本文關(guān)鍵詞：基于非線性分析的故障特征提取及識別方法研究

  更多相關(guān)文章： 隨機共振 混沌振子 局部保持投影 粒子群優(yōu)化 故障診斷

【摘要】：為有效提取故障信號特征,實現(xiàn)設(shè)備故障診斷與識別,本論文以滾動軸承和齒輪為研究對象,開展了基于隨機共振和混沌振子的非線性故障特征提取方法及基于改進(jìn)局部保持投影的故障模式識別方法研究。具體內(nèi)容如下：(1)研究了基于隨機共振的非線性故障特征提取方法。針對隨機共振方法只適合于處理低頻率信號成分的問題,引入了移頻變尺度隨機共振,通過頻率移動和尺度變換將特征頻率成分轉(zhuǎn)換為滿足隨機共振要求的低頻率成分。針對隨機共振的系統(tǒng)結(jié)構(gòu)參數(shù)難以確定的問題,提出了基于粒子群優(yōu)化的移頻變尺度隨機共振方法,將能量比設(shè)置為適應(yīng)度函數(shù),通過粒子群算法對隨機共振的結(jié)構(gòu)參數(shù)進(jìn)行尋優(yōu),從而得到最優(yōu)的隨機共振輸出信號。將所提出的方法應(yīng)用于滾動軸承典型故障信號的特征提取,結(jié)果表明經(jīng)該方法處理后信號的信噪比有了明顯的提升。(2)研究了基于混沌振子的非線性故障信號檢測方法。提出了一種混沌振子策動力臨界值的確定方法,該方法首先計算出不同策動力下混沌振子輸出相圖中原點附近的相點的個數(shù),然后找到相點個數(shù)的突變點,突變點處的策動力的值即為策動力的臨界值,仿真信號驗證了該方法的有效性。將基于該方法的混沌振子檢測法應(yīng)用于滾動軸承外圈、內(nèi)圈和滾動體等典型故障信號檢測,結(jié)果表明該方法能夠有效地檢測軸承故障信號。(3)研究了基于局部保持投影的故障模式識別方法。針對傳統(tǒng)的局部保持投影沒有有效利用樣本類別信息而造成的聚類效果不佳的缺點,提出了一種基于類別信息的改進(jìn)的局部保持投影算法,改善了聚類效果。基于改進(jìn)的局部保持投影,提出了一種故障模式識別方法,選擇時域參數(shù)和小波包能量參數(shù)作為信號的特征參數(shù),然后利用改進(jìn)的局部保持投影對高維特征參數(shù)進(jìn)行降維,最后通過歐氏距離來判別信號的狀態(tài)。將所提出的方法應(yīng)用于滾動軸承和齒輪的故障模式識別,結(jié)果表明該方法能有效識別故障狀態(tài)。
【關(guān)鍵詞】：隨機共振 混沌振子 局部保持投影 粒子群優(yōu)化 故障診斷
【學(xué)位授予單位】：北京化工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TH17
【目錄】：

• 摘要4-6
• ABSTRACT6-13
• 第一章 緒論13-21
• 1.1 課題研究背景及意義13-14
• 1.2 國內(nèi)外研究現(xiàn)狀14-18
• 1.2.1 非線性特征提取方法國內(nèi)外研究現(xiàn)狀14-16
• 1.2.2 故障識別方法國內(nèi)外研究現(xiàn)狀16-18
• 1.3 課題來源及主要研究內(nèi)容18-19
• 1.4 論文結(jié)構(gòu)安排19-21
• 第二章 基于隨機共振的故障特征提取方法21-47
• 2.1 隨機共振的基本原理及仿真21-24
• 2.2 移頻變尺度隨機共振的基本原理及仿真24-28
• 2.3 粒子群優(yōu)化的移頻變尺度隨機共振28-31
• 2.3.1 粒子群算法29
• 2.3.2 基于粒子群優(yōu)化的移頻變尺度隨機共振29-31
• 2.4 方法驗證與分析31-45
• 2.4.1 實驗條件31-33
• 2.4.2 驗證結(jié)果及分析33-45
• 2.5 本章小結(jié)45-47
• 第三章 基于混沌振子的故障信號檢測方法47-65
• 3.1 混沌振子的基本原理及仿真47-49
• 3.2 策動力臨界值確定方法研究49-52
• 3.3 方法驗證與分析52-64
• 3.3.1 實驗條件52-54
• 3.3.2 驗證結(jié)果及分析54-64
• 3.4 本章小結(jié)64-65
• 第四章 基于局部保持投影的故障識別方法65-85
• 4.1 局部保持投影的基本原理65-66
• 4.2 基于改進(jìn)的局部保持投影的故障診斷模型66-70
• 4.2.1 改進(jìn)的局部保持投影66-67
• 4.2.2 特征參數(shù)的選取67-69
• 4.2.3 基于改進(jìn)的局部保持投影的故障診斷模型69-70
• 4.3 方法驗證與分析70-83
• 4.3.1 滾動軸承信號驗證70-79
• 4.3.2 齒輪信號驗證79-83
• 4.4 本章小結(jié)83-85
• 第五章 結(jié)論與展望85-87
• 5.1 研究成果總結(jié)85-86
• 5.2 后續(xù)研究方向86-87
• 參考文獻(xiàn)87-93
• 致謝93-95
• 研究成果及發(fā)表的學(xué)術(shù)論文95-97
• 作者和導(dǎo)師簡介97-98
• 附件98-99

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳岳東，屈梁生;回轉(zhuǎn)機械的故障特征提取與分類[J];機械工程學(xué)報;1994年S1期

2 高正明;何彬;趙娟;裴永泉;左廣霞;;常用故障特征提取方法[J];機床與液壓;2009年12期

3 李兆飛;柴毅;李華鋒;;多重分形的振動信號故障特征提取方法[J];數(shù)據(jù)采集與處理;2013年01期

4 韓立靜;徐金梧;陽建宏;黎敏;;基于灰度擊中擊不中變換的故障特征提取方法[J];北京科技大學(xué)學(xué)報;2012年07期

5 李輝,宋智勇,孫豐瑞;基于小波包-包絡(luò)分析的故障特征提取方法[J];振動、測試與診斷;2003年04期

6 李學(xué)軍;廖傳軍;褚福磊;;適于聲發(fā)射信號故障特征提取的小波函數(shù)[J];機械工程學(xué)報;2008年03期

7 梅檢民;肖云魁;賈繼德;趙慧敏;陳祥龍;喬龍;;基于改進(jìn)階比的變速器微弱故障特征提取[J];振動工程學(xué)報;2012年03期

8 任立通;胡金海;謝壽生;王磊;苗卓廣;;基于隨機共振預(yù)處理的振動故障特征提取研究[J];振動與沖擊;2014年02期

9 陳長征,羅躍綱,張省,虞和濟(jì);基于小波分析的機械故障特征提取研究[J];機械強度;2001年01期

10 郝志華;馬孝江;;高階非線性時頻表示在故障特征提取中的應(yīng)用[J];農(nóng)業(yè)機械學(xué)報;2006年02期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 趙志宏;楊紹普;;一種基于ICA的機械故障特征提取方法[A];機械動力學(xué)理論及其應(yīng)用[C];2011年

2 潘宏俠;黃晉英;毛鴻偉;劉振旺;;基于粒子群優(yōu)化的故障特征提取技術(shù)研究[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

3 朱啟兵;楊慧中;;基于卷積型小波包奇異值分解的齒輪故障特征提取[A];第二十七屆中國控制會議論文集[C];2008年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 蔣超;基于EEMD與MED的沖擊信號自適應(yīng)故障特征提取方法[D];上海大學(xué);2016年

2 程發(fā)斌;面向機械故障特征提取的混合時頻分析方法研究[D];重慶大學(xué);2007年

3 馮坤;基于內(nèi)積變換的機械故障特征提取原理與早期識別方法研究[D];北京化工大學(xué);2012年

4 李加慶;基于聲全息的故障特征提取技術(shù)研究[D];上海交通大學(xué);2008年

5 趙玲;旋轉(zhuǎn)機械系統(tǒng)故障特征提取中的分形方法研究[D];重慶大學(xué);2010年

6 陳建國;基于獨立分量分析的機械故障特征提取及分類方法研究[D];大連理工大學(xué);2011年

7 李兆飛;振動故障分形特征提取及診斷方法研究[D];重慶大學(xué);2013年

8 鞠萍華;旋轉(zhuǎn)機械早期故障特征提取的時頻分析方法研究[D];重慶大學(xué);2010年

9 趙志宏;基于振動信號的機械故障特征提取與診斷研究[D];北京交通大學(xué);2012年

10 趙鵬;離心泵振動故障診斷方法研究及系統(tǒng)實現(xiàn)[D];華北電力大學(xué)（北京）;2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 薄瑞瑞;基于LMD的振動信號處理及故障特征提取研究[D];內(nèi)蒙古大學(xué);2015年

2 凡非龍;旋轉(zhuǎn)機械故障診斷與現(xiàn)場動平衡系統(tǒng)研發(fā)[D];浙江大學(xué);2015年

3 屈紅偉;基于LMD的故障特征提取方法及動平衡技術(shù)研究[D];北京化工大學(xué);2015年

4 李嶺陽;基于非線性分析的故障特征提取及識別方法研究[D];北京化工大學(xué);2016年

5 沈金理;機械裝備連接松動故障特征提取方法的研究[D];東華大學(xué);2013年

6 李敏;基于譜融合的管道故障特征提取方法研究[D];北京化工大學(xué);2011年

7 易雄;基于小波分析的機械故障特征提取與診斷技術(shù)研究[D];浙江工業(yè)大學(xué);2009年

8 鐘曉平;氣象衛(wèi)星運動部件故障特征提取及振動特性研究[D];上海交通大學(xué);2009年

9 宋震;柴油機典型故障特征提取與診斷研究[D];天津大學(xué);2013年

10 王澤棟;鉆井泵閥的故障特征提取與基于GSM的遠(yuǎn)程故障報警儀[D];北京化工大學(xué);2008年

，

本文編號：825103