本文關(guān)鍵詞：基于MMW和HHT的滾動軸承故障診斷，由筆耕文化傳播整理發(fā)布。

【摘要】：滾動軸承是旋轉(zhuǎn)機械中最常見的零部件，它的運行狀態(tài)直接影響到整臺機器的性能。滾動軸承的損傷類故障會造成軸承失效，對軸承系統(tǒng)造成重大危害，因此，對其進行狀態(tài)檢測和故障診斷具有很重要的現(xiàn)實意義。 滾動軸承的振動信號通常含有較多的噪聲以及沖擊成分，為了使故障診斷更為精確，在分析之前先要對振動信號進行去噪處理。傳統(tǒng)的分析方法如傅里葉分析只適用于平穩(wěn)信號的分析。形態(tài)中值小波兼顧了數(shù)學(xué)形態(tài)學(xué)和小波的優(yōu)良特性，能在去噪的同時，更好的保持細節(jié)，適用于非平穩(wěn)信號的分析。 結(jié)合滾動軸承故障診斷的實際需求，在總結(jié)傳統(tǒng)軸承故障診斷方法的基礎(chǔ)上，本文將形態(tài)中值小波法與Hilbert-Huang變換（HHT）方法相結(jié)合，形成一種新的滾動軸承故障診斷方法。 本文以形態(tài)中值小波和Hilbert-Huang變換（HHT）為理論基礎(chǔ)，圍繞著形態(tài)中值小波理論、信號去噪、Hilbert-Huang變換（HHT）理論、故障特征提取、模式識別方法這幾個主題展開，采用理論研究與仿真驗證相結(jié)合的研究路線。首先，用形態(tài)中值小波對信號進行預(yù)處理，并且在進行該實驗的同時，還將數(shù)學(xué)形態(tài)學(xué)去噪與小波分解去噪一并進行仿真實驗，旨在對比說明選擇形態(tài)中值小波去噪的優(yōu)勢；然后，利用Hilbert-Huang變換（HHT）方法對滾動軸承振動信號進行特征提取，先對滾動軸承的四種狀態(tài)（即：正常軸承、內(nèi)圈故障、外圈故障和滾動體故障）信號作EMD分解并提取特征向量，然后選取EMD分解后的前6個IMF分量構(gòu)造特征向量，并全部進行歸一化處理；最后，利用支持向量機（LS-SVM）方法對之前實驗所得到的數(shù)據(jù)樣本進行分類，最后得出對滾動軸承故障的判別分類結(jié)果。
【關(guān)鍵詞】：滾動軸承 故障診斷 形態(tài)中值小波 Hilbert-Huang變換 最小二乘支持向量機
【學(xué)位授予單位】：沈陽大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TH133.33;TH165.3
【目錄】：

• 摘要5-6
• Abstract6-10
• 1 緒論10-18
• 1.1 課題研究背景及意義10-11
• 1.2 滾動軸承故障診斷技術(shù)的研究現(xiàn)狀及發(fā)展趨勢11-17
• 1.2.1 研究現(xiàn)狀11
• 1.2.2 發(fā)展趨勢11-16
• 1.2.3 局限性和急待解決的問題16-17
• 1.3 本論文的結(jié)構(gòu)和主要工作17-18
• 2 滾動軸承的故障機理與特征分析18-24
• 2.1 滾動軸承的故障產(chǎn)生機理18-21
• 2.2 滾動軸承的失效形式21-22
• 2.3 滾動軸承的特征頻率22-24
• 3 滾動軸承信號去噪處理方法24-37
• 3.1 滾動軸承的信號數(shù)據(jù)采集24-27
• 3.2 數(shù)學(xué)形態(tài)學(xué)基本原理27-29
• 3.3 形態(tài)小波變換理論29-31
• 3.4 形態(tài)中值小波的信號去噪31
• 3.5 實驗結(jié)果與分析31-37
• 4 滾動軸承故障特征提取方法37-55
• 4.1 Hilbert-Huang 變換方法的基礎(chǔ)理論37-42
• 4.1.1 固有模態(tài)函數(shù)40-41
• 4.1.2 影響 Hilbert-Huang 變換方法的幾個因素41-42
• 4.2 Hilbert-Huang 變換方法的實現(xiàn)42-49
• 4.2.1 經(jīng)驗?zāi)Ｊ椒纸?/span>42-44
• 4.2.2 Hilbert 變換的時頻譜與邊際譜44-46
• 4.2.3 Hilbert 變換的實現(xiàn)流程圖46-49
• 4.3 基于 Hilbert-Huang 變換的滾動軸承特征提取方法49-50
• 4.4 實驗結(jié)果與分析50-55
• 5 滾動軸承的故障識別方法55-68
• 5.1 理論背景55-61
• 5.1.1 VC 維56-57
• 5.1.2 推廣性的界限57-58
• 5.1.3 結(jié)構(gòu)風險最小化58
• 5.1.4 支持向量機58-61
• 5.2 基于最小二乘支持向量機分類器61-63
• 5.3 基于 LS-SVM 的滾動軸承故障狀態(tài)識別63-64
• 5.4 實驗結(jié)果與分析64-68
• 6 總結(jié)與展望68-69
• 參考文獻69-74
• 在學(xué)期間研究成果74-75
• 致謝75-76

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 彭良玉;禹旺兵;;基于小波分析和克隆選擇算法的模擬電路故障診斷[J];電工技術(shù)學(xué)報;2007年06期

2 王彬彬;饒泓;張江文;;基于小波分析的滾動軸承故障診斷系統(tǒng)的研究[J];電腦知識與技術(shù);2009年09期

3 章立軍;楊德斌;徐金梧;陳志新;;基于數(shù)學(xué)形態(tài)濾波的齒輪故障特征提取方法[J];機械工程學(xué)報;2007年02期

4 崔碩;;時域指標在滾動軸承故障診斷中的應(yīng)用[J];機械工程與自動化;2008年01期

5 呂永衛(wèi);熊詩波;林選;田慕琴;;基于小波包和EMD處理的滾動軸承故障診斷[J];太原理工大學(xué)學(xué)報;2010年02期

6 舒忠平;楊智春;;抑制經(jīng)驗?zāi)７纸膺吘壭?yīng)的極值點對稱延拓法[J];西北工業(yè)大學(xué)學(xué)報;2006年05期

7 李萌,陸爽,陳岱民;基于小波神經(jīng)網(wǎng)絡(luò)的滾動軸承智能故障診斷系統(tǒng)[J];儀器儀表學(xué)報;2005年S1期

8 康靜秋;孫芳;柳亦兵;;基于關(guān)聯(lián)維數(shù)改進算法滾動軸承故障診斷[J];儀器儀表學(xué)報;2006年S1期

9 郭永彩;郭瑞瑞;高潮;;運動模糊圖像點擴展函數(shù)的參數(shù)鑒別[J];儀器儀表學(xué)報;2010年05期

10 崔玲麗;高立新;殷海晨;張建宇;;基于第二代小波和EMD的解調(diào)方法及其應(yīng)用研究[J];振動與沖擊;2008年06期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 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

  本文關(guān)鍵詞：基于MMW和HHT的滾動軸承故障診斷，，由筆耕文化傳播整理發(fā)布。

本文編號：270713