本文關(guān)鍵詞：基于經(jīng)驗?zāi)B(tài)分解的軸承故障診斷系統(tǒng)研究

  更多相關(guān)文章： 經(jīng)驗?zāi)B(tài)分解 思維進化算法 信號去噪 特征提取 軸承故障診斷

【摘要】：軸承是使用最廣泛的機械零件之一,也是最易損傷的部件,因此對其進行故障診斷具有重要的意義。本文針對采集的滾動軸承振動信號進行處理,開發(fā)一個滾動軸承故障診斷平臺。首先,需要對信號進行去噪處理。本文針對傳統(tǒng)經(jīng)驗?zāi)B(tài)分解(EMD)算法直接舍棄高頻IMF分量導(dǎo)致信號失真以及傳統(tǒng)小波閾值直接取高頻小波系數(shù)中值為噪聲方差的算法缺陷,提出基于EMD的小波熵閾值去噪方法。該算法將EMD與小波熵結(jié)合,對目標(biāo)信號EMD分解之后得到的IMF分量進行小波熵閾值去噪,利用小波熵能夠有效地區(qū)分有效信號和噪聲的優(yōu)點,達到在更精細(xì)的尺度上去噪目的目的。其次,需要對去噪后的信號進行特征參數(shù)提取。在振動信號中,某些特征參數(shù)會隨故障類型及故障程度發(fā)生變化,根據(jù)多尺度熵具有在多個尺度上對數(shù)據(jù)復(fù)雜度進行分析的優(yōu)勢、均偏值可以反應(yīng)一組數(shù)據(jù)的總體趨勢和信賴度的優(yōu)點,本文提出基于EMD的多尺度熵均偏值特征提取方法。該方法將信號通過EMD分解為若干個IMF分量后,求解每一個IMF分量對應(yīng)的多尺度熵均偏值,將它們作為信號的特征參數(shù)。再次,需要利用特征參數(shù)對振動信號進行故障模式分類。本文針對傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)利用隨機方式產(chǎn)生初始權(quán)值和初始閾值的方法,導(dǎo)致網(wǎng)絡(luò)易陷入局部極小、網(wǎng)絡(luò)收斂速度慢和結(jié)果不穩(wěn)定等缺陷,以及思維進化算法以隨機的方式產(chǎn)生種群,導(dǎo)致種群散布不均,從而使算法在數(shù)值優(yōu)化部分發(fā)生收斂速度低下、易陷入局部最優(yōu)等問題。提出以混沌函數(shù)替換思維進化算法原有的以隨機方式產(chǎn)生初始種群的方法,將混沌思維進化算法用于對BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和初始閾值進行優(yōu)化。利用EMD多尺度熵均偏值作為特征參數(shù)作為網(wǎng)絡(luò)輸入進行分類測試,分類結(jié)果表明該方法在滾動軸承故障模式分類方面,具有一定的有效性。最后,本文開發(fā)了一個基于LabVIEW的滾動軸承故障診斷平臺,可實現(xiàn)對滾動軸承振動信號進行去噪、特征提取和故障模式分類三個功能。將該平臺對QPZZ-II型試驗平臺采集的滾動軸承振動信號進行故障診斷,測試結(jié)果具有良好的效果。
【關(guān)鍵詞】：經(jīng)驗?zāi)B(tài)分解 思維進化算法 信號去噪 特征提取 軸承故障診斷
【學(xué)位授予單位】：東北石油大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TH133.3
【目錄】：

• 摘要4-5
• ABSTRACT5-7
• 創(chuàng)新點摘要7-11
• 第一章 緒論11-16
• 1.1 課題研究的背景和意義11
• 1.2 滾動軸承故障診斷的發(fā)展現(xiàn)狀11-13
• 1.2.1 旋轉(zhuǎn)機械振動信號去噪的研究現(xiàn)狀12
• 1.2.2 故障診斷特征提取的研究現(xiàn)狀12
• 1.2.3 故障模式識別的研究現(xiàn)狀12-13
• 1.3 滾動軸承失效形式13-14
• 1.3.1 滾動軸承的基本結(jié)構(gòu)13
• 1.3.2 滾動軸承的失效形式13-14
• 1.4 旋轉(zhuǎn)機械故障模擬試驗平臺QPPZ-II14-15
• 1.5 本文研究內(nèi)容及章節(jié)安排15-16
• 第二章 基于經(jīng)驗?zāi)B(tài)分解的小波熵閾值去噪16-23
• 2.1 EMD基本原理16-17
• 2.1.1 EMD分解與重構(gòu)16-17
• 2.1.2 EMD閾值去噪算法17
• 2.2 基于EMD的小波熵閾值去噪方法17-19
• 2.2.1 改進的基本思想17-18
• 2.2.2 小波熵的計算方法18
• 2.2.3 閾值的計算18-19
• 2.2.4 閾值函數(shù)的選取19
• 2.3 基于EMD的小波熵閾值去噪算法步驟19
• 2.4 仿真與實驗19-22
• 2.4.1 仿真信號去噪效果對比19-21
• 2.4.2 滾動軸承信號去噪21-22
• 2.5 本章小結(jié)22-23
• 第三章 基于EMD多尺度熵均偏值的滾動軸承特征提取23-31
• 3.1 樣本熵的定義及算法23-24
• 3.1.1 樣本熵23
• 3.1.2 參數(shù)選擇23-24
• 3.2 多尺度熵及多尺度熵均偏值的定義及算法24-25
• 3.2.1 多尺度熵24-25
• 3.2.2 多尺度熵均偏值算法描述25
• 3.3 基于EMD多尺度熵均偏值的滾動軸承特征提取步驟25-26
• 3.4 實際軸承信號的特征提取研究26-27
• 3.5 基于BP神經(jīng)網(wǎng)絡(luò)的實驗效果驗證27-30
• 3.5.1 BP網(wǎng)絡(luò)結(jié)構(gòu)27-28
• 3.5.2 BP神經(jīng)網(wǎng)絡(luò)故障診斷模型建立28-29
• 3.5.3 實際信號的時域特征參數(shù)值在BP神經(jīng)網(wǎng)絡(luò)的分類驗證29-30
• 3.5.4 實際信號的PMME值在BP神經(jīng)網(wǎng)絡(luò)的分類驗證30
• 3.6 本章小結(jié)30-31
• 第四章 混沌思維進化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的故障診斷分類31-44
• 4.1 BP網(wǎng)絡(luò)訓(xùn)練過程31-32
• 4.2 思維進化算法32-35
• 4.2.1 思維進化算法的基本原理33-34
• 4.2.2 混沌思維進化算法34-35
• 4.2.3 混沌思維進化算法流程35
• 4.3 混沌思維進化算法的BP神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化35-37
• 4.3.1 混沌思維進化算法35-36
• 4.3.2 改進思維進化算法對BP神經(jīng)網(wǎng)絡(luò)的參數(shù)優(yōu)化36-37
• 4.4 算法性能測試實驗37-41
• 4.4.1 測試函數(shù)的選擇37-39
• 4.4.2 測試結(jié)果分析39-41
• 4.5 基于混沌思維進化算法的BP神經(jīng)網(wǎng)絡(luò)故障診斷41-43
• 4.6 本章小結(jié)43-44
• 第五章 滾動軸承故障診斷系統(tǒng)設(shè)計與開發(fā)44-51
• 5.1 開發(fā)平臺軟件簡介44
• 5.2 系統(tǒng)總體方案設(shè)計44-45
• 5.3 故障診斷系統(tǒng)各模塊研制45-50
• 5.3.1 歡迎界面的設(shè)計45-46
• 5.3.2 采集信號的回放模塊設(shè)計46
• 5.3.3 時域特征參數(shù)提取模塊的設(shè)計46-47
• 5.3.4 頻域特征分析模塊的設(shè)計47-48
• 5.3.5 EMD小波熵閾值去噪模塊的設(shè)計48-49
• 5.3.6 基于Hilbert的共振解調(diào)特征分析模塊的設(shè)計49
• 5.3.7 EMD多尺度熵均偏值特征提取模塊的設(shè)計49-50
• 5.3.8 混沌思維進化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)故障分類模塊的設(shè)計50
• 5.4 本章小結(jié)50-51
• 結(jié)論51-52
• 參考文獻52-55
• 發(fā)表文章目錄55-56
• 致謝56-57

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 宋立新;王祁;王玉靜;梁X;;具有間斷事件檢測和分離的經(jīng)驗?zāi)B(tài)分解方法[J];哈爾濱工程大學(xué)學(xué)報;2007年02期

2 劉小峰;秦樹人;柏林;;基于小波包的經(jīng)驗?zāi)B(tài)分解法的研究及應(yīng)用[J];中國機械工程;2007年10期

3 楊智春;譚光輝;;一種基于樣條插值的經(jīng)驗?zāi)B(tài)分解改進算法[J];西北工業(yè)大學(xué)學(xué)報;2007年05期

4 張西良;萬學(xué)功;李萍萍;張建;徐云峰;;動態(tài)稱量經(jīng)驗?zāi)B(tài)分解數(shù)據(jù)處理方法[J];江蘇大學(xué)學(xué)報(自然科學(xué)版);2008年06期

5 周志峰;蔡萍;;基于經(jīng)驗?zāi)B(tài)分解的汽車軸重估計(英文)[J];Journal of Shanghai University(English Edition);2008年01期

6 李洪;郝豪豪;孫云蓮;;具有獨立分量的經(jīng)驗?zāi)B(tài)分解算法研究[J];哈爾濱工業(yè)大學(xué)學(xué)報;2009年07期

7 林玉榮;王強;;基于一維經(jīng)驗?zāi)B(tài)分解的圖像細(xì)節(jié)提取方法[J];吉林大學(xué)學(xué)報(工學(xué)版);2011年06期

8 盧珍;;關(guān)于經(jīng)驗?zāi)B(tài)分解與整體經(jīng)驗?zāi)B(tài)分解的分離效果差別的探討[J];科學(xué)技術(shù)與工程;2011年33期

9 鐘佑明;趙強;周建庭;;實時經(jīng)驗?zāi)B(tài)分解的實現(xiàn)方法[J];振動.測試與診斷;2012年01期

10 劉海波;趙宇凌;;集合經(jīng)驗?zāi)B(tài)分解的穩(wěn)健濾波方法研究[J];振動與沖擊;2013年08期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 秦毅;秦樹人;毛永芳;;正交經(jīng)驗?zāi)B(tài)分解及其快速實現(xiàn)[A];第九屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文摘要集[C];2007年

2 秦毅;秦樹人;毛永芳;;正交經(jīng)驗?zāi)B(tài)分解及其快速實現(xiàn)[A];第九屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文集[C];2007年

3 楊永鋒;;經(jīng)驗?zāi)B(tài)分解與非線性分析的協(xié)同研究[A];第四屆全國動力學(xué)與控制青年學(xué)者研討會論文摘要集[C];2010年

4 侯文文;鄒俊忠;劉未來;;基于經(jīng)驗?zāi)B(tài)分解的眼電偽差去除研究[A];上海市化學(xué)化工學(xué)會2010年度學(xué)術(shù)年會論文集（自動化專題）[C];2010年

5 李關(guān)防;許春雷;惠俊英;;基于經(jīng)驗?zāi)B(tài)分解的特征提取算法研究[A];中國造船工程學(xué)會電子技術(shù)學(xué)術(shù)委員會2011年海戰(zhàn)場電子信息技術(shù)學(xué)術(shù)年會論文集[C];2011年

6 薛志宏;李廣云;周蓉;;一種基于經(jīng)驗?zāi)B(tài)分解的信號降噪方法[A];全國工程測量2012技術(shù)研討交流會論文集[C];2012年

7 張飛漣;劉嚴(yán)萍;;經(jīng)驗?zāi)B(tài)分解與神經(jīng)網(wǎng)絡(luò)方法在降水預(yù)測領(lǐng)域的應(yīng)用研究[A];中國系統(tǒng)工程學(xué)會第十八屆學(xué)術(shù)年會論文集——A01系統(tǒng)工程[C];2014年

8 康春玉;章新華;;一種基于經(jīng)驗?zāi)B(tài)分解的信號降噪方法[A];中國聲學(xué)學(xué)會2007年青年學(xué)術(shù)會議論文集（下）[C];2007年

9 辛鵬;辛雷;蔡國偉;李曉琦;;一種基于經(jīng)驗?zāi)B(tài)分解與支持向量機的電力系統(tǒng)短期負(fù)荷預(yù)測新方法[A];第十一屆全國電工數(shù)學(xué)學(xué)術(shù)年會論文集[C];2007年

10 郝文峰;駱英;顧建祖;;基于經(jīng)驗?zāi)B(tài)分解-支持向量機的玻璃幕墻開膠損傷預(yù)測研究[A];中國力學(xué)學(xué)會學(xué)術(shù)大會'2009論文摘要集[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 黎恒;經(jīng)驗?zāi)B(tài)分解中關(guān)鍵問題的優(yōu)化理論與方法研究[D];西安電子科技大學(xué);2016年

2 葛光濤;二維經(jīng)驗?zāi)B(tài)分解研究及其在圖像處理中的應(yīng)用[D];哈爾濱工程大學(xué);2009年

3 孫暉;經(jīng)驗?zāi)B(tài)分解理論與應(yīng)用研究[D];浙江大學(xué);2005年

4 張繼紅;經(jīng)驗?zāi)B(tài)分解及徑向基函數(shù)的一些應(yīng)用研究[D];大連理工大學(xué);2012年

5 熊衛(wèi)華;經(jīng)驗?zāi)B(tài)分解方法及其在變壓器狀態(tài)監(jiān)測中的應(yīng)用研究[D];浙江大學(xué);2006年

6 楊賢昭;基于經(jīng)驗?zāi)B(tài)分解的故障診斷方法研究[D];武漢科技大學(xué);2012年

7 高靜;經(jīng)驗?zāi)B(tài)分解的改進方法及應(yīng)用研究[D];北京理工大學(xué);2014年

8 陳志剛;經(jīng)驗?zāi)B(tài)分解與Savitzky-Golay方法的自適應(yīng)遙感影像融合[D];華東師范大學(xué);2010年

9 周義;快速二維經(jīng)驗?zāi)B(tài)分解和相位追蹤方法及其在導(dǎo)波無損檢測中的應(yīng)用[D];上海交通大學(xué);2014年

10 石志曉;時頻聯(lián)合分析方法在參數(shù)識別中的應(yīng)用[D];大連理工大學(xué);2005年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 史玉君;基于經(jīng)驗?zāi)B(tài)分解的眼電偽跡去除方法的研究[D];蘭州大學(xué);2015年

2 梁江海;基于經(jīng)驗?zāi)B(tài)分解的通信信號細(xì)微特征分析[D];國防科學(xué)技術(shù)大學(xué);2013年

3 趙強;基于EMD的齒輪故障診斷技術(shù)研究[D];東北石油大學(xué);2015年

4 熊偉;試車臺振動測試系統(tǒng)的關(guān)鍵技術(shù)研究[D];河南工業(yè)大學(xué);2015年

5 陳凱;快速非平穩(wěn)信號分析診斷與應(yīng)用[D];上海交通大學(xué);2015年

6 楊U唝~;基于經(jīng)驗?zāi)B(tài)分解的城市供水水質(zhì)異常事件檢測方法研究[D];浙江大學(xué);2016年

7 郭學(xué)雯;利用經(jīng)驗?zāi)B(tài)分解方法研究新型熱中子探測器數(shù)據(jù)周期性[D];河北師范大學(xué);2016年

8 楊勤甜;基于經(jīng)驗?zāi)B(tài)分解和粗糙集屬性約簡的超聲缺陷信號分類識別研究[D];南昌航空大學(xué);2016年

9 李超;透平機組故障特征提取技術(shù)研究與系統(tǒng)開發(fā)[D];天津工業(yè)大學(xué);2016年

10 盧丹丹;基于EEMD的CPI與PPI關(guān)系的結(jié)構(gòu)分析及傳導(dǎo)機制研究[D];暨南大學(xué);2016年

，

本文編號：728487