本文關鍵詞：小波分析在電機故障信號預處理中的應用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：滾動軸承廣泛應用于工業(yè)生產(chǎn)設備中,是大型旋轉(zhuǎn)機械設備必不可缺的重要部件,其運行狀態(tài)直接關系著整個生產(chǎn)系統(tǒng)是否能夠安全穩(wěn)定的運行。為了避免事故的發(fā)生和經(jīng)濟損失,為此對滾動軸承進行狀態(tài)監(jiān)測和故障診斷具有極其重要的意義。滾動軸承的信號預處理(降噪)是故障特征提取算法的前一步,也是直接影響故障診斷結(jié)果準確性的關鍵環(huán)節(jié)。本文對小波閾值去噪算法中閾值和閾值函數(shù)選取算法進行了改進和優(yōu)化,并將改進的算法應用于電機故障振動信號處理過程中,使其達到提高軸承去噪效果、更容易識別故障原因和類型的目的。針對采集的電機振動信號中夾雜著噪聲干擾的問題,提出一種基于貝葉斯估計小波收縮新閾值的電機振動信號降噪方法和自適應小波閾值降噪方法,新閾值的選取考慮了振動信號經(jīng)小波變換后在不同尺度上的去噪特性,更符合噪聲在各層中的分布情況;改進閾值函數(shù)對振動信號進行降噪處理,較好地彌補了傳統(tǒng)閾值函數(shù)的缺陷,保證了閾值函數(shù)的連續(xù)性,并且可以靈活調(diào)節(jié)閾值以適應不同噪聲情況,同時解決了傳統(tǒng)閾值函數(shù)帶來的偏差問題,更好地保護了含噪信號的有用信息。通過對模擬含噪信號和實采的電機振動信號的降噪處理,然后以互相關系數(shù)和峭度準則提取經(jīng)EMD分解降噪信號的分量,突出高頻共振部分,避免了IMF分量選擇的盲目性。實驗結(jié)果表明該方法能有效降低含噪信號的噪聲干擾,并且可以準確地監(jiān)測出設備故障類型。本文利用MATLAB軟件對實驗數(shù)據(jù)進行實驗仿真,實驗結(jié)果表明:軸承故障振動信號經(jīng)過改進小波閾值降噪結(jié)合EMD分解,利用峭度值與互相關系數(shù)準則的篩選故障特征明顯的IMF分量,對該IMF分量進行包絡譜分析可以在其包譜中明顯的發(fā)現(xiàn)故障特征頻率,進而判斷滾動軸承發(fā)生故障類型。
【關鍵詞】：故障診斷 小波分析 閾值 經(jīng)驗模態(tài)分解 滾動軸承 振動分析
【學位授予單位】：遼寧科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TM307.1
【目錄】：

• 中文摘要5-6
• ABSTRACT6-10
• 1.緒論10-18
• 1.1 選題背景及意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-14
• 1.3 研究概述14
• 1.4 電機故障診斷流程14-15
• 1.5 電機故障診斷常用研究方法15-16
• 1.6 電機故障診斷技術的發(fā)展變化趨勢16-17
• 1.7 內(nèi)容安排17-18
• 2.滾動軸承振動原理與故障成因分析18-24
• 2.1 滾動軸承的故障類型及成因19-20
• 2.2 滾動軸承振動故障頻率計算20-21
• 2.3 滾動軸承的固有頻率21-22
• 2.4 實驗所使用的故障數(shù)據(jù)的描述22-23
• 2.5 本章總結(jié)23-24
• 3.小波變換與經(jīng)驗模態(tài)分解分解的理論基礎24-36
• 3.1 傅里葉變換24
• 3.2 小波分析24-33
• 3.2.1 連續(xù)小波變換25-26
• 3.2.2 離散小波變換26
• 3.2.3 多分辨率分析及Mallat算法26-28
• 3.2.4 常用小波函數(shù)簡介28-32
• 3.2.5 基于小波變換的閾值降噪法32-33
• 3.3 本征模態(tài)函數(shù)33
• 3.4 EMD算法的基本原理33-35
• 3.4.1 EMD算法的分解步驟34-35
• 3.5 本章總結(jié)35-36
• 4.改進小波閾值與閾值函數(shù)降噪算法研究36-52
• 4.1 引言36
• 4.2 小波閾值降噪36-37
• 4.2.1 小波閾值降噪的步驟36-37
• 4.3 傳統(tǒng)閾值降噪方法37-39
• 4.3.1 閾值的選取37-38
• 4.3.2 閾值函數(shù)的選取38-39
• 4.4 傳統(tǒng)小波閾值降噪方法的缺陷分析39
• 4.5 改進閾值算法39-42
• 4.5.1 貝葉斯閾值39-41
• 4.5.2 自適應閾值選取方法一41-42
• 4.5.3 自適應閾值選取方法二42
• 4.6 改進閾值函數(shù)42-44
• 4.7 改進閾值函數(shù)可行性分析44-45
• 4.8 算法驗證45-51
• 4.8.1 改進閾值選取算法驗證45-49
• 4.8.2 改進閾值函數(shù)算法驗證49-51
• 4.9 本章總結(jié)51-52
• 5.改進算法與EMD結(jié)合電機故障診斷方法52-61
• 5.1 EMD52
• 5.2 小波閾值與EMD對設備的故障診斷流程52-53
• 5.3 算法驗證53-56
• 5.3.1 仿真及結(jié)果分析53-56
• 5.4 實驗數(shù)據(jù)來源56
• 5.5 診斷步驟設計及實驗數(shù)據(jù)驗證56
• 5.6 改進算法在振動信號降噪中的應用56-60
• 5.7 本章總結(jié)60-61
• 6.總結(jié)與展望61-63
• 6.1 全文工作總結(jié)61
• 6.2 未來工作展望61-63
• 參考文獻63-66
• 攻讀碩士學位期間發(fā)表學術論文情況66-67
• 致謝67-68
• 作者簡介68-69

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 岳建英;電機故障淺析[J];機械工程與自動化;2005年03期

2 宋曉燕;卞和營;張曉鵬;;兩例礦用電機故障原因分析[J];機電一體化;2008年07期

3 喬維德;;一種電機故障的智能診斷方法研究[J];安徽電氣工程職業(yè)技術學院學報;2009年01期

4 馬樹煥;;煤礦用電機常見故障的調(diào)查與分析[J];煤礦機械;2009年07期

5 喬維德;;一種電機故障的智能診斷方法研究[J];電氣傳動自動化;2010年01期

6 周紅建;;淺析電機故障的診斷技術[J];信息系統(tǒng)工程;2012年07期

7 韓相金;通用電機故障的分析與檢測方法[J];設備管理&維修;1999年08期

8 于麗萍;從繞組燒損癥狀判斷電機故障[J];農(nóng)村電工;2001年04期

9 徐季紅;;電動自行車電機故障的檢修[J];電動自行車;2005年09期

10 蹇國;;電機故障的診斷方法[J];工程機械與維修;2008年08期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 何干明;;容易忽視的電機故障[A];2013年電力系統(tǒng)自動化專委會年會論文[C];2013年

2 賈奇;;十立方電鏟600kW發(fā)電機大修工藝[A];全國工礦企業(yè)電力安全與節(jié)能技術優(yōu)秀論文集[C];2005年

中國重要報紙全文數(shù)據(jù)庫 前3條

1 ;聽聲音判斷農(nóng)用電機故障[N];山西科技報;2010年

2 浙江 張培君;車用啟動電機故障的速查[N];電子報;2009年

3 遼寧 薛志成;洗衣機脫水電機故障排除一例[N];電子報;2006年

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 勾軼;基于免疫算法和多傳感器信息融合的電機故障綜合診斷方法研究[D];沈陽工業(yè)大學;2010年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 張凱;小波分析在電機故障信號預處理中的應用研究[D];遼寧科技大學;2016年

2 王巍;信息融合技術在電動機故障診斷中的應用[D];大慶石油學院;2009年

3 肖琳君;電機故障振聲診斷系統(tǒng)的研究[D];廣東工業(yè)大學;2007年

4 劉煒根;電機故障在線診斷系統(tǒng)的研究與實現(xiàn)[D];長春工業(yè)大學;2011年

5 劉蕾蕾;基于小波分析的電機故障信號診斷研究[D];哈爾濱理工大學;2007年

6 袁禹;基于以太網(wǎng)的電機故障遠程監(jiān)測實驗平臺的開發(fā)[D];中南大學;2008年

7 王歆峪;基于神經(jīng)網(wǎng)絡的電機故障診斷[D];上海交通大學;2013年

8 劉靖;基于USB與無線技術的電機故障數(shù)據(jù)傳輸應用研究[D];天津理工大學;2007年

9 孫斐;基于兩相電流互高階累積量的電機故障特征檢測方法研究[D];大連海事大學;2011年

10 林波;異步電動機轉(zhuǎn)子故障診斷方法的研究[D];太原理工大學;2008年

  本文關鍵詞：小波分析在電機故障信號預處理中的應用研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：359296