高速自動機運動形態(tài)復(fù)雜,作業(yè)環(huán)境惡劣,在高溫、高壓和高沖擊作用下,其性能逐漸退化,嚴(yán)重威脅武器系統(tǒng)的可靠性和可用性。與旋轉(zhuǎn)機械產(chǎn)生的周期振動不同,高速自動機復(fù)雜運動形態(tài)對應(yīng)的是一系列特有的短時瞬態(tài)沖擊。武器系統(tǒng)特殊性導(dǎo)致傳統(tǒng)旋轉(zhuǎn)機械狀態(tài)監(jiān)測及故障診斷方法很難直接應(yīng)用于高速自動機,實際應(yīng)用中迫切需要開發(fā)一種與高速自動機復(fù)雜系統(tǒng)特性相匹配的狀態(tài)監(jiān)測及故障識別方法。本文基于運動形態(tài)學(xué)分解結(jié)合多變量分析理論解決高速自動機動態(tài)特性監(jiān)測、預(yù)測及故障診斷問題,通過對實測短時瞬態(tài)數(shù)據(jù)分析驗證了研究方法的有效性。本文主要貢獻總結(jié)如下:(1)針對高速自動機系統(tǒng)特殊性,提出與高速自動機復(fù)雜運動特性相匹配的運動形態(tài)學(xué)分解方法,通過開展高速自動機運動形態(tài)時序分析,建立運動形態(tài)與短時瞬態(tài)沖擊序列的對應(yīng)關(guān)系,分離出與目標(biāo)部件對應(yīng)的沖擊序列。(2)針對高速自動機各部件狀態(tài)信息與強背景噪聲疊加效應(yīng)帶來的微弱故障信息難獲取問題,提出了多尺度規(guī)范變量分析方法并用于高速自動機動態(tài)特性監(jiān)測,通過考慮時間序列相關(guān)性,對每個尺度建立基于規(guī)范變量分析的動態(tài)監(jiān)測模型,有效地提取了高速自動機故障沖擊特性。(3)為提高規(guī)范變量分析對早期微... 

【文章來源】：中北大學(xué)山西省

【文章頁數(shù)】：158 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
abstract
符號說明
1 緒論
    1.1 課題研究背景及意義
    1.2 武器系統(tǒng)狀態(tài)監(jiān)測與故障診斷研究進展
    1.3 旋轉(zhuǎn)機械狀態(tài)監(jiān)測研究進展
    1.4 旋轉(zhuǎn)機械故障診斷研究進展
        1.4.1 特征提取
        1.4.2 特征選擇
        1.4.3 智能故障診斷
    1.5 問題陳述與解決方案
        1.5.1 問題陳述
        1.5.2 研究思路及解決方案
        1.5.3 論文主要研究內(nèi)容
2 高速自動機運動形態(tài)學(xué)分解
    2.1 高速自動機的基本工作原理
        2.1.1 高速自動機基本結(jié)構(gòu)及組成
        2.1.2 高速自動機的工作原理
        2.1.3 高速自動機運動形態(tài)時序分析
    2.2 高速自動機運動形態(tài)分解
        2.2.1 高速自動機射擊試驗
        2.2.2 高速自動機運動形態(tài)分解
    2.3 本章小結(jié)
3 機械系統(tǒng)狀態(tài)監(jiān)測及故障診斷方法研究
    3.1 規(guī)范變量分析
        3.1.1 狀態(tài)空間模型
        3.1.2 核密度估計
    3.2 基于規(guī)范變量分析的滾動軸承退化過程監(jiān)測
        3.2.1 滾動軸承全壽命測試臺
        3.2.2 滾動軸承退化特征提取
        3.2.3 滾動軸承退化監(jiān)測
    3.3 正弦波輔助經(jīng)驗?zāi)B(tài)分解
        3.3.1 經(jīng)驗?zāi)B(tài)分解
        3.3.2 集成經(jīng)驗?zāi)B(tài)分解
        3.3.3 正弦波輔助經(jīng)驗?zāi)B(tài)分解
    3.4 RPS-EMD頻率加權(quán)能量算子解調(diào)研究
        3.4.1 頻率加權(quán)能量算子
        3.4.2 仿真對比研究
        3.4.3 基于RPS-EMD頻率加權(quán)能量算子解調(diào)的滾動軸承故障診斷
    3.5 基于快速譜峭度的沖擊特征提取研究
        3.5.1 快速譜峭度
        3.5.2 沖擊特征提取試驗研究
    3.6 本章小結(jié)
4 多尺度CVA及高速自動機動態(tài)特性監(jiān)測研究
    4.1 多變量經(jīng)驗?zāi)B(tài)分解
        4.1.1 多變量EMD
        4.1.2 自適應(yīng)投影固有變換MEMD
    4.2 模態(tài)對準(zhǔn)特性研究
        4.2.1 多變量仿真信號研究
        4.2.2 基于多變量EMD的頻率加權(quán)能量算子解調(diào)
    4.3 多尺度規(guī)范變量分析及高速自動機狀態(tài)監(jiān)測
        4.3.1 多尺度動態(tài)特性監(jiān)測方案
        4.3.2 基于多尺度CVA的高速自動機動態(tài)監(jiān)測
        4.3.3 基于多尺度PCA的高速自動機狀態(tài)監(jiān)測
    4.4 多變量EMD模態(tài)選擇
        4.4.1 多變量模態(tài)選擇方法
        4.4.2 基于馬氏距離的多變量模態(tài)選擇
    4.5 規(guī)范變量相異度分析及動態(tài)特性監(jiān)測
        4.5.1 規(guī)范變量相異度分析
        4.5.2 高速自動機動態(tài)特性監(jiān)測
    4.6 本章小結(jié)
5 高速自動機故障診斷及動態(tài)特性預(yù)測研究
    5.1 信息熵
        5.1.1 信息熵定義
        5.1.2 排列熵
        5.1.3 多變量EMD排列熵
    5.2 高速自動機智能故障診斷
        5.2.1 支持向量機
        5.2.2 高速自動機智能故障診斷
    5.3 多變量EMD排列熵均值及其應(yīng)用研究
        5.3.1 多尺度排列熵
        5.3.2 改進的多尺度排列熵
        5.3.3 多變量EMD排列熵均值
    5.4 基于特征選擇的高速自動機故障診斷
        5.4.1 拉普拉斯評分
        5.4.2 基于拉普拉斯評分的高速自動機故障診斷
    5.5 基于狀態(tài)空間學(xué)習(xí)的高速自動機動態(tài)特性預(yù)測
        5.5.1 多變量LSSVM
        5.5.2 基于狀態(tài)空間學(xué)習(xí)的多變量LSSVM
        5.5.3 高速自動機動態(tài)特性預(yù)測
    5.6 本章小結(jié)
6 高速自動機狀態(tài)監(jiān)測及故障診斷對旋轉(zhuǎn)機械影響研究
    6.1 齒輪箱動態(tài)特性監(jiān)測
        6.1.1 基于多尺度CVA的齒輪箱動態(tài)特性監(jiān)測
        6.1.2 基于EEMD的齒輪箱狀態(tài)監(jiān)測
    6.2 旋轉(zhuǎn)機械狀態(tài)監(jiān)測及預(yù)測
        6.2.1 滾動軸承退化特性監(jiān)測
        6.2.2 滾動軸承退化特性預(yù)測
    6.3 多變量EMD模態(tài)選擇及旋轉(zhuǎn)機械特征檢測
        6.3.1 基于數(shù)據(jù)空間統(tǒng)計的特征檢測方法研究
        6.3.2 多變量故障特征提取
    6.4 多變量EMD排列熵
        6.4.1 模態(tài)對齊及特征提取
        6.4.2 基于多變量EMD排列熵的滾動軸承故障診斷研究
        6.4.3 基于特征選擇的齒輪箱故障診斷
    6.5 本章小結(jié)
7 總結(jié)與展望
    7.1 本文工作總結(jié)
    7.2 主要創(chuàng)新點
    7.3 工作不足及展望
參考文獻
攻讀博士學(xué)位期間發(fā)表的論文及所取得的研究成果
致謝


【參考文獻】：
期刊論文
[1]頻率加權(quán)能量算子在振動篩故障診斷中的應(yīng)用[J]. 徐元博,蔡宗琰.  煤炭學(xué)報. 2017(09)
[2]復(fù)雜裝備軸承多重故障的線性判別分析與反向傳播神經(jīng)網(wǎng)絡(luò)協(xié)作診斷方法[J]. 黃大榮,陳長沙,孫國璽,趙玲,米波.  兵工學(xué)報. 2017(08)
[3]基于VMD的自適應(yīng)復(fù)合多尺度模糊熵及其在滾動軸承故障診斷中的應(yīng)用[J]. 鄭近德,姜戰(zhàn)偉,代俊習(xí),潘紫微.  航空動力學(xué)報. 2017(07)
[4]基于混沌理論和相關(guān)向量機的自動機故障診斷[J]. 呂巖,房立清,褚怡,趙玉龍.  中國測試. 2017(03)
[5]主分量分析和隱馬爾科夫模型結(jié)合的軸承監(jiān)測診斷方法[J]. 張西寧,雷威,李兵.  西安交通大學(xué)學(xué)報. 2017(06)
[6]滾動軸承的狀態(tài)監(jiān)測與性能退化評估[J]. 王寶祥,潘宏俠,楊衛(wèi).  中國工程機械學(xué)報. 2017(01)
[7]基于GAMP和EEMD的滾動軸承故障診斷研究[J]. 潘宏俠,張翔.  振動與沖擊. 2016(20)
[8]基于SK-NLM包絡(luò)的滾動軸承故障沖擊特征增強[J]. 熊國良,胡俊鋒,陳慧,張龍.  儀器儀表學(xué)報. 2016(10)
[9]基于LCD關(guān)聯(lián)維數(shù)和SVM的自動機故障診斷[J]. 呂巖,房立清,齊子元,張前圖.  機械設(shè)計與研究. 2016(04)
[10]風(fēng)電軸承性能退化建模及其實時剩余壽命預(yù)測[J]. 胡姚剛,李輝,廖興林,宋二兵,歐陽海黎,劉志祥.  中國電機工程學(xué)報. 2016(06)

博士論文
[1]基于多小波變換的礦用齒輪箱故障診斷研究[D]. 華偉.中國礦業(yè)大學(xué)(北京) 2017
[2]旋轉(zhuǎn)機械故障診斷與預(yù)測方法及其應(yīng)用研究[D]. 武哲.北京交通大學(xué) 2016
[3]基于振動信號SVM的管殼式換熱器堵塞故障診斷方法研究[D]. 黃劍鋒.華南理工大學(xué) 2016
[4]基于變分模態(tài)分解與優(yōu)化多核支持向量機的旋轉(zhuǎn)機械早期故障診斷方法研究[D]. 呂中亮.重慶大學(xué) 2016
[5]基于優(yōu)化支持向量機模型的發(fā)動機故障診斷[D]. 聶立新.東北大學(xué) 2015
[6]滾動軸承的性能退化特征提取及評估方法研究[D]. 潘玉娜.上海交通大學(xué) 2011



本文編號：2940706