本文選題：聲發(fā)射信號(hào) + 滾動(dòng)軸承�。� 參考：《北京化工大學(xué)》2012年碩士論文

【摘要】：本課題來(lái)源于國(guó)家自然科學(xué)基金項(xiàng)目《機(jī)械故障無(wú)線傳感網(wǎng)絡(luò)監(jiān)測(cè)與智能診斷方法研究》（項(xiàng)目編號(hào)：51075023）。聲發(fā)射檢測(cè)技術(shù)用于故障診斷領(lǐng)域是當(dāng)前研究的熱點(diǎn)問(wèn)題之一，聲發(fā)射信號(hào)由于處于高頻范圍內(nèi)，不易受到各種低頻振動(dòng)噪聲干擾，具有良好的應(yīng)用前景。但是，聲發(fā)射檢測(cè)技術(shù)在工業(yè)生產(chǎn)應(yīng)用中，如何進(jìn)行有效的信噪分離，如何選擇特征參數(shù)以提高狀態(tài)識(shí)別的準(zhǔn)確率，如何選擇適用于不同要求的狀態(tài)識(shí)別方法是目前存在的三個(gè)主要問(wèn)題。 本文針對(duì)聲發(fā)射監(jiān)測(cè)系統(tǒng)中存在的主要問(wèn)題開(kāi)展研究，在信噪分離上提出了以小波變換為核心，以強(qiáng)制消噪法和小波閾值消噪法相結(jié)合的信號(hào)預(yù)處理方法，并將信息熵的概念引入小波基函數(shù)的選擇過(guò)程中，選擇出與滾動(dòng)軸承聲發(fā)射信號(hào)較為吻合的小波基函數(shù)，提高了消噪的效果；研究了基于現(xiàn)代信號(hào)處理方法的聲發(fā)射信號(hào)特征提取方法，提出了以互信息理論和距離測(cè)度相結(jié)合的特征參數(shù)評(píng)價(jià)因子，選擇敏感度高冗余度低的狀態(tài)特征參數(shù)；研究了基于參數(shù)有效性的狀態(tài)識(shí)別方法，提出特征參數(shù)與狀態(tài)類(lèi)別的相關(guān)性和參數(shù)之間距離測(cè)度作為有效性系數(shù)改進(jìn)模糊識(shí)別方法，提高了識(shí)別的準(zhǔn)確率。將改進(jìn)的模糊聚類(lèi)法與包絡(luò)譜分析法作為監(jiān)測(cè)單元簡(jiǎn)易狀態(tài)識(shí)別方法，而將蟻群聚類(lèi)算法和粒子群聚類(lèi)算法作為上位機(jī)精確識(shí)別方法，，經(jīng)過(guò)測(cè)試，這種監(jiān)測(cè)單元簡(jiǎn)易識(shí)別與上位機(jī)精確識(shí)別結(jié)合的識(shí)別模式，提高了滾動(dòng)軸承狀態(tài)識(shí)別的效率。
[Abstract]:This topic comes from the project of National Natural Science Foundation "Research on Monitoring and Intelligent diagnosis of Mechanical Fault Wireless Sensor Network" (item No.: 51075023).Acoustic emission detection technology is one of the hot issues in the field of fault diagnosis. Acoustic emission signal is not easily disturbed by various low-frequency vibration noise because it is in the high frequency range, so it has a good application prospect.However, in the application of acoustic emission detection technology in industrial production, how to effectively separate signal and noise, how to select characteristic parameters to improve the accuracy of state recognition,How to choose a state recognition method suitable for different requirements is one of the three main problems.In this paper, the main problems in acoustic emission monitoring system are studied, and a signal preprocessing method based on wavelet transform is proposed, which combines the forced de-noising method with the wavelet threshold de-noising method.The concept of information entropy is introduced into the selection process of wavelet basis function and the wavelet basis function which is in good agreement with the acoustic emission signal of rolling bearing is selected to improve the effect of de-noising.The feature extraction method of acoustic emission signal based on modern signal processing method is studied. A feature parameter evaluation factor based on mutual information theory and distance measure is proposed to select the state characteristic parameters with high sensitivity and low redundancy.In this paper, the method of state recognition based on parameter validity is studied, and the correlation between feature parameter and state class and the distance measure between parameters are proposed as the effective coefficient to improve the fuzzy recognition method, which improves the accuracy of recognition.The improved fuzzy clustering method and envelope spectrum analysis method are used as simple state recognition methods for monitoring unit, while ant colony algorithm and particle cluster algorithm are used as the accurate identification method for upper computer.The combination of the simple identification of the monitoring unit and the precise identification of the upper computer improves the efficiency of the rolling bearing state recognition.
【學(xué)位授予單位】：北京化工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類(lèi)號(hào)】：TH165.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李兵;張培林;任國(guó)全;劉東升;米雙山;;基于互信息的滾動(dòng)軸承故障特征選擇方法[J];測(cè)試技術(shù)學(xué)報(bào);2009年02期

2 劉立生,邱阿瑞;希爾伯特變換在電機(jī)故障診斷中的應(yīng)用[J];電工電能新技術(shù);1999年02期

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

4 劉靖明,韓麗川,侯立文;一種新的聚類(lèi)算法——粒子群聚類(lèi)算法[J];計(jì)算機(jī)工程與應(yīng)用;2005年20期

5 劉健;張維明;;基于互信息的文本特征選擇方法研究與改進(jìn)[J];計(jì)算機(jī)工程與應(yīng)用;2008年10期

6 唐亮;段建國(guó);許洪波;梁玲;;基于互信息最大化的特征選擇算法及應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2008年13期

7 鄭軍;王巍;楊武;楊永田;;基于類(lèi)間距離參數(shù)估計(jì)的文本聚類(lèi)評(píng)價(jià)方法[J];計(jì)算機(jī)工程;2009年09期

8 張玉芳;婁娟;李智星;熊忠陽(yáng);;基于模糊關(guān)系的文本分類(lèi)方法[J];計(jì)算機(jī)工程;2011年16期

9 王娟,慈林林,姚康澤;特征選擇方法綜述[J];計(jì)算機(jī)工程與科學(xué);2005年12期

10 胡小兵,袁銳,黃席樾,易繼軍;蟻群算法原理的仿真研究[J];計(jì)算機(jī)仿真;2004年08期

相關(guān)博士學(xué)位論文 前2條

1 姜長(zhǎng)泓;軌道車(chē)輛輪軸故障檢測(cè)系統(tǒng)研究[D];吉林大學(xué);2006年

2 趙靜榮;聲發(fā)射信號(hào)處理系統(tǒng)與源識(shí)別方法的研究[D];吉林大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 王佳;Mallat算法中有限長(zhǎng)信號(hào)邊界處理問(wèn)題的研究與應(yīng)用[D];北京交通大學(xué);2010年

2 劉玲玲;文本分類(lèi)中的特征選擇研究[D];中國(guó)石油大學(xué);2011年

3 林云飛;基于小波分析的超聲波透射法基樁檢測(cè)信號(hào)處理[D];長(zhǎng)沙理工大學(xué);2011年

4 楊杰;聲發(fā)射信號(hào)處理與分析技術(shù)的研究[D];吉林大學(xué);2005年

5 宋東哲;基于小波變換的去噪方法[D];吉林大學(xué);2005年

6 印欣運(yùn);聲發(fā)射技術(shù)在旋轉(zhuǎn)機(jī)械碰摩故障診斷中的應(yīng)用[D];清華大學(xué);2005年

7 付元杰;基于時(shí)頻能量分析的聲發(fā)射特征信號(hào)的提取方法研究[D];廣西大學(xué);2006年

8 封常生;小波分析在信號(hào)處理中的應(yīng)用[D];上海交通大學(xué);2007年

9 周靜;基于DSP的金屬裂紋聲發(fā)射信號(hào)特征參數(shù)提取[D];廣西大學(xué);2008年

10 趙新光;基于聲發(fā)射和小波分析的大型風(fēng)力機(jī)葉片材料損傷識(shí)別研究[D];沈陽(yáng)工業(yè)大學(xué);2009年

本文編號(hào)：1754376