本文關鍵詞：非穩(wěn)態(tài)工況下滾動軸承故障特征提取與診斷

  更多相關文章： 滾動軸承 特征提取 FDA EMD 故障診斷

【摘要】：滾動軸承是旋轉機械設備的重要部件之一,其主要功能是為旋轉軸提供一個低摩擦的運行環(huán)境。該部件的損壞可能會導致設備出現(xiàn)嚴重故障,研究滾動軸承的特征提取與在線故障診斷技術顯得尤為重要。旋轉機械設備的啟動、停止以及運轉過程中都會產(chǎn)生不同程度的速度波動和載荷波動,這就使得機械設備運行在非穩(wěn)態(tài)工況下。在該條件下,傳統(tǒng)的時域特征參數(shù)法和頻域特征參數(shù)法并不適用,因此需要尋找能夠解決非穩(wěn)態(tài)工況下滾動軸承故障特征提取與診斷的方法。本文針對非穩(wěn)態(tài)工況條件下的滾動軸承故障診斷問題,提出了三種方法。1.提出了一種基于動態(tài)FDA的故障特征提取方法。該方法通過引入時延窗口方式來捕獲滾動軸承振動信號的周期平穩(wěn)性,再利用FDA建立滾動軸承的故障特征判別空間,并采用k近鄰、SVM和決策樹的方法對故障進行分類。實驗分別采用CWRU和QPZZ-II故障實驗平臺來模擬變載荷和變轉速工況,實驗結果顯示通過適當選取時延量可以有效對各故障狀態(tài)的軸承實現(xiàn)在線故障診斷。2.動態(tài)FDA方法雖然有效但需要選取很大時延量才能完成故障診斷,為減少信息量提出了基于EMD的動態(tài)FDA特征提取方法。該方法利用EMD將一維振動信號分解為多層IMF分量并選取時延量將IMF分量構造成多維動態(tài)矩陣,然后對動態(tài)矩陣進行FDA分析從而構建了特征判別空間。實驗結果表明,該方法能夠利用歷史故障完成變載荷和變轉速工況數(shù)據(jù)的特征提取及在線故障診斷,具有較高的診斷精度。3.針對第二種方法中同類故障的IMF分量具有多子簇問題,提出了基于LPP的局部動態(tài)FDA特征提取算法。該算法通過局部計算類間和類內(nèi)離散度來完成FDA分析,利用由IMF分量構成的多維動態(tài)矩陣來構建特征判別空間。將該方法應用在變載荷和變轉速工況實驗中,通過k近鄰、SVM和決策樹分類方法能夠完成故障的分類識別。較之前兩種方法,該方法具有更強的魯棒性,穩(wěn)定性和更高的診斷精度。
【關鍵詞】：滾動軸承 特征提取 FDA EMD 故障診斷
【學位授予單位】：沈陽航空航天大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TH133.33
【目錄】：

• 摘要6-7
• Abstract7-11
• 第1章 緒論11-18
• 1.1 研究背景和意義11-12
• 1.1.1 課題背景11-12
• 1.1.2 課題研究意義12
• 1.2 國內(nèi)外研究現(xiàn)狀分析12-16
• 1.2.1 發(fā)展歷程12-14
• 1.2.2 研究現(xiàn)狀分析14-16
• 1.3 主要研究內(nèi)容及章節(jié)安排16-18
• 1.3.1 本文主要研究內(nèi)容16
• 1.3.2 論文章節(jié)安排16-18
• 第2章 非穩(wěn)態(tài)工況下振動信號特性分析18-37
• 2.1 滾動軸承基礎理論18-25
• 2.1.1 滾動軸承振動機理18-21
• 2.1.2 滾動軸承主要故障形式21-22
• 2.1.3 滾動軸承失效過程22-25
• 2.2 變載荷非平穩(wěn)工況下振動信號分析25-29
• 2.2.1 CWRU實驗平臺簡介25-26
• 2.2.2 變載荷工況下振動信號分析26-29
• 2.3 變轉速非平穩(wěn)工況下振動信號分析29-35
• 2.3.1 QPZZ-II型實驗平臺簡介29-33
• 2.3.2 變轉速工況下振動信號分析33-35
• 2.4 本章小結35-37
• 第3章 基于動態(tài)FDA的非穩(wěn)態(tài)工況下故障特征提取與診斷37-56
• 3.1 Fisher判別式分析37-41
• 3.1.1 基本原理37-39
• 3.1.2 Fisher故障診斷算法39-41
• 3.2 基于動態(tài)FDA的故障特征提取41-47
• 3.2.1 動態(tài)FDA的建立41
• 3.2.2 Akaike準則二次特征提取41-42
• 3.2.3 故障診斷決策42-45
• 3.2.4 特征提取與診斷決策算法步驟45-47
• 3.3 變載荷工況下實驗仿真分析47-52
• 3.3.1 時延窗口大小對故障診斷性能的影響分析47-51
• 3.3.2 故障診斷性能比較與分析51-52
• 3.4 變轉速工況下實驗仿真分析52-55
• 3.5 本章小結55-56
• 第4章 基于局部動態(tài)FDA的非穩(wěn)態(tài)工況故障特征提取與診斷56-77
• 4.1 經(jīng)驗模態(tài)分解基本理論56-61
• 4.1.1 本征模函數(shù)57
• 4.1.2 經(jīng)驗模態(tài)分解法分解過程57-61
• 4.2 基于EMD-DFDA的故障特征提取及實驗仿真分析61-68
• 4.2.1 算法步驟62-64
• 4.2.2 實驗驗證64-68
• 4.3 基于EMD-LDFDA的故障特征提取及實驗仿真分析68-75
• 4.3.1 LPP基本理論68-69
• 4.3.2 LDFDA算法69-71
• 4.3.3 EMD-LDFDA算法步驟71-73
• 4.3.4 實驗驗證73-75
• 4.4 本章小結75-77
• 結論77-79
• 參考文獻79-82
• 致謝82-83
• 攻讀碩士期間發(fā)表（含錄用）的學術論文83

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 檀何鳳;劉政怡;;模式分類方法比較研究[J];計算機技術與發(fā)展;2015年02期

2 趙曉宇;馬文生;陳照波;;燃氣輪機滾動軸承滾動體磨損故障分析研究[J];機械工程師;2014年05期

3 孟宗;李姍姍;;基于小波改進閾值去噪和HHT的滾動軸承故障診斷[J];振動與沖擊;2013年14期

4 馬倫;康建設;孟妍;呂雷;;基于Morlet小波變換的滾動軸承早期故障特征提取研究[J];儀器儀表學報;2013年04期

5 朱莉;;機械故障快速診斷技術[J];裝備制造技術;2013年04期

6 趙志宏;楊紹普;申永軍;;基于獨立分量分析與相關系數(shù)的機械故障特征提取[J];振動與沖擊;2013年06期

7 劉亭偉;郭瑜;李斌;高艷;;基于譜峭度的滾動軸承故障包絡階比跟蹤分析[J];振動與沖擊;2012年17期

8 周勇;何創(chuàng)新;;基于獨立特征選擇與相關向量機的變載荷軸承故障診斷[J];振動與沖擊;2012年03期

9 張超;陳建軍;郭迅;;基于EMD能量熵和支持向量機的齒輪故障診斷方法[J];振動與沖擊;2010年10期

10 童先群;周忠眉;;基于屬性值信息熵的KNN改進算法[J];計算機工程與應用;2010年03期

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 周長生;齒輪與滾動軸承故障診斷方法的研究及專家系統(tǒng)的建立[D];蘭州理工大學;2007年

，

本文編號：688485