本文關(guān)鍵詞：基于振動信號處理的電機軸承故障診斷方法研究

  更多相關(guān)文章： 振動信號 閾值降噪 經(jīng)驗?zāi)B(tài)分解 BP神經(jīng)網(wǎng)絡(luò)

【摘要】：滾動軸承作為電機這類旋轉(zhuǎn)機械設(shè)備中的一個關(guān)鍵組成部分,也是旋轉(zhuǎn)機械類設(shè)備組成部分中發(fā)生故障機率最高的部分,因此及時檢測出滾動軸承故障的原因顯得尤為重要,其中軸承的振動信號包含的信息豐富、具有清晰的物理意義,最能直接和全面的反映設(shè)備的運行狀態(tài),因此采集電機軸承的振動信號進(jìn)行故障診斷也最為常用有效。本文主要是對滾動軸承的故障振動信號展開分析研究,著重詳細(xì)論述小波閾值降噪方法原理,經(jīng)驗?zāi)B(tài)分解原理以及BP人工神經(jīng)網(wǎng)絡(luò)理論。主要采取兩種方法在滾動軸承的故障形式上給予討論分析。方法一結(jié)合了小波閾值降噪法、相關(guān)系數(shù)法、峭度值準(zhǔn)則和集成經(jīng)驗?zāi)B(tài)分解方法用于對軸承不同故障類型進(jìn)行故障特征頻率的提取,由此對軸承的故障形式進(jìn)行識別。方法二是提取滾動軸承在不同損傷程度下的振動信號的特征參數(shù)值,挑選出敏感的時頻域特征向量訓(xùn)練出BP神經(jīng)網(wǎng)絡(luò),再由BP神經(jīng)網(wǎng)絡(luò)輸出結(jié)果判斷各類滾動軸承的故障形式。本文主要闡述了滾動軸承中振動信號產(chǎn)生的原理,表明使用振動信號來進(jìn)行相關(guān)故障形式診斷是有根據(jù)的,對三種主要滾動軸承故障形式進(jìn)行故障頻率信息的提取,與物理學(xué)中故障特征頻率計算公式求得的故障特征頻率進(jìn)行對照,就能判斷出相應(yīng)的故障形式。在滾動軸承的故障振動信號的去噪應(yīng)用上,主要采用小波閾值降噪算法,在討論傳統(tǒng)小波閾值降噪方法缺點基礎(chǔ)之上,提出了一種改進(jìn)的小波閾值降噪算法,結(jié)合振動類信號敏感的峭度值特征參數(shù),將新算法運用機械振動類信號的降噪處理中,實驗也表明這種改進(jìn)的小波閾值降噪算法能夠在保留有用機械振動信號故障信號的前提下有效減少無用的高頻噪聲信號成分。再將這種新改進(jìn)的小波閾值降噪算法與平均的總體經(jīng)驗?zāi)B(tài)分解算法結(jié)合,同時基于判斷信號之間的相關(guān)性大小的相關(guān)系數(shù)法和故障振動信號峭度值準(zhǔn)則,提出了一種滾動軸承故障信號提取的新方法,研究證明了該方法得到的滾動軸承故障頻率信息更加清楚。另外本文還探討了BP神經(jīng)網(wǎng)絡(luò)在滾動軸承不同故障形式以及損傷大小程度下的診斷應(yīng)用,在收集比較充足的滾動軸承的故障振動波形樣本數(shù)據(jù)的基礎(chǔ)之上,對這些樣本信號數(shù)據(jù)進(jìn)行特征參數(shù)提取,其中有時域上的參數(shù)和頻域上的參數(shù),通過這些參數(shù)組建特征參數(shù)的矩陣輸入向量,對輸入的特征向量進(jìn)行訓(xùn)練得到BP神經(jīng)網(wǎng)絡(luò),從而能夠?qū)Χ喾N類型下的滾動軸承故障來進(jìn)行準(zhǔn)確識別,分別構(gòu)建了四種滾動軸承故障模式下的BP診斷網(wǎng)絡(luò)和十種滾動軸承故障模式下的BP診斷網(wǎng)絡(luò),實驗證明所構(gòu)建的兩種診斷網(wǎng)絡(luò)都對故障形式的判斷達(dá)到了很好識別效果。
【關(guān)鍵詞】：振動信號 閾值降噪 經(jīng)驗?zāi)B(tài)分解 BP神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：遼寧科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TM307.1
【目錄】：

• 中文摘要5-6
• ABSTRACT6-10
• 1. 緒論10-15
• 1.1 課題研究背景以及意義10
• 1.2 電機軸承故障診斷方法和研究現(xiàn)狀10-12
• 1.2.1 滾動軸承的故障診斷方法10-11
• 1.2.2 國內(nèi)外軸承故障診斷技術(shù)研究現(xiàn)狀比較11-12
• 1.3 本文的研究思路和研究內(nèi)容12-14
• 1.3.1 本文研究思路概述12-13
• 1.3.2 本文研究內(nèi)容概述13
• 1.3.3 本文主要創(chuàng)新13-14
• 1.4 本章小結(jié)14-15
• 2. 軸承故障振動機理與故障特性介紹15-19
• 2.1 電機滾動軸承故障振動系統(tǒng)原理概述15-16
• 2.2 電機滾動軸承典型故障形式概述16-17
• 2.3 典型滾動軸承系統(tǒng)特征頻率的公式運算17
• 2.4 本章小結(jié)17-19
• 3. 小波降噪理論在振動信號上的應(yīng)用19-38
• 3.1 傳統(tǒng)小波閾值降噪理論介紹19-21
• 3.1.1 時頻分析方法概述19-20
• 3.1.2 小波分析原理20-21
• 3.2 小波閾值降噪理論介紹21-23
• 3.2.1 小波降噪原理21-22
• 3.2.2 小波閾值降噪算法22-23
• 3.3 改進(jìn)的小波閾值降噪方法的提出23-29
• 3.3.1 傳統(tǒng)小波閾值降噪方法簡介23-25
• 3.3.2 閾值方法的改進(jìn)簡介25
• 3.3.3 改進(jìn)閾值函數(shù)的提出25-29
• 3.4 改進(jìn)后小波閾值降噪算法在信號降噪上的研究29-37
• 3.4.1 改進(jìn)后小波降噪算法在仿真信號降噪上初步研究29-35
• 3.4.2 改進(jìn)后小波降噪算法在機械振動信號降噪上的運用35-37
• 3.5 本章小結(jié)37-38
• 4. 經(jīng)驗?zāi)B(tài)分解以及其相關(guān)改進(jìn)方法在振動信號上的應(yīng)用研究38-69
• 4.1 經(jīng)驗?zāi)B(tài)分解理論介紹38-41
• 4.1.1 本征模式函數(shù)（Intrinsic Mode Function）38-39
• 4.1.2 EMD的基本算法39-41
• 4.1.3 EMD與其它信號分解方法的主要區(qū)別41
• 4.2 包絡(luò)譜分析方法41-42
• 4.3 包絡(luò)譜和EMD在滾動軸承故障振動信號特征頻率提取中的應(yīng)用42-54
• 4.4 改進(jìn)的經(jīng)驗?zāi)B(tài)分解理論介紹54-62
• 4.4.1 總體平均經(jīng)驗?zāi)B(tài)分解理論概述54-59
• 4.4.2 補充的總體平均經(jīng)驗?zāi)B(tài)分解理論概述59-60
• 4.4.3 EEMD與CEEMD方法的比較60-62
• 4.5 改進(jìn)的小波閾值降噪方法結(jié)合CEEMD的故障特征提取方法應(yīng)用62-68
• 4.6 本章小結(jié)68-69
• 5. BP神經(jīng)網(wǎng)絡(luò)在滾動軸承故障類型識別上的研究69-77
• 5.1 BP神經(jīng)網(wǎng)絡(luò)原理簡介69-71
• 5.2 基于BP神經(jīng)網(wǎng)絡(luò)模型的電機滾動軸承故障類型識別網(wǎng)絡(luò)的建立71-76
• 5.2.1 電機滾動軸承振動信號樣本數(shù)據(jù)的處理71-72
• 5.2.2 振動信號樣本數(shù)據(jù)特征參數(shù)選取72
• 5.2.3 BP神經(jīng)網(wǎng)絡(luò)的設(shè)計72-73
• 5.2.4 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與檢驗73-76
• 5.3 本章小結(jié)76-77
• 6. 結(jié)論與展望77-78
• 參考文獻(xiàn)78-82
• 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況82-83
• 致謝83-84
• 作者簡介84-85

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 高志凌;劉yN;桂志國;;基于模糊數(shù)學(xué)的低劑量CT投影域降噪算法[J];測試技術(shù)學(xué)報;2011年06期

2 黃艷林;李友榮;肖涵;呂勇;;基于相空間重構(gòu)與獨立分量分析的局部獨立投影降噪算法[J];振動與沖擊;2011年01期

3 陳瀟紅;王維東;;基于時空聯(lián)合濾波的高清視頻降噪算法[J];浙江大學(xué)學(xué)報(工學(xué)版);2013年05期

4 楊民;孟凡勇;梁麗紅;魏東波;;動態(tài)射線數(shù)字圖像序列降噪算法及快速實現(xiàn)[J];兵工學(xué)報;2011年11期

5 宋坤坡;夏順仁;徐清;;考慮小波系數(shù)相關(guān)性的超聲圖像降噪算法[J];浙江大學(xué)學(xué)報(工學(xué)版);2010年11期

6 胡紅英;馬孝江;;基于局域波分解的信號降噪算法[J];農(nóng)業(yè)機械學(xué)報;2006年01期

7 伍賽;楊晶晶;王盛;陳更生;;多重決策論圖像脈沖降噪算法及其硬件實現(xiàn)[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2013年06期

8 張志剛;周曉軍;宮燃;沈路;;小波域局部Laplace模型降噪算法及其在機械故障診斷中應(yīng)用[J];機械工程學(xué)報;2009年09期

9 石宏理,蔡遠(yuǎn)利,邱祖廉;小波域隱Markov樹模型降噪算法的改進(jìn)[J];工程數(shù)學(xué)學(xué)報;2005年03期

10 余成義;肖涵;劉安中;李友榮;;自適應(yīng)局部獨立分量分析[J];振動與沖擊;2012年14期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 王s，

本文編號：578725