本文關鍵詞：基于非平穩(wěn)性信號分析的滾動軸承狀態(tài)檢測診斷研究，由筆耕文化傳播整理發(fā)布。

【摘要】：滾動軸承廣泛應用在工業(yè)中，，是機械設備中最重要的零件之一，它的運行狀態(tài)直接關系到整臺機器能否正常運行。因此，對滾動軸承的運行狀態(tài)進行檢測和診斷是非常有價值的。 本論文第三章從時頻分析角度出發(fā)，引入諧波小波和HHT方法對軸承故障信號進行檢測。諧波小波具有盒形頻譜特性，能將任意信號無泄漏、無冗余、正交地分解到相互獨立頻段上，可以當作帶通濾波器來使用，能將特定頻段的成分從信號頻率成分中分離出來，使淹沒在噪聲中較弱的信號顯現(xiàn)出來；Hilber-Huang變換(HHT)方法能自適應的對信號進行時頻分析，同時也能自適應對信號的局部時頻特征進行分解。軸承信號經(jīng)過濾波處理后，去除了高頻噪聲的干擾，再對處理后的信號進行HHT處理，可以在Hilbert邊際譜得到軸承故障特征頻率，有助于對軸承故障進行定位。 本論文第四章是從軸承振動信號瞬態(tài)特征描述和非平穩(wěn)性特征分析角度出發(fā)，建立基于平滑偽Wigner-Ville分布(SPWVD)譜熵和支持向量機(SVM）的信號瞬態(tài)特征提取的故障診斷模型。SPWVD改善了Winger-Ville分布存在交叉干擾項及波形震蕩的缺點，利用窗平滑有效的抑制了交叉項函數(shù)；支持向量機可以實現(xiàn)對滾動軸承不同工作狀態(tài)的智能分類。將軸承振動信號SPWVD譜熵值，用SVM方法對其分類，應用于實例中，發(fā)現(xiàn)SVM智能分類器可以有效識別滾動軸承的工作狀態(tài)，非常適合用于滾動軸承狀態(tài)識別診斷。 本論文從兩個不同角度對滾動軸承故障數(shù)據(jù)進行分析，所用到的數(shù)據(jù)來自西儲大學，實驗表明上述方法可以有效地對軸承故障進行診斷和定位。
【關鍵詞】：機械故障 Hilbert-Huang變換 平滑偽Wigner-Ville分布(SPWVD) 非平穩(wěn)性 支持向量機算法
【學位授予單位】：燕山大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TH133.33;TH165.3
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-17
• 1.1 課題研究背景及意義10-11
• 1.2 機械故障診斷技術的發(fā)展狀況11-13
• 1.3 故障診斷方法13-15
• 1.4 本文主要的研究內(nèi)容和章節(jié)安排15-17
• 第2章 滾動軸承的故障分析及診斷方法17-29
• 2.1 故障的類型17-18
• 2.2 軸承主要的失效形式和成因18-20
• 2.3 滾動軸承故障頻率的計算方法20-22
• 2.4 滾動軸承產(chǎn)生振動的原理及振動的類型22
• 2.5 滾動軸承振動信號故障診斷法22-28
• 2.5.1 滾動軸承故障診斷法的步驟23
• 2.5.2 滾動軸承故障診斷的時域分析方法23-24
• 2.5.3 滾動軸承故障診斷的頻域分析方法24-25
• 2.5.4 滾動軸承故障診斷的時頻分析方法25-28
• 2.6 本章小結28-29
• 第3章 諧波小波濾波與 HHT 在滾動軸承故障信號中的應用29-45
• 3.1 HHT 的基本原理29-31
• 3.1.1 Hilbert 變換30-31
• 3.2 經(jīng)驗模態(tài)分解(EMD)方法的原理31-35
• 3.2.1 EMD 方法篩分過程31-34
• 3.2.2 EMD 算法的長處34-35
• 3.3 Hi1bert 頻譜分析35-37
• 3.4 諧波小波原理37-38
• 3.5 滾動軸承工作狀態(tài)診斷的流程圖38
• 3.6 應用分析38-44
• 3.6.1 西儲大學實驗數(shù)據(jù)分析38-42
• 3.6.2 實測軸承信號中的應用42-44
• 3.7 本章小結44-45
• 第4章 基于 EMD 和平滑偽 Wigner-Ville 譜熵的軸承故障診斷45-56
• 4.1 平滑偽 Wigner-Ville 譜熵45-46
• 4.1.1 平滑偽 Wigner-Ville 分布45-46
• 4.1.2 平滑偽 Wigner-Ville 譜熵46
• 4.2 支持向量機算法46-49
• 4.2.1 支持向量機的原理46-49
• 4.2.2 支持向量機的特點及存在的不足49
• 4.3 軸承故障診斷流程圖49-50
• 4.4 仿真實驗50-55
• 4.5 本章小結55-56
• 結論56-58
• 參考文獻58-62
• 攻讀碩士學位期間承擔的科研任務與主要成果62-63
• 致謝63-64
• 作者簡介64

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 戴吾蛟;丁曉利;朱建軍;陳永奇;李志偉;;基于經(jīng)驗模式分解的濾波去噪法及其在GPS多路徑效應中的應用[J];測繪學報;2006年04期

2 黨保華;朱德榮;杜志強;王淑珍;余炳輝;;基于IPSO優(yōu)化BP神經(jīng)網(wǎng)絡的滾動軸承故障診斷[J];軸承;2011年07期

3 李敏;傅攀;;EMD和Elman神經(jīng)網(wǎng)絡在滾動軸承故障診斷中的應用[J];四川兵工學報;2011年08期

4 胡勁松,楊世錫;基于HHT的旋轉機械故障診斷方法研究[J];動力工程;2004年06期

5 陳彥龍;張培林;徐超;李勝;;基于DCT和EMD的滾動軸承故障診斷[J];電子測量技術;2012年02期

6 焦丹,徐善駕,吳先良,李世雄;采用頻域緊支集正交小波基消除瞬態(tài)散射回波中的高斯白噪聲干擾[J];電子學報;1999年06期

7 臧懷剛;李清志;王石云;韓驗龍;;基于改進的DCT和EMD的軸承故障診斷[J];軸承;2013年03期

8 李雪耀;鄒曉杰;張汝波;錢真;;譜熵和主成分分析用于EMD分解研究[J];哈爾濱工程大學學報;2009年07期

9 沈國際,陶利民,徐永成,陳仲生;基于Wigner分布和經(jīng)驗模態(tài)分解的減速器故障診斷[J];航空動力學報;2005年02期

10 章浩;;滾動軸承故障診斷技術研究[J];湖南農(nóng)機;2010年09期

  本文關鍵詞：基于非平穩(wěn)性信號分析的滾動軸承狀態(tài)檢測診斷研究，由筆耕文化傳播整理發(fā)布。

本文編號：277528