發(fā)布時(shí)間：2018-04-03 19:40

  本文選題：非線性信號(hào)　切入點(diǎn)：小波包分解　出處：《控制工程》2016年06期

【摘要】：軸承產(chǎn)生故障后產(chǎn)生非線性振動(dòng)信號(hào),傳統(tǒng)的特征提取方式在非線性特征提取和非線性關(guān)系可視化上存在不足。提出了小波包分解和高階累積量對(duì)振動(dòng)信號(hào)進(jìn)行特征提取,通過(guò)主成分分析法對(duì)特征數(shù)據(jù)進(jìn)行了降維處理。該特征提取方式不僅可以揭示特征量之間的非線性關(guān)系,而且有利于提高分類速度和準(zhǔn)確性;采用神經(jīng)網(wǎng)絡(luò)算法進(jìn)行了故障分類。測(cè)試結(jié)果表明,該方法可以準(zhǔn)確有效的識(shí)別出滾動(dòng)軸承的故障類型。
[Abstract]:Bearing produces nonlinear vibration signal after fault, but the traditional feature extraction method has some shortcomings in nonlinear feature extraction and nonlinear relation visualization.Wavelet packet decomposition and high order cumulant are proposed to extract the feature of vibration signal. The feature data are reduced by principal component analysis (PCA).The method of feature extraction can not only reveal the nonlinear relationship between the features, but also improve the speed and accuracy of classification. The neural network algorithm is used for fault classification.The test results show that the method can identify the fault types of rolling bearings accurately and effectively.
【作者單位】： 楊凌職業(yè)技術(shù)學(xué)院信息工程學(xué)院;河南廣播電視大學(xué)理工學(xué)院;
【分類號(hào)】：TH133.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 謝國(guó)民;佟瑩;陸文斌;;小波在采煤機(jī)異步電動(dòng)機(jī)故障診斷中的應(yīng)用[J];控制工程;2013年04期

2 涂望明;宋執(zhí)環(huán);陳運(yùn)濤;魏友國(guó);周晶晶;;基于小波變換和LS-SVM的雷達(dá)故障診斷[J];控制工程;2013年02期

3 蔣超;張應(yīng)紅;徐晉勇;趙家臣;高成;;基于振動(dòng)的滾動(dòng)軸承故障診斷技術(shù)研究[J];煤礦機(jī)械;2012年02期

4 萬(wàn)書(shū)亭;吳美玲;;基于時(shí)域參數(shù)趨勢(shì)分析的滾動(dòng)軸承故障診斷[J];機(jī)械工程與自動(dòng)化;2010年03期

5 崔碩;;時(shí)域指標(biāo)在滾動(dòng)軸承故障診斷中的應(yīng)用[J];機(jī)械工程與自動(dòng)化;2008年01期

6 陳珊珊;;時(shí)域分析技術(shù)在機(jī)械設(shè)備故障診斷中的應(yīng)用[J];機(jī)械傳動(dòng);2007年03期

7 張輝,王淑娟,張青森,翟國(guó)富;基于小波包變換的滾動(dòng)軸承故障診斷方法的研究[J];振動(dòng)與沖擊;2004年04期

8 馬建倉(cāng),羅磊;滾動(dòng)軸承故障診斷的一種特征參數(shù)選擇方法[J];機(jī)械科學(xué)與技術(shù);1996年05期

相關(guān)碩士學(xué)位論文 前3條

1 魏鵬;基于時(shí)頻分析的高速電主軸軸承故障診斷技術(shù)研究[D];蘭州理工大學(xué);2012年

2 廖傳軍;基于聲發(fā)射技術(shù)的滾動(dòng)軸承故障診斷時(shí)頻分析方法研究[D];湖南科技大學(xué);2008年

3 萬(wàn)暢;齒輪箱軸承故障診斷的時(shí)頻分析方法初步探討[D];蘭州理工大學(xué);2007年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 俞昆;譚繼文;戰(zhàn)紅;孫顯彬;;基于改進(jìn)鄰域粗糙集與S_Kohonen神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷研究[J];機(jī)床與液壓;2016年23期

2 郭慶豐;梁亞峰;;循環(huán)雙譜在滾動(dòng)軸承故障特征提取中的應(yīng)用[J];煤礦機(jī)械;2016年12期

3 劉燕;張翠俠;張明玉;;混沌振子檢測(cè)微弱信號(hào)的抗噪聲能力研究[J];銅陵學(xué)院學(xué)報(bào);2016年05期

4 孟祥忠;王振起;林存海;;基于模糊診斷理論的提升機(jī)振動(dòng)監(jiān)測(cè)診斷系統(tǒng)[J];電子測(cè)量技術(shù);2016年09期

5 王銳鋒;熊錦玲;付志成;汪坤;趙美云;;基于AE技術(shù)的低速重載齒輪箱故障診斷方法[J];自動(dòng)化技術(shù)與應(yīng)用;2016年08期

6 汪江秀;王友仁;;相控陣天線故障診斷方法研究[J];電子測(cè)量技術(shù);2016年08期

7 羅云林;劉文桐;;民航飛機(jī)APU外部件故障診斷方法[J];計(jì)算機(jī)工程與設(shè)計(jì);2016年07期

8 杜振寧;向春枝;;基于小波包分解和PCA的軸承故障診斷[J];控制工程;2016年06期

9 毛清華;張旭輝;馬宏偉;邢望;樊紅衛(wèi);;采煤機(jī)搖臂齒輪傳動(dòng)系統(tǒng)振源定位分析方法[J];振動(dòng).測(cè)試與診斷;2016年03期

10 高陽(yáng);鐘宏宇;陳鑫宇;耿愛(ài)成;張柳;雷彩娟;;基于神經(jīng)網(wǎng)絡(luò)和小波分析的超短期風(fēng)速預(yù)測(cè)[J];可再生能源;2016年05期

相關(guān)碩士學(xué)位論文 前10條

1 孫守保;基于雙沖擊現(xiàn)象的混合陶瓷球軸承故障區(qū)尺寸估計(jì)[D];昆明理工大學(xué);2016年

2 王波;滾動(dòng)軸承噪聲檢測(cè)及故障診斷實(shí)驗(yàn)平臺(tái)設(shè)計(jì)[D];寧夏大學(xué);2015年

3 趙治博;地鐵車輛轉(zhuǎn)向架軸承故障診斷方法研究[D];北京交通大學(xué);2015年

4 王洋;汽車變速器軸承故障特征頻率提取算法的研究[D];遼寧工業(yè)大學(xué);2015年

5 李欣;滾動(dòng)軸承裂紋故障聲發(fā)射信號(hào)產(chǎn)生機(jī)理及其傳播特性研究[D];湖南科技大學(xué);2014年

6 楊月;基于粒子濾波與支持向量機(jī)的柴油機(jī)故障診斷[D];中北大學(xué);2014年

7 呂飛飛;航空滾動(dòng)軸承典型缺陷特征分析方法研究[D];河南科技大學(xué);2014年

8 寧小波;聲發(fā)射技術(shù)在復(fù)合材料損傷檢測(cè)中的應(yīng)用研究[D];中國(guó)民用航空飛行學(xué)院;2014年

9 王媛媛;滾動(dòng)軸承的振聲信號(hào)分析[D];南京航空航天大學(xué);2014年

10 馮研研;基于聲發(fā)射信號(hào)的滾動(dòng)軸承故障特征提取技術(shù)研究[D];沈陽(yáng)航空航天大學(xué);2015年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 涂望明;宋執(zhí)環(huán);孟慶志;張國(guó)超;蘇帥;;小波神經(jīng)網(wǎng)絡(luò)在雷達(dá)故障診斷中的應(yīng)用研究[J];計(jì)算機(jī)測(cè)量與控制;2012年04期

2 張興;李孝全;謝一靜;;基于經(jīng)驗(yàn)?zāi)Ｊ椒纸獾漠惒诫姍C(jī)轉(zhuǎn)子斷條故障診斷[J];電機(jī)與控制應(yīng)用;2011年09期

3 何斌;戚佳杰;黎明和;;小波分析在滾動(dòng)軸承故障診斷中的應(yīng)用研究[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2009年07期

4 許志宏;盧e，

本文編號(hào)：1706628