究及軟件實(shí)現(xiàn)[D];南京航空航天大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 黃媛;改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用研究[D];武漢理工大學(xué);2009年

，

本文編號：584148