本文關(guān)鍵詞：基于振動特征提取的滾動軸承故障診斷方法研究

  更多相關(guān)文章： 滾動軸承 故障診斷 Hilbert-Huang變換 總體局部均值分解 神經(jīng)網(wǎng)絡(luò) 支持向量機(jī)

【摘要】：滾動軸承是機(jī)械設(shè)備中最常用的部件之一,因此研究滾動軸承這類典型的旋轉(zhuǎn)機(jī)械設(shè)備的監(jiān)測與故障診斷方法具有重要意義。在機(jī)械設(shè)備運(yùn)行中,滾動軸承出現(xiàn)故障時,滾動軸承的振動信號包含有豐富的故障信息,如何運(yùn)用現(xiàn)代信號處理的方法提取故障信號中的故障特征,一直是故障診斷領(lǐng)域的研究熱點(diǎn)。時頻分析方法一直是機(jī)械故障診斷中應(yīng)用廣泛的一種分析工具。隨著現(xiàn)代信號處理方法的發(fā)展,出現(xiàn)了一些新的時頻分析方法,因此對其進(jìn)行研究也具有重要的價值。本文在基于研究了非平穩(wěn)性時頻分析方法的基礎(chǔ)上,引入了局部均值分解方法,采用改進(jìn)局部均值分解方法與神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)相結(jié)合的方法,最終實現(xiàn)對滾動軸承的智能故障診斷。 本文主要研究內(nèi)容如下： 1)研究了傳統(tǒng)時頻分析方法在非平穩(wěn)信號分析中的應(yīng)用。在研究短時傅里葉變換、Wigner-Ville分布、小波變換以及Hilbert-Huang變換的基礎(chǔ)上,引入基于小波包和Hilbert包絡(luò)譜共振解調(diào)方法,以及基于Hilbert-Huang變換的方法,實現(xiàn)對滾動軸承的故障診斷,后者是通過Hilbert邊際譜來提取滾動軸承的故障特征,進(jìn)而判定滾動軸承的故障類型的。 2)重點(diǎn)研究了一種新的時頻分析方法---局部均值分解方法,對算法原理作了分析,并對算法計算過程作了仿真分析,重點(diǎn)研究了瞬時相位的展開方法與瞬時頻率的求取方法。研究了LMD方法和EMD方法的差異,仿真分析LMD方法并應(yīng)用于滾動軸承故障特征提取。針對LMD方法的模式混淆問題,提出總體局部均值分解(ELMD)方法,仿真對比研究LMD方法和ELMD方法。 3)與結(jié)合神經(jīng)網(wǎng)絡(luò)相結(jié)合,提出一種基于ELMD和神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法,采用ELMD方法作為預(yù)處理器提取滾動軸承的峭度系數(shù)和能量特征參數(shù),構(gòu)造特征向量,輸入到BP神經(jīng)網(wǎng)絡(luò)進(jìn)行故障分類識別。與小波包分解作預(yù)處理器進(jìn)行了對比,通過對滾動軸承信號的實例分析,驗證了該方法的有效性實用性。 4)與支持向量機(jī)相結(jié)合,提出一種基于ELMD和最小二乘支持向量機(jī)的滾動軸承故障診斷方法,運(yùn)用ELMD方法提取特征,構(gòu)造故障特征向量。采用該方法對滾動軸承的工作狀態(tài)和故障類型進(jìn)行自動分類識別,通過對滾動軸承的實例分析,表明了該方法的有效性。
【關(guān)鍵詞】：滾動軸承 故障診斷 Hilbert-Huang變換 總體局部均值分解 神經(jīng)網(wǎng)絡(luò) 支持向量機(jī)
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TH133.33;TH165.3
【目錄】：

• 摘要5-7
• Abstract7-12
• 第一章 緒論12-24
• 1.1 選題背景及意義12-13
• 1.2 滾動軸承故障診斷技術(shù)發(fā)展?fàn)顩r13-14
• 1.3 滾動軸承故障診斷研究現(xiàn)狀與發(fā)展趨勢14-21
• 1.3.1 基于現(xiàn)代信號處理方法的滾動軸承故障診斷研究14-19
• 1.3.2 智能故障診斷19-21
• 1.4 本文主要研究內(nèi)容及安排21-24
• 第二章 滾動軸承振動機(jī)理及故障特征分析24-32
• 2.1 概述24
• 2.2 滾動軸承失效表現(xiàn)形式24-25
• 2.3 滾動軸承的振動機(jī)理25-26
• 2.4 滾動軸承振動診斷的故障特征分析26-30
• 2.4.1 低頻診斷的理論特征頻率計算27-28
• 2.4.2 高頻診斷的固有振動頻率計算28
• 2.4.3 滾動軸承故障時的振動特性28-30
• 2.5 本章小結(jié)30-32
• 第三章 非平穩(wěn)信號的時頻分析方法32-50
• 3.1 概述32
• 3.2 短時傅里葉變換32-35
• 3.2.1 短時傅里葉變換的缺陷33
• 3.2.2 短時傅里葉變換的仿真應(yīng)用33-35
• 3.3 Wigner-Ville分布35-37
• 3.3.1 偽Wigner-Ville分布仿真應(yīng)用36-37
• 3.3.2 平滑偽Wigner-Ville分布仿真應(yīng)用37
• 3.4 小波變換37-42
• 3.4.1 小波包分解和重構(gòu)原理38-39
• 3.4.2 Hilbert算子包絡(luò)解調(diào)原理39-40
• 3.4.3 基于小波包和Hilbert包絡(luò)譜的滾動軸承故障診斷40-42
• 3.5 Hilbert-Huang變換42-49
• 3.5.1 經(jīng)驗?zāi)Ｊ椒纸?EMD)方法與Hilbert變換42-44
• 3.5.2 HHT算法的不足44-45
• 3.5.3 基于Hilbert-Huang變換的滾動軸承故障診斷45-49
• 3.6 本章小結(jié)49-50
• 第四章 局部均值分解時頻分析方法50-68
• 4.1 局部均值分解概述50
• 4.2 LMD時頻分析方法50-58
• 4.2.1 LMD分解原理及算法計算過程50-54
• 4.2.2 局部均值分解方法計算實例54-55
• 4.2.3 直接法求取瞬時頻率55-58
• 4.3 LMD方法與EMD方法的比較58
• 4.4 LMD時頻分析方法的仿真應(yīng)用58-62
• 4.5 基于LMD方法的滾動軸承故障診斷62-64
• 4.6 總體局部均值分解(ELMD)64-66
• 4.7 LMD與ELMD分解仿真對比研究66-67
• 4.8 本章小結(jié)67-68
• 第五章 基于ELMD和神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷68-78
• 5.1 神經(jīng)網(wǎng)絡(luò)概述68
• 5.2 人工神經(jīng)網(wǎng)絡(luò)特點(diǎn)68-69
• 5.3 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及其學(xué)習(xí)算法69-73
• 5.3.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)69-71
• 5.3.2 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法71-73
• 5.4 BP神經(jīng)網(wǎng)絡(luò)的設(shè)計73-74
• 5.5 基于ELMD和神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷74-75
• 5.6 實例分析75-76
• 5.7 本章小結(jié)76-78
• 第六章 基于ELMD和最小二乘支持向量機(jī)的滾動軸承故障診斷78-88
• 6.1 支持向量機(jī)概述78-79
• 6.2 支持向量機(jī)理論79-80
• 6.2.1 支持向量機(jī)79
• 6.2.2 支持向量機(jī)的特點(diǎn)79-80
• 6.3 最小二乘支持向量機(jī)的分類原理80-82
• 6.4 多分類的支持向量機(jī)82-84
• 6.4.1 一對多分類算法82-83
• 6.4.2 一對一分類算法83-84
• 6.5 基于ELMD與最小二乘支持向量機(jī)的滾動軸承故障診斷84-85
• 6.6 實例分析85-86
• 6.7 本章小結(jié)86-88
• 第七章 結(jié)論與展望88-90
• 7.1 結(jié)論88-89
• 7.2 展望89-90
• 致謝90-92
• 參考文獻(xiàn)92-98
• 附錄98-99
• A. 申請人在攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文98
• B. 申請人在攻讀碩士學(xué)位期間獲得的軟件著作權(quán)98-99
• C. 申請人在攻讀碩士學(xué)位期間獲得的專利99
• D. 申請人在攻讀碩士學(xué)位期間獲得的獎勵99

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 蘭華;常家寧;周凌;王冰;張鐳;;基于局部均值分解與神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測[J];電測與儀表;2012年05期

2 李玉軍;湯曉君;劉君華;;基于粒子群優(yōu)化的最小二乘支持向量機(jī)在混合氣體定量分析中的應(yīng)用[J];光譜學(xué)與光譜分析;2010年03期

3 卜伶俐;郭建英;蔣鳳林;;小波分析與Hilbert分析在滾動軸承故障診斷中的應(yīng)用[J];哈爾濱理工大學(xué)學(xué)報;2008年02期

4 李志農(nóng);劉衛(wèi)兵;肖堯先;鄔冠華;;基于局域均值分解包絡(luò)譜和SVM的滾動軸承故障診斷方法研究[J];機(jī)械設(shè)計與制造;2011年11期

5 朱森第;我國裝備制造業(yè)的現(xiàn)狀與發(fā)展戰(zhàn)略鍌[J];機(jī)電工程技術(shù);2001年02期

6 陳永會;姜旭;郭山國;李海虹;;基于小波分析和Hilbert變換的滾動軸承故障診斷[J];機(jī)械設(shè)計;2010年08期

7 程軍圣;張亢;楊宇;;基于噪聲輔助分析的總體局部均值分解方法[J];機(jī)械工程學(xué)報;2011年03期

8 李志農(nóng);劉衛(wèi)兵;易小兵;;基于局域均值分解的機(jī)械故障欠定盲源分離方法研究[J];機(jī)械工程學(xué)報;2011年07期

9 程軍圣;楊怡;楊宇;;局部特征尺度分解方法及其在齒輪故障診斷中的應(yīng)用[J];機(jī)械工程學(xué)報;2012年09期

10 朱春梅;徐小力;張建民;;基于混沌分形的旋轉(zhuǎn)機(jī)械故障診斷方法研究[J];煤礦機(jī)械;2006年06期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 任達(dá)千;基于局域均值分解的旋轉(zhuǎn)機(jī)械故障特征提取方法及系統(tǒng)研究[D];浙江大學(xué);2008年

，

本文編號：1019559