【摘要】：滾動軸承是旋轉(zhuǎn)機械的核心部件，其性能直接影響到整個機械系統(tǒng)運行狀態(tài)。但是由于加工工藝復(fù)雜，工作環(huán)境惡劣等因素的存在，導(dǎo)致了軸承具有較高的故障率，因此軸承的故障診斷一直是一個重要的研究課題。滾動軸承實測振動信號往往會有多個振動源的同時存在，表現(xiàn)出非平穩(wěn)、非線性，這些都嚴(yán)重的影響診斷的準(zhǔn)確性和可靠性。獨立成分分析（ICA）是近幾年發(fā)展起來的基于信號高階統(tǒng)計特性的分析方法，它能僅通過多路混合信號就能將相互獨立的分量分離出來，但是目前該算法對于處理非線性變化的信號有一定的局限性。而本文使用的核獨立成分分析(KICA)是將核方法的非線性解決能力以及ICA的高階統(tǒng)計特性結(jié)合起來的全新算法，它能有效的捕捉數(shù)據(jù)的非線性特征，在處理高階相關(guān)性數(shù)據(jù)時表現(xiàn)出特有優(yōu)勢。盡管核方法在很多問題上有著良好表現(xiàn)，但是核函數(shù)和核參數(shù)的選擇目前缺少統(tǒng)一定則，在實際應(yīng)用中只能憑借經(jīng)驗確定；同時基于KICA的信號處理存在著不確定性、源信號估計以及信號信息使用單一問題，針對上述問題本論文開展以下工作： （1）歸納了旋轉(zhuǎn)機械核心部件滾動軸承的典型故障機理，開展了滾動軸承故障振動信號采集實驗，，同時論述了滾動軸承故障診斷中ICA、核方法以及KICA方法原理，作為后續(xù)研究的理論基礎(chǔ)。 （2）針對機械故障診斷中KICA算法的核函數(shù)及核參數(shù)難以確定問題，構(gòu)造了基于改進向量夾角余弦值的相似度函數(shù)，提出以KICA分離前后信號相似度作為KICA信號分離效果評判標(biāo)準(zhǔn)，對滾動軸承故障診斷中KICA的核參數(shù)進行尋優(yōu)研究。通過仿真實驗確定最適于滾動軸承故障診斷的核函數(shù)類型及其參數(shù)取值范圍，并用于指導(dǎo)實測滾動軸承振動信號的分析與診斷。 （3）針對信號的KICA分離中的不確定性、源信號估計問題以及信號信息使用單一的問題提出提出了基于約束KICA的滾動軸承故障診斷模型，旨在通過滾動軸承故障機理先驗知識構(gòu)建脈沖參考信號用于KICA信號分離的約束條件，提高故障信號分離的效果。研究了信號通道數(shù)以及脈沖參考信號頻率、相位以及脈沖寬度對算法性能的影響，并結(jié)合滾動軸承故障實驗臺測試的數(shù)據(jù)對該方法的特征信號提取進行驗證，證明了基于脈沖參考信號的約束KICA對滾動軸承故障診斷的有效性。
[Abstract]:Rolling bearing is the core component of rotating machinery, and its performance directly affects the running state of the whole mechanical system. However, because of the complex processing technology and poor working environment, the bearing has a high failure rate, so the bearing fault diagnosis has been an important research topic. The measured vibration signals of rolling bearings often have multiple vibration sources at the same time, which show non-stationary and nonlinear, which seriously affect the accuracy and reliability of diagnosis. Independent component analysis (ICA) is an analytical method based on the high order statistical characteristics of signals developed in recent years. It can separate independent components from each other only by multichannel mixed signals. However, the algorithm has some limitations in dealing with nonlinear signals. The kernel independent component analysis (KICA) used in this paper is a new algorithm which combines the nonlinear solution of the kernel method and the higher-order statistical characteristics of the ICA. It can effectively capture the nonlinear characteristics of the data. It has a unique advantage in dealing with high-order correlation data. Although the kernel method has good performance on many problems, the selection of kernel function and kernel parameters is lack of uniform rules, and can only be determined by experience in practical application. At the same time, there is uncertainty in signal processing based on KICA. To solve the above problems, the following works are carried out: (1) the typical fault mechanism of rolling bearing, which is the core component of rotating machinery, is summarized, and the vibration signal collection experiment of rolling bearing is carried out. At the same time, the ICA, kernel method and the principle of KICA method in rolling bearing fault diagnosis are discussed. (2) aiming at the difficulty of determining the kernel function and kernel parameters of KICA algorithm in mechanical fault diagnosis, a similarity function based on the cosine value of the improved vector angle is constructed. In this paper, the signal similarity before and after KICA separation is used as the criterion for evaluating the effect of KICA signal separation, and the kernel parameters of KICA in fault diagnosis of rolling bearing are studied. The type of kernel function and the range of parameters are determined by simulation experiments, which are used to guide the analysis and diagnosis of vibration signals of rolling bearings. (3) aiming at the uncertainty in KICA separation, the source signal estimation problem and the single problem of signal information use, a rolling bearing fault diagnosis model based on constrained KICA is proposed. The purpose of this paper is to construct the constraint condition of pulse reference signal for KICA signal separation by prior knowledge of rolling bearing fault mechanism, and to improve the effect of fault signal separation. The effects of signal channel number, pulse reference signal frequency, phase and pulse width on the performance of the algorithm are studied. The validity of constrained KICA based on impulse reference signal for rolling bearing fault diagnosis is proved.
【學(xué)位授予單位】：湖南科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TH133.33;TH165.3

【相似文獻】

相關(guān)期刊論文 前10條

1 李卓彥;周強強;李志雄;;滾動軸承故障診斷技術(shù)的研究[J];科技信息;2008年36期

2 高斌;陳果;;一種滾動軸承故障特征的時頻綜合分析法[J];機械科學(xué)與技術(shù);2009年04期

3 程軍圣;張亢;楊宇;;局部均值分解方法及其在滾動軸承故障診斷中的應(yīng)用[J];中國機械工程;2009年22期

4 韓業(yè)鋒;仲濤;石磊;;基于包絡(luò)譜分析的滾動軸承故障診斷分析[J];機械研究與應(yīng)用;2010年04期

5 張弦;王宏力;;進化小波消噪方法及其在滾動軸承故障診斷中的應(yīng)用[J];機械工程學(xué)報;2010年15期

6 毛亞紅;劉金良;;振動分析技術(shù)在風(fēng)機滾動軸承故障診斷中的應(yīng)用[J];中國設(shè)備工程;2011年06期

7 張云鵬;蓋強;;S變換在滾動軸承故障診斷上的應(yīng)用[J];應(yīng)用科技;2011年07期

8 吳建林,盛英梁;振動信號頻譜分析法檢測鐵道車輛滾動軸承故障初探[J];鐵道車輛;1993年05期

9 高興;大型收塵風(fēng)機滾動軸承故障診斷[J];風(fēng)機技術(shù);1994年01期

10 宋顯輝;用電腦分析儀診斷水泵滾動軸承故障[J];冶金動力;1995年05期

相關(guān)會議論文 前10條

1 張益純;;常見滾動軸承故障診斷的技術(shù)探討[A];第十屆全國設(shè)備監(jiān)測與診斷技術(shù)學(xué)術(shù)會議論文集[C];2000年

2 劉玉林;;貨車滾動軸承故障不分解診斷技術(shù)參數(shù)選擇與優(yōu)化探討[A];擴大鐵路對外開放、確保重點物資運輸——中國科協(xié)2005年學(xué)術(shù)年會鐵道分會場暨中國鐵道學(xué)會學(xué)術(shù)年會和粵海通道運營管理學(xué)術(shù)研討會論文集[C];2005年

3 楊積忠;左立建;;滾動軸承故障診斷實例[A];設(shè)備監(jiān)測與診斷技術(shù)及其應(yīng)用——第十二屆全國設(shè)備監(jiān)測與診斷學(xué)術(shù)會議論文集[C];2005年

4 何斌;戚佳杰;;小波分析在滾動軸承故障診斷中的應(yīng)用研究[A];第九屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文摘要集[C];2007年

5 李放寧;;峰值能量在滾動軸承故障診斷中的應(yīng)用[A];第十屆全國設(shè)備監(jiān)測與診斷技術(shù)學(xué)術(shù)會議論文集[C];2000年

6 何斌;戚佳杰;;小波分析在滾動軸承故障診斷中的應(yīng)用研究[A];第九屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文集[C];2007年

7 張九軍;;常見滾動軸承故障的簡易診斷[A];2008年全國煉鐵生產(chǎn)技術(shù)會議暨煉鐵年會文集（上冊）[C];2008年

8 李興林;;滾動軸承故障診斷技術(shù)現(xiàn)狀及發(fā)展[A];2009年全國青年摩擦學(xué)學(xué)術(shù)會議論文集[C];2009年

9 唐海峰;陳進;董廣明;;信號稀疏分解方法在滾動軸承故障診斷中的應(yīng)用[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

10 高耀智;;高階統(tǒng)計量與小波分析相結(jié)合在滾動軸承故障診斷中的應(yīng)用[A];2009年全國青年摩擦學(xué)學(xué)術(shù)會議論文集[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 于江林;滾動軸承故障的非接觸聲學(xué)檢測信號特性及重構(gòu)技術(shù)研究[D];大慶石油學(xué)院;2009年

2 楊柳松;基于小波分析與神經(jīng)網(wǎng)絡(luò)滾動軸承故障診斷方法的研究[D];東北林業(yè)大學(xué);2013年

3 從飛云;基于滑移向量序列奇異值分解的滾動軸承故障診斷研究[D];上海交通大學(xué);2012年

4 侯者非;強噪聲背景下滾動軸承故障診斷的關(guān)鍵技術(shù)研究[D];武漢理工大學(xué);2010年

5 趙協(xié)廣;基于小波變換和經(jīng)驗?zāi)B(tài)分解的滾動軸承故障診斷方法研究[D];山東科技大學(xué);2009年

6 郭艷平;面向風(fēng)力發(fā)電機組齒輪箱滾動軸承故障診斷的理論與方法研究[D];浙江大學(xué);2012年

7 孟濤;齒輪與滾動軸承故障的振動分析與診斷[D];西北工業(yè)大學(xué);2003年

8 崔寶珍;自適應(yīng)形態(tài)濾波與局域波分解理論及滾動軸承故障診斷[D];中北大學(xué);2013年

9 姜銳紅;基于譜峭度及原子分解的滾動軸承故障診斷方法研究[D];上海大學(xué);2014年

10 王雷;基于流形學(xué)習(xí)的滾動軸承故障診斷若干方法研究[D];大連理工大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 李秋瑞;基于近鄰函數(shù)準(zhǔn)則與支持向量機的滾動軸承故障診斷研究[D];電子科技大學(xué);2010年

2 蘇憲章;滾動軸承故障非接觸多傳感器聲信號融合及診斷技術(shù)研究[D];東北石油大學(xué);2012年

3 劉震坤;基于支持向量數(shù)據(jù)描述的滾動軸承故障診斷方法研究[D];湖南大學(xué);2012年

4 孔亞林;基于振動信號的滾動軸承故障診斷方法研究[D];大連理工大學(xué);2006年

5 白文廣;基于虛擬儀器技術(shù)的滾動軸承故障檢測系統(tǒng)的研究[D];華北電力大學(xué)（河北）;2008年

6 蘇陽;數(shù)據(jù)驅(qū)動滾動軸承故障診斷研究[D];沈陽大學(xué);2012年

7 呂志剛;基于形態(tài)小波和最小二乘支持向量機的滾動軸承故障診斷研究[D];電子科技大學(xué);2012年

8 董群英;基于非平穩(wěn)時序分析的滾動軸承故障特征提取方法研究[D];中南大學(xué);2012年

9 魏巍;基于非平穩(wěn)時序分析的滾動軸承故障診斷方法研究[D];湖南工業(yè)大學(xué);2012年

10 付新欣;基于小波分析的滾動軸承故障診斷技術(shù)研究[D];沈陽航空航天大學(xué);2013年

本文編號：2416678