本文關(guān)鍵詞：基于振動(dòng)信號(hào)分析的轉(zhuǎn)子故障診斷方法研究

  更多相關(guān)文章： 故障診斷 小波 經(jīng)驗(yàn)?zāi)B(tài)分解 特征提取 BP神經(jīng)網(wǎng)絡(luò) 支持向量機(jī)

【摘要】：旋轉(zhuǎn)機(jī)械是最常用的機(jī)械設(shè)備之一，如汽輪機(jī)、航空發(fā)動(dòng)機(jī)、發(fā)電機(jī)等。轉(zhuǎn)子工作時(shí)往往伴隨著高轉(zhuǎn)速和復(fù)雜工況，容易產(chǎn)生各種故障，一旦故障發(fā)生，將帶來重大安全隱患和經(jīng)濟(jì)損失，因此，加強(qiáng)對(duì)轉(zhuǎn)子故障診斷的研究，防患于未然，具有十分重要的意義。轉(zhuǎn)子發(fā)生故障的重要特征是機(jī)器伴有異常的振動(dòng)，，其振動(dòng)信號(hào)能夠從時(shí)域或頻域?qū)崟r(shí)地反應(yīng)機(jī)器的故障信息，本文對(duì)基于振動(dòng)信號(hào)分析的轉(zhuǎn)子故障診斷方法進(jìn)行了研究，主要研究工作包括： （1）研究了常見轉(zhuǎn)子故障的機(jī)理，總結(jié)了各類故障的振動(dòng)特性和頻譜特性；通過ZT-3轉(zhuǎn)子實(shí)驗(yàn)臺(tái)對(duì)轉(zhuǎn)子不平衡、不對(duì)中、支座松動(dòng)以及碰摩等典型故障進(jìn)行了實(shí)驗(yàn)仿真。 （2）對(duì)連續(xù)小波變換、多分辨率分析和小波包等理論進(jìn)行了研究；運(yùn)用傅里葉分析、小波時(shí)頻等高圖等方法對(duì)實(shí)驗(yàn)信號(hào)進(jìn)行了頻域分析和時(shí)頻分析；對(duì)基于小波分析的信號(hào)消噪方法進(jìn)行了研究，采用Donoho閾值估計(jì)和軟閾值法對(duì)實(shí)驗(yàn)信號(hào)進(jìn)行了消噪處理。 （3）對(duì)振動(dòng)信號(hào)的故障特征提取方法進(jìn)行了研究，總結(jié)了利用小波包分析進(jìn)行故障特征提取的方法和步驟，運(yùn)用小波包能量法進(jìn)行了常見故障特征提取；針對(duì)小波包不具有自適應(yīng)性的缺點(diǎn)，提出了一種根據(jù)轉(zhuǎn)子轉(zhuǎn)速調(diào)整采樣頻率，從而實(shí)現(xiàn)自動(dòng)提取故障特征的新方法，該方法大大簡(jiǎn)化了小波包選擇過程，較好地統(tǒng)一了同種故障在不同轉(zhuǎn)速下的故障特征；介紹了樣本熵理論，計(jì)算了實(shí)驗(yàn)信號(hào)的樣本熵，最后運(yùn)用小波包和樣本熵相結(jié)合的方法，解決了樣本熵方法不平衡故障和正常狀態(tài)下特征混疊的問題；針對(duì)小波分析不具有自適應(yīng)性的缺點(diǎn)，研究了經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）方法，對(duì)實(shí)驗(yàn)信號(hào)進(jìn)行了經(jīng)驗(yàn)?zāi)B(tài)分解，并進(jìn)行了特征分析；最后對(duì)經(jīng)驗(yàn)?zāi)B(tài)分解方法和小波分析方法進(jìn)行了比較分析。 （4）對(duì)模式識(shí)別方法進(jìn)行了研究，介紹了神經(jīng)網(wǎng)絡(luò)的基本理論，總結(jié)了基于BP神經(jīng)網(wǎng)絡(luò)的模式識(shí)別算法和步驟，并運(yùn)用BP神經(jīng)網(wǎng)絡(luò)對(duì)故障特征進(jìn)行了模式識(shí)別；較為詳細(xì)地介紹了支持向量機(jī)（SVM）理論的原理和算法，運(yùn)用SVM方法對(duì)故障特征進(jìn)行了訓(xùn)練和分類；通過變換訓(xùn)練樣本數(shù)和測(cè)試樣本數(shù)的比例，對(duì)BP神經(jīng)網(wǎng)絡(luò)和SVM方法的分類效果進(jìn)行了對(duì)比。 （5）研究了MATLAB平臺(tái)用戶界面設(shè)計(jì)的具體實(shí)現(xiàn)方法，結(jié)合實(shí)驗(yàn)臺(tái)獲取的故障信號(hào)、小波包能量和小波包樣本熵的特征提取方法以及支持向量機(jī)的故障分類方法，設(shè)計(jì)了一個(gè)故障診斷系統(tǒng)，實(shí)現(xiàn)了從信號(hào)讀取、時(shí)頻分析、特征提取到得出故障診斷結(jié)論等功能。
【關(guān)鍵詞】：故障診斷 小波 經(jīng)驗(yàn)?zāi)B(tài)分解 特征提取 BP神經(jīng)網(wǎng)絡(luò) 支持向量機(jī)
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TH165.3
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 注釋表10-11
• 縮略詞11-12
• 第一章 緒論12-19
• 1.1 研究背景及意義12
• 1.2 故障診斷主要研究?jī)?nèi)容12-13
• 1.2.1 故障機(jī)理研究12
• 1.2.2 信號(hào)的采集12-13
• 1.2.3 信號(hào)處理與特征提取13
• 1.2.4 故障識(shí)別方法研究13
• 1.3 國(guó)內(nèi)外研究現(xiàn)狀13-15
• 1.3.1 國(guó)外研究現(xiàn)狀13-14
• 1.3.2 國(guó)內(nèi)研究現(xiàn)狀14-15
• 1.4 轉(zhuǎn)子故障診斷方法15-18
• 1.5 本文主要工作18-19
• 第二章 常見轉(zhuǎn)子故障機(jī)理研究和實(shí)驗(yàn)分析19-33
• 2.1 常見轉(zhuǎn)子故障的機(jī)理研究19-27
• 2.1.1 轉(zhuǎn)子不平衡19-20
• 2.1.2 轉(zhuǎn)子不對(duì)中20-23
• 2.1.3 支座松動(dòng)故障23-25
• 2.1.4 動(dòng)靜碰摩25-27
• 2.2 轉(zhuǎn)子故障仿真實(shí)驗(yàn)裝置介紹27-29
• 2.3 轉(zhuǎn)子故障仿真實(shí)驗(yàn)方法和結(jié)果29-32
• 2.3.1 故障模擬方法介紹29-30
• 2.3.2 實(shí)驗(yàn)參數(shù)設(shè)置30
• 2.3.3 實(shí)驗(yàn)結(jié)果30-32
• 2.4 本章小結(jié)32-33
• 第三章 故障特征提取方法研究33-62
• 3.1 傅里葉分析方法33-37
• 3.1.1 傅里葉變換基本理論33-34
• 3.1.2 轉(zhuǎn)子實(shí)驗(yàn)信號(hào)的傅里葉分析34-36
• 3.1.3 傅里葉變換的局限性分析36-37
• 3.2 小波分析方法37-54
• 3.2.1 連續(xù)小波變換37-38
• 3.2.2 離散小波變換38-39
• 3.2.3 多分辨率分析39-40
• 3.2.4 小波包分解理論40-41
• 3.2.5 基于小波分析的信號(hào)消噪41-43
• 3.2.6 基于小波時(shí)頻等高圖的故障診斷方法43-48
• 3.2.7 基于小波包能量法的故障特征提取48-52
• 3.2.8 小波包能量特征提取的自適應(yīng)方法52-54
• 3.3 樣本熵分析方法54-56
• 3.3.1 樣本熵理論和計(jì)算方法54-55
• 3.3.2 樣本熵方法對(duì)實(shí)驗(yàn)信號(hào)的故障特征提取55-56
• 3.3.3 樣本熵方法局限性分析56
• 3.4 小波包樣本熵分析方法56-57
• 3.5 經(jīng)驗(yàn)?zāi)B(tài)分解在故障特征提取上的應(yīng)用57-60
• 3.5.1 經(jīng)驗(yàn)?zāi)B(tài)分解基本理論57-58
• 3.5.2 基于經(jīng)驗(yàn)?zāi)B(tài)分解的故障特征提取58-60
• 3.6 小波分析和經(jīng)驗(yàn)?zāi)B(tài)分解方法的比較分析60-61
• 3.7 本章小結(jié)61-62
• 第四章 故障模式識(shí)別方法研究62-78
• 4.1 神經(jīng)網(wǎng)絡(luò)法62-66
• 4.1.1 神經(jīng)網(wǎng)絡(luò)方法介紹62-63
• 4.1.2 BP 神經(jīng)網(wǎng)絡(luò)算法63-65
• 4.1.3 基于 BP 神經(jīng)網(wǎng)絡(luò)方法的故障診斷模式識(shí)別65-66
• 4.2 支持向量機(jī)法66-72
• 4.2.1 統(tǒng)計(jì)學(xué)習(xí)理論66-69
• 4.2.2 支持向量機(jī)算法69-72
• 4.2.3 基于支持向量機(jī)的故障診斷模式識(shí)別72
• 4.3 神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)法比較72-73
• 4.4 基于 MATLAB 平臺(tái)的故障診斷系統(tǒng)設(shè)計(jì)73-77
• 4.4.1 MATLAB GUI 設(shè)計(jì)簡(jiǎn)介73
• 4.4.2 轉(zhuǎn)子故障診斷系統(tǒng)設(shè)計(jì)73-77
• 4.5 本章小結(jié)77-78
• 第五章 總結(jié)和展望78-80
• 5.1 總結(jié)78-79
• 5.2 展望79-80
• 參考文獻(xiàn)80-84
• 致謝84-85
• 在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文85

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 費(fèi)成巍;艾延廷;王蕾;李川;;基于支持向量機(jī)的航空發(fā)動(dòng)機(jī)整機(jī)振動(dòng)故障診斷技術(shù)研究[J];沈陽航空工業(yè)學(xué)院學(xué)報(bào);2010年02期

2 陳予恕;;機(jī)械故障診斷的非線性動(dòng)力學(xué)原理[J];機(jī)械工程學(xué)報(bào);2007年01期

3 梁平;白蕾;龍新峰;范立莉;;基于小波包分析及神經(jīng)網(wǎng)絡(luò)的汽輪機(jī)轉(zhuǎn)子振動(dòng)故障診斷[J];控制理論與應(yīng)用;2007年06期

4 馮毅;王香華;;小波變換降噪處理及其Matlab實(shí)現(xiàn)[J];數(shù)據(jù)采集與處理;2006年S1期

5 張緒錦,譚劍波,韓江洪;基于BP神經(jīng)網(wǎng)絡(luò)的故障診斷方法[J];系統(tǒng)工程理論與實(shí)踐;2002年06期

6 鄧堰;陳果;;轉(zhuǎn)子故障信號(hào)的小波能量特征自動(dòng)提取[J];應(yīng)用科學(xué)學(xué)報(bào);2007年05期

7 鐘掘,唐華平;高速軋機(jī)若干振動(dòng)問題——復(fù)雜機(jī)電系統(tǒng)耦合動(dòng)力學(xué)研究[J];振動(dòng)、測(cè)試與診斷;2002年01期

8 聞邦椿;;“振動(dòng)利用工程”學(xué)科近期的發(fā)展[J];振動(dòng)工程學(xué)報(bào);2007年05期

9 何正嘉;訾艷陽;陳雪峰;王曉冬;;內(nèi)積變換原理與機(jī)械故障診斷[J];振動(dòng)工程學(xué)報(bào);2007年05期

10 蔣東翔,刁錦輝,趙鋼,錢立軍;基于時(shí)頻等高圖的汽輪發(fā)電機(jī)組振動(dòng)故障診斷方法研究[J];中國(guó)電機(jī)工程學(xué)報(bào);2005年06期

本文編號(hào)：1084434