在環(huán)境污染變得日益嚴(yán)重以及政策驅(qū)動下,風(fēng)電行業(yè)已經(jīng)引起世界各國高度關(guān)注。隨著風(fēng)電行業(yè)快速發(fā)展,對其可靠性要求也越來越高。滾動軸承是風(fēng)電機(jī)組中關(guān)鍵部件,其故障率也是最高的部件之一。所以對其進(jìn)行實時監(jiān)測及故障診斷,不僅可以使整個風(fēng)電機(jī)組運(yùn)行的更可靠,而且可以降低運(yùn)維成本。本文在分析滾動軸承故障的特征及發(fā)展過程基礎(chǔ)上,通過對比目前常用的信號分析方法,選擇了希爾伯特黃變換作為滾動軸承振動信號特征提取方法,并利用能量直方圖對特征值進(jìn)行降維處理。將提取到的特征值作為分類器輸入,最后,選用XGBoost算法對滾動軸承各種故障進(jìn)行分類識別。主要工作如下:（1）對滾動軸承振動信號特征提取方法做詳細(xì)分析,并以仿真信號為例,對涉及到的方法做了實驗,從而更直觀說明了特征提取過程。為了不破壞所提取到特征值的結(jié)構(gòu),利用能量直方圖代替時頻譜圖的方法對其做了降維處理。以滾動軸承實驗數(shù)據(jù)為例,對本文以及其他的特征提取方法做了實驗對比,證明了希爾伯特黃變換方法在滾動軸承振動信號特征提取中的優(yōu)勢。（2）針對希爾伯特黃變換中經(jīng)驗?zāi)B(tài)分解出的固有模態(tài)函數(shù)選取問題,提出利用相關(guān)系數(shù)與相對熵結(jié)合的方法。由于相關(guān)系數(shù)法在設(shè)定的閾值附... 

【文章來源】：新疆大學(xué)新疆維吾爾自治區(qū) 211工程院校

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

采集單元安裝圖

5.2.1 數(shù)據(jù)來源2015 年 12 月 3 日，運(yùn)維人員在對某風(fēng)電廠某臺機(jī)組進(jìn)行檢修時發(fā)現(xiàn)該機(jī)現(xiàn)“砰砰”異響，隨后安裝采樣頻率為 2048Hz 的振動信號采集設(shè)備。后期機(jī)組進(jìn)行拆卸，發(fā)現(xiàn)是由于主軸承保持架損壞造成。采集單元如圖 5.1 示；度傳感器分別以水平和垂直方向安裝在主軸承 6 與 9 點(diǎn)鐘位置，如圖 5.2 圖 5.1 采集單元安裝圖

【參考文獻(xiàn)】：
期刊論文
[1]基于EMD與ICA的滾動軸承復(fù)合故障診斷[J]. 崔玲麗,吳春光,鄔娜.  北京工業(yè)大學(xué)學(xué)報. 2014(10)
[2]EMD中有效IMF選取方法的研究[J]. 丁常富,蔡志成.  熱力發(fā)電. 2014(01)
[3]滾動軸承故障的譜相關(guān)特征分析[J]. 柳亦兵,辛衛(wèi)東,李宏,滕偉,周雁冰.  中國機(jī)械工程. 2013(03)
[4]基于偽Wigner-Ville分布與小波變換的滾動軸承故障診斷[J]. 耶曉東,何亞銀.  機(jī)械設(shè)計與研究. 2012(05)
[5]基于二次EEMD的Wigner-Ville分布旋轉(zhuǎn)機(jī)械故障信號分析及試驗研究[J]. 郭奇,劉卜瑜,史立波,李波.  振動與沖擊. 2012(13)
[6]基于K-L散度的EMD虛假分量識別方法研究[J]. 韓中合,朱霄珣,李文華.  中國電機(jī)工程學(xué)報. 2012(11)
[7]基于改進(jìn)Hilbert-Huang變換的機(jī)械故障診斷[J]. 雷亞國.  機(jī)械工程學(xué)報. 2011(05)
[8]基于相關(guān)系數(shù)的EMD改進(jìn)算法[J]. 林麗,余輪.  計算機(jī)與數(shù)字工程. 2008(12)
[9]滾動軸承故障的EMD診斷方法研究[J]. 高強(qiáng),杜小山,范虹,孟慶豐.  振動工程學(xué)報. 2007(01)
[10]基于融合分析的感應(yīng)電機(jī)軸承故障檢測方法[J]. 侯新國,吳正國,夏立,卜樂平.  數(shù)據(jù)采集與處理. 2006(01)

博士論文
[1]希爾伯特黃變換方法及其在特征提取中的應(yīng)用研究[D]. 杜建衛(wèi).北京科技大學(xué) 2017
[2]面向風(fēng)力發(fā)電機(jī)組齒輪箱滾動軸承故障診斷的理論與方法研究[D]. 郭艷平.浙江大學(xué) 2012

碩士論文
[1]基于小波變換的機(jī)械軸承磨損故障特征提取方法研究[D]. 王鑫.西南交通大學(xué) 2016
[2]軸承故障檢測技術(shù)及其在風(fēng)力發(fā)電機(jī)組中的應(yīng)用[D]. 鄭浩.山東大學(xué) 2016
[3]基于時頻分析的特征提取與模式分類方法研究[D]. 趙衛(wèi)峰.重慶大學(xué) 2016
[4]基于EMD的風(fēng)力發(fā)電機(jī)軸承故障診斷方法研究[D]. 張建坤.哈爾濱理工大學(xué) 2016
[5]基于機(jī)器學(xué)習(xí)的滾動軸承智能診斷方法研究[D]. 吳武林.江西理工大學(xué) 2015
[6]基于希爾伯特—黃變換的語音識別特征提取方法研究[D]. 王宏宇.華南理工大學(xué) 2012
[7]基于AMP架構(gòu)的多核間任務(wù)同步與通信的設(shè)計與實現(xiàn)[D]. 肖學(xué)甲.西安電子科技大學(xué) 2011
[8]基于希爾伯特黃變換的齒輪箱故障特征提取與消噪技術(shù)研究[D]. 宋飛.中北大學(xué) 2010
[9]支持向量機(jī)在智能故障診斷中的應(yīng)用研究[D]. 魏于凡.華北電力大學(xué)（北京） 2007
[10]基于小波分析的滾動軸承故障診斷方法研究與應(yīng)用[D]. 崔寶珍.中北大學(xué) 2005



本文編號：3352365