旋轉(zhuǎn)機械故障識別與智能診斷研究
本文關(guān)鍵詞:旋轉(zhuǎn)機械故障識別與智能診斷研究
更多相關(guān)文章: 旋轉(zhuǎn)機械 經(jīng)驗?zāi)J椒纸?/b> 端點效應(yīng) 第二代小波分解 支持向量機
【摘要】:旋轉(zhuǎn)機械內(nèi)部結(jié)構(gòu)復雜,涉及到較多零部件。其中最容易發(fā)生故障的旋轉(zhuǎn)類機械部件故障占設(shè)備總體故障比例的70%,而其中齒輪工況問題引起的旋轉(zhuǎn)機械故障占六成。運行中的旋轉(zhuǎn)機械的振動信號有非周期、非平穩(wěn)特性,傳統(tǒng)的分析方法有較低故障提取和故障診斷的效率。如何有效提取信息并且進行故障診斷變得尤為重要,因此,文中的主要研究內(nèi)容如下:首先,以旋轉(zhuǎn)機械常見故障類型為例介紹故障診斷產(chǎn)生的原因,介紹了齒輪振動機理。并介紹了搭建變速器故障試驗臺和減速機故障試驗臺的所需設(shè)備。介紹了振動信號常用的分析方法。其次,介紹了經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)算法,并介紹了平均經(jīng)驗?zāi)B(tài)分解(Ensemble Empirical Mode Decomposition,EEMD)算法與EMD算法的關(guān)聯(lián)性,以及在模糊熵情況下提取故障特征向量,并進行變速器故障診斷研究。然后,介紹了EMD算法中產(chǎn)生端點效應(yīng)原因,在端點問題下形成IMF分量造成不正常的情況。研究了廣義回歸神經(jīng)網(wǎng)絡(luò)(Generalized Regression Neural Network,GRNN)算法以及GRNN在端點預測中的應(yīng)用,又研究了邊界局部特征尺度延拓法(Boundary Local Characteristic-scale Continuation,BLCC)以及優(yōu)化方法并融合于EMD算法。并對比未采用優(yōu)化算法情況下,對優(yōu)化變速器故障數(shù)據(jù)的優(yōu)勢。再次,介紹了小波分析理論和第二代小波理論,研究了相鄰系數(shù)降噪法原理,以及融合于第二代小波分解。將研究的方法應(yīng)用于減速機故障實驗數(shù)據(jù),在減速機中的故障特征頻率容易提取。最后,介紹了支持向量機(Support Vector Machine,SVM)原理、線性支持向量機原理和非線性支持向量機原理。介紹支持向量機核函數(shù)的選擇,并采用遺傳算法獲取核函數(shù)參數(shù)的優(yōu)勢,研究結(jié)合SVM在小樣本上分類的不錯效果。將本文中討論的算法應(yīng)用于變速器和減速機為對象的旋轉(zhuǎn)機械故障實驗,并進行智能診斷。
【關(guān)鍵詞】:旋轉(zhuǎn)機械 經(jīng)驗?zāi)J椒纸?/strong> 端點效應(yīng) 第二代小波分解 支持向量機
【學位授予單位】:中國計量學院
【學位級別】:碩士
【學位授予年份】:2015
【分類號】:TH17
【目錄】:
- 致謝5-6
- 摘要6-7
- Abstract7-15
- 1 緒論15-20
- 1.1 研究背景及意義15
- 1.2 國內(nèi)外研究現(xiàn)狀15-17
- 1.3 旋轉(zhuǎn)機械故障診斷技術(shù)17-19
- 1.3.1 故障提取方法17-18
- 1.3.2 模式識別方法18-19
- 1.4 本文主要研究內(nèi)容19-20
- 2 旋轉(zhuǎn)機械常見故障及分析方法20-36
- 2.1 故障診斷與產(chǎn)生原因20-21
- 2.2 齒輪的振動產(chǎn)生機理21-22
- 2.3 實驗平臺搭建22-29
- 2.3.1 共用實驗設(shè)備22-23
- 2.3.2 變速器試驗臺23-27
- 2.3.3 減速機試驗臺27-29
- 2.4 振動信號分析方法29-35
- 2.4.1 時域統(tǒng)計參數(shù)29-32
- 2.4.2 時頻分析32-35
- 2.5 本章小結(jié)35-36
- 3 經(jīng)驗?zāi)J椒纸猓‥MD)在變速器試驗臺的應(yīng)用36-50
- 3.1 EMD基本概念36-39
- 3.1.1 解析信號36-37
- 3.1.2 瞬時頻率37-38
- 3.1.3 本征模態(tài)函數(shù)38-39
- 3.2 EMD原理39-42
- 3.3 EEMD原理42-44
- 3.3.1 模糊熵概念43-44
- 3.4 基于EEMD算法的變速器故障實驗44-49
- 3.5 本章小結(jié)49-50
- 4 EMD端點效應(yīng)的優(yōu)化及其在變速器中的應(yīng)用50-65
- 4.1 EMD端點效應(yīng)現(xiàn)象50-51
- 4.2 端點效應(yīng)的優(yōu)化51-57
- 4.2.1 GRNN延拓法51-54
- 4.2.2 BLCC延拓算法54-56
- 4.2.3 拼接入EMD優(yōu)化端點效應(yīng)56-57
- 4.3 基于優(yōu)化后的EMD的變速器故障實驗57-64
- 4.3.1 仿真實驗57-61
- 4.3.2 實測實驗61-64
- 4.4 本章小結(jié)64-65
- 5 提升小波的優(yōu)化及其在減速機試驗臺的應(yīng)用65-83
- 5.1 小波分析理論65-69
- 5.1.1 傅里葉變換65-66
- 5.1.2 小波變換基礎(chǔ)66-67
- 5.1.3 連續(xù)小波變換67-69
- 5.2 第二代小波理論69-71
- 5.2.1 第二代小波原理69-70
- 5.2.2 預測器與更新器70-71
- 5.3 相鄰系數(shù)方法降噪71-72
- 5.4 基于優(yōu)化后的提升小波在減速機中故障特征提取72-82
- 5.4.1 仿真實驗72-76
- 5.4.2 實測實驗76-82
- 5.5 本章小結(jié)82-83
- 6 基于支持向量機的旋轉(zhuǎn)機械智能診斷研究83-97
- 6.1 支持向量機理論83-89
- 6.1.1 線性支持向量機83-86
- 6.1.2 非線性支持向量機86-88
- 6.1.3 核函數(shù)與支持向量機參數(shù)88-89
- 6.2 基于遺傳算法的支持向量機89-91
- 6.3 GA-SVM應(yīng)用旋轉(zhuǎn)機械故障診斷91-96
- 6.4 本章小結(jié)96-97
- 7 總結(jié)與展望97-99
- 7.1 全文總結(jié)97-98
- 7.2 展望98-99
- 參考文獻99-103
- 作者簡歷103
【相似文獻】
中國期刊全文數(shù)據(jù)庫 前10條
1 陳先利;韓捷;李志農(nóng);;全矢譜及其新方法在旋轉(zhuǎn)機械故障中的應(yīng)用[J];現(xiàn)代制造技術(shù)與裝備;2007年04期
2 于海蛟;;旋轉(zhuǎn)機械故障產(chǎn)生的原因分析[J];湖南造紙;2011年02期
3 覃愛淞;張清華;李鐵鷹;胡勤;;復合無量綱指標在旋轉(zhuǎn)機械故障分類中的應(yīng)用[J];現(xiàn)代制造工程;2013年04期
4 李貴三,張正松,唐錫寬;旋轉(zhuǎn)機械故障模糊診斷模型新探[J];振動、測試與診斷;1991年02期
5 汪家銘;多通道旋轉(zhuǎn)機械故障診斷儀[J];機械與電子;1994年06期
6 陳春天;旋轉(zhuǎn)機械故障監(jiān)測診斷系統(tǒng)的研究[J];機械工程師;1997年05期
7 孫穎;;旋轉(zhuǎn)機械故障的研究及常見故障[J];知識經(jīng)濟;2010年16期
8 顧超華,汪希萱,,童水光;實現(xiàn)旋轉(zhuǎn)機械故障在線閉環(huán)消除的探討[J];動力工程;1996年03期
9 羅躍綱,陳長征;旋轉(zhuǎn)機械故障的灰色網(wǎng)絡(luò)診斷分析[J];風機技術(shù);2001年04期
10 路連;葛安華;;旋轉(zhuǎn)機械故障監(jiān)測試驗系統(tǒng)開發(fā)與應(yīng)用的研究[J];機械工程師;2009年10期
中國重要會議論文全文數(shù)據(jù)庫 前3條
1 朱春梅;徐小力;;基于小波理論的旋轉(zhuǎn)機械故障信號降噪技術(shù)研究[A];北京機械工程學會2012年優(yōu)秀論文評選論文集[C];2012年
2 莫琦;陳立定;;小波包在旋轉(zhuǎn)機械故障振動信號處理中的應(yīng)用[A];04'中國企業(yè)自動化和信息化建設(shè)論壇暨中南六省區(qū)自動化學會學術(shù)年會專輯[C];2004年
3 段曉鋼;殷u&;劉德武;;旋轉(zhuǎn)機械故障在線監(jiān)測與診斷的研究與應(yīng)用[A];1993中國控制與決策學術(shù)年會論文集[C];1993年
中國博士學位論文全文數(shù)據(jù)庫 前6條
1 許同樂;基于多路傳感器信息融合的旋轉(zhuǎn)機械故障診斷方法研究[D];北京郵電大學;2012年
2 楊宇;基于EMD和支持向量機的旋轉(zhuǎn)機械故障診斷方法研究[D];湖南大學;2005年
3 任達千;基于局域均值分解的旋轉(zhuǎn)機械故障特征提取方法及系統(tǒng)研究[D];浙江大學;2008年
4 呂蓬;旋轉(zhuǎn)機械故障模式識別方法研究[D];華北電力大學(北京);2010年
5 蔣玲莉;基于核方法的旋轉(zhuǎn)機械故障診斷技術(shù)與模式分析方法研究[D];中南大學;2010年
6 焦衛(wèi)東;基于獨立分量分析的旋轉(zhuǎn)機械故障診斷方法研究[D];浙江大學;2003年
本文編號:687979
本文鏈接:http://sikaile.net/jixiegongchenglunwen/687979.html