本文選題：健康狀態(tài)評(píng)估 + 軸向柱塞泵　； 參考：《燕山大學(xué)》2012年碩士論文

【摘要】：隨著我國(guó)制造業(yè)裝備水平的不斷提高，機(jī)械設(shè)備也越來(lái)越先進(jìn)，對(duì)這些設(shè)備自動(dòng)化程度和水平的要求越來(lái)越高，如果這些關(guān)系到國(guó)計(jì)民生的大型和關(guān)鍵設(shè)備出現(xiàn)了故障，就會(huì)造成不同程度的經(jīng)濟(jì)損失。因此，對(duì)于機(jī)械設(shè)備進(jìn)行健康狀態(tài)評(píng)估，實(shí)時(shí)地對(duì)其工作狀態(tài)進(jìn)行監(jiān)測(cè)，在設(shè)備運(yùn)轉(zhuǎn)過程中把握設(shè)備的工作狀態(tài)是非常有必要的。 通過傳感器采集斜盤式軸向柱塞泵的泵端蓋振動(dòng)信號(hào)，運(yùn)用小波包技術(shù)對(duì)采集到的信號(hào)進(jìn)行分解和重構(gòu)來(lái)實(shí)現(xiàn)帶通濾波，得到故障信號(hào)所在的頻段。利用小波包消噪方法對(duì)該頻段進(jìn)行消噪處理，，提高信號(hào)的信噪比，突出故障特征。然后采用Hilbert包絡(luò)解調(diào)技術(shù)對(duì)消噪的信號(hào)進(jìn)行包絡(luò)解調(diào)，將故障信號(hào)從共振信號(hào)中解調(diào)出來(lái)。再對(duì)此信號(hào)進(jìn)行降頻處理，得到0~2000Hz的頻帶范圍內(nèi)，得到一個(gè)含有豐富故障信息的信號(hào)。最后，再利用該信號(hào)進(jìn)行健康狀態(tài)特征提取。 信息熵描述了系統(tǒng)狀態(tài)不確定性的程度和復(fù)雜程度，即信源輸入的信息越不穩(wěn)定和越復(fù)雜，信息熵越大。通過對(duì)大量資料的查閱，得出信息熵在故障程度評(píng)估方面有非常好的效果。 采集不同磨損程度的滑靴工作時(shí)的振動(dòng)信號(hào)，在時(shí)域、頻域和時(shí)頻域?qū)υ撜駝?dòng)信號(hào)進(jìn)行信息熵的特征提取，得到奇異譜熵、功率譜熵、小波系數(shù)能量熵和小波包能量熵，經(jīng)過實(shí)驗(yàn)及數(shù)據(jù)分析可以得出健康狀態(tài)越惡劣，信號(hào)的復(fù)雜度和不確定度越高，那么信息熵值也就越大。所以，信息熵是一個(gè)非常好的評(píng)估指標(biāo)，可以應(yīng)用到液壓泵健康狀態(tài)的評(píng)估中。
[Abstract]:With the continuous improvement of the equipment level of our manufacturing industry, the mechanical equipment is becoming more and more advanced, and the requirements for the automation degree and level of these equipment are becoming higher and higher. If these large-scale and key equipment related to the national economy and the people's livelihood are broken down, Will cause varying degrees of economic losses. Therefore, it is very necessary to evaluate the health status of mechanical equipment and monitor its working state in real time, so as to grasp the working state of the equipment in the process of operation. The vibration signal of the end cover of the axial piston pump with oblique disc is collected by the sensor, and the signal is decomposed and reconstructed by wavelet packet technology to realize the bandpass filtering, and the frequency band of the fault signal is obtained. The wavelet packet denoising method is used to de-noise the frequency band to improve the signal-to-noise ratio of the signal and to highlight the fault characteristics. Then the signal is demodulated by Hilbert envelope demodulation technique, and the fault signal is demodulated from the resonance signal. Then the frequency of the signal is reduced and a signal with abundant fault information is obtained in the frequency range of 0 ~ 2000Hz. Finally, the signal is used to extract the health state feature. Information entropy describes the degree and complexity of system state uncertainty, that is, the more unstable and complex the input information is, the greater the information entropy is. By consulting a large number of data, it is concluded that information entropy has a very good effect in fault degree evaluation. The vibration signals of sliding boots with different wear degrees are collected, and the information entropy of the vibration signal is extracted in time domain, frequency domain and time frequency domain. The singular spectrum entropy, power spectrum entropy, wavelet coefficient energy entropy and wavelet packet energy entropy are obtained. Through experiments and data analysis, it can be concluded that the worse the health condition is, the higher the complexity and uncertainty of the signal is, and the greater the information entropy is. Therefore, information entropy is a very good evaluation index, which can be applied to the evaluation of hydraulic pump health.
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：TH137.51

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉伯運(yùn),歐陽(yáng)光耀,常漢寶;基于神經(jīng)網(wǎng)絡(luò)和D-S證據(jù)理論的柴油機(jī)狀態(tài)評(píng)估[J];車用發(fā)動(dòng)機(jī);2005年05期

2 李軍,劉艷,顧雪平;基于信息熵的屬性離散化算法在暫態(tài)穩(wěn)定評(píng)估中的應(yīng)用[J];電力系統(tǒng)自動(dòng)化;2005年08期

3 張哲;趙文清;朱永利;武中利;楊建;;基于支持向量回歸的電力變壓器狀態(tài)評(píng)估[J];電力自動(dòng)化設(shè)備;2010年04期

4 張舉;王興國(guó);李志雷;;小波包能量熵神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)故障診斷中的應(yīng)用[J];電網(wǎng)技術(shù);2006年05期

5 袁志堅(jiān),孫才新,袁張渝,李劍,廖瑞金;變壓器健康狀態(tài)評(píng)估的灰色聚類決策方法[J];重慶大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年03期

6 陳志奎,徐銘陶,秦樹人,湯寶平;工程信號(hào)中的小波采樣與小波分析[J];重慶大學(xué)學(xué)報(bào)(自然科學(xué)版);1996年05期

7 曾慶虎;邱靜;劉冠軍;譚曉棟;;小波相關(guān)特征尺度熵在滾動(dòng)軸承故障診斷中的應(yīng)用[J];國(guó)防科技大學(xué)學(xué)報(bào);2007年06期

8 項(xiàng)貽強(qiáng);汪勁豐;王暉;伍華成;荊龍江;楊萬(wàn)里;李毅;陳冬梅;;大型橋梁與隧道工程健康監(jiān)測(cè)與評(píng)估管理系統(tǒng)的研究[J];華東公路;2006年02期

9 周炎濤,向升,吳正國(guó);RBF神經(jīng)網(wǎng)絡(luò)在電氣設(shè)備狀態(tài)評(píng)估中的應(yīng)用[J];航空計(jì)算技術(shù);2005年03期

10 郭磊;陳進(jìn);;小波包熵在設(shè)備性能退化評(píng)估中的應(yīng)用[J];機(jī)械科學(xué)與技術(shù);2008年09期

相關(guān)博士學(xué)位論文 前1條

1 耿俊豹;基于信息融合的艦船動(dòng)力裝置技術(shù)狀態(tài)綜合評(píng)估研究[D];華中科技大學(xué);2007年

相關(guān)碩士學(xué)位論文 前7條

1 朱明;基于信息熵的導(dǎo)航傳感器故障診斷技術(shù)研究[D];哈爾濱工程大學(xué);2010年

2 郭亞;振動(dòng)信號(hào)處理中的小波基選擇研究[D];合肥工業(yè)大學(xué);2003年

3 關(guān)曉勇;基于奇異值分解的狀態(tài)監(jiān)測(cè)與故障診斷方法研究[D];大連理工大學(xué);2005年

4 胡軍輝;基于譜熵的故障特征提取與數(shù)據(jù)挖掘技術(shù)研究[D];西北工業(yè)大學(xué);2007年

5 吳勇;基于小波的信號(hào)去噪方法研究[D];武漢理工大學(xué);2007年

6 李嵐;基于信息熵的屬性約簡(jiǎn)及其應(yīng)用[D];大連海事大學(xué);2008年

7 劉瑛;信息熵在多尺度過程監(jiān)測(cè)中的應(yīng)用研究[D];北京化工大學(xué);2010年

本文編號(hào)：2102143