【摘要】：隨著現(xiàn)代科學(xué)技術(shù)的不斷發(fā)展，現(xiàn)代設(shè)備的結(jié)構(gòu)越來(lái)越復(fù)雜，功能越來(lái)越完善，自動(dòng)化程度越來(lái)越高，系統(tǒng)集成的規(guī)模越來(lái)越大。因此，對(duì)設(shè)備的性能識(shí)別和故障診斷技術(shù)的要求越來(lái)越高。滾動(dòng)軸承作為各類旋轉(zhuǎn)機(jī)械中最常用的通用零部件之一，也是旋轉(zhuǎn)機(jī)械易損件之一。滾動(dòng)軸承故障診斷的理論、方法和應(yīng)用得到特別的重視。 本文詳細(xì)分析和討論了滾動(dòng)軸承診斷的常用方法。這些傳統(tǒng)的方法主要基于振動(dòng)分析診斷方法的基本原理和方法。在充分討論和分析滾動(dòng)軸承的各種振動(dòng)信號(hào)分析方法，包括時(shí)域分析、頻域分析和時(shí)頻分析以及各種時(shí)、頻域特征提取方法，以及新近發(fā)展的滾動(dòng)軸承狀態(tài)識(shí)別方法中神經(jīng)網(wǎng)絡(luò)分類器和支持向量機(jī)的基本原理后，提出了新的軸承振動(dòng)信號(hào)分析方法及狀態(tài)識(shí)別方法，對(duì)新方法的理論進(jìn)行深入研究，并研制了分析程序，應(yīng)用實(shí)際數(shù)據(jù)進(jìn)行數(shù)值試驗(yàn)的應(yīng)用研究。 本文關(guān)于新方法的研究和應(yīng)用工作主要包括兩個(gè)部分： (1)吸取傳統(tǒng)共振解調(diào)技術(shù)的主要思想，結(jié)合自適應(yīng)短時(shí)傅立葉方法，提出一種新的振動(dòng)信號(hào)分析方法——自適應(yīng)共振解調(diào)技術(shù)。該方法利用自適應(yīng)STFT對(duì)采集到的振動(dòng)信號(hào)進(jìn)行時(shí)頻變換，給出L~p范數(shù)準(zhǔn)則從時(shí)頻能量譜中提取類似于邊緣譜的時(shí)間能量信號(hào)，并用該信號(hào)取代傳統(tǒng)共振解調(diào)中的包絡(luò)信號(hào)進(jìn)行譜分析。試驗(yàn)證明該方法不僅有效地突出了故障特征，還避免了傳統(tǒng)共振解調(diào)方法中濾波器參數(shù)選擇難的問(wèn)題。 (2)提出了一種結(jié)合支持向量機(jī)、主成分分析及相關(guān)山形聚類分析的全新的軸承特征識(shí)別方法。首先利用支持向量機(jī)分類器對(duì)滾動(dòng)軸承特征參數(shù)樣本進(jìn)行分類，分離出帶故障的軸承特征參數(shù)樣本；其次對(duì)故障軸承的特征參數(shù)數(shù)據(jù)作主成分分析，得到獨(dú)立的，低維的，代表了主要信息的主成分指標(biāo)；最后運(yùn)用相關(guān)山形聚類方法對(duì)主成分?jǐn)?shù)據(jù)進(jìn)行聚類分析，最終達(dá)到辨別故障部位的目的。試驗(yàn)表明，該方法用于軸承特征識(shí)別有效率達(dá)到96％。
【學(xué)位授予單位】：中央民族大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2006
【分類號(hào)】：TH133.33

【引證文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前7條

1 胡秀琴;旋轉(zhuǎn)機(jī)械故障診斷技術(shù)研究[D];電子科技大學(xué);2011年

2 尚景山;基于模糊與虛擬儀器的滾動(dòng)軸承故障診斷系統(tǒng)研究[D];大連交通大學(xué);2011年

3 高二山;基于現(xiàn)代信號(hào)分析方法的滾動(dòng)軸承故障診斷的研究[D];華北電力大學(xué)（北京）;2009年

4 谷開波;滾切式雙邊剪故障處理方法的探索[D];西安建筑科技大學(xué);2009年

5 張俊;基于小波分形和神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷[D];北京交通大學(xué);2009年

6 孟東東;基于虛擬儀器的采煤機(jī)故障診斷系統(tǒng)的研究[D];安徽理工大學(xué);2009年

7 裴新才;基于遺傳神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷方法的研究[D];山東理工大學(xué);2012年

本文編號(hào)：2723645