【摘要】： 作為人工智能領域中的一種新方法—粗糙集理論，是繼概率論、模糊集理論、證據理論之后的又一種新的處理不確定性信息的數學方法。它不僅為信息科學和認知科學提供了新的科學邏輯和研究方法，而且為智能信息處理提供了有效的處理技術。 粗集作為一種處理不確定、不精確數據的數學工具，從新的角度認識知識，特別值得注意的是它與其它軟計算方法有很強的集成能力。此種背景下，基于粗分析的智能決策就成為決策學科的一個前沿問題。 選擇合理有效的簡明屬性集，是粗集研究的重要內容。最優(yōu)屬性選擇也是NP-hard問題。 機械故障診斷是根據設備運行狀態(tài)信息查找故障源，并確定相應決策的一門綜合性科學。故障源發(fā)出的信息，是通過系統的特征和狀態(tài)來傳遞的。故障診斷技術中，最關鍵也是最困難的問題之一是故障特征提取。它制約著故障診斷的準確率和故障早期預報的準確性及可靠性，是當前故障診斷研究中的瓶頸。 有些反映早期故障特征的信號常常比較微弱，而相應的非故障特征信號分量卻比較強，往往會淹沒那些反映早期故障征兆的信號，這些信號有的直接反映系統的故障，有的需要進行加工處理后得到新量(如模型參數)才能反映系統故障。為了更有效、更容易地獲得故障特征信息，本文建立了小波—自信息包絡解調法。 本文建立了滾動軸承故障診斷實驗裝置，模擬了典型的滾動軸承故障，對所建立的故障診斷方法進行了驗證和校核，通過對比Hilbert法表明，該方法能更有效的提取軸承故障特征。 本文還研究了一種新的時頻分布，通過實驗研究表明該時頻分布在能量聚集方面優(yōu)于傳統的WVD，更容易診斷軸承故障和監(jiān)測軸承局部故障的發(fā)展趨勢。 本文采用了正、反進動理論特征值作為條件屬性，運用粗集—熵最大理論獲取最優(yōu)特征集，然后運用BP、RBF對轉子碰摩、不平橫故障進行了診斷。 本文針對軸承故障的特點，建立了滾動軸承動力學模型。頻率特征量采用經小波—自信息包絡解調法獲取的譜熵、特征頻率最大譜值、譜能量，時域特征量采用經本征模態(tài)法獲得的組合信號的絕對平均值、有效值和峭度值，將頻率特征量和時域特征量作為條件屬性，運用粗集—熵最大理論獲取最優(yōu)特征集，然后應用自組織映射對軸承故障進行了診斷。 本文建立了軸承故障字典，該方法能準確的診斷出軸承故障。為工程師提供更好的故障診斷輔助工具。 本文經過大量實驗表明運用粗集—熵最大理論獲取最優(yōu)特征集，在達到相同分類的前提下能縮短神經網絡訓練時間。
【學位授予單位】：西北工業(yè)大學
【學位級別】：博士
【學位授予年份】：2007
【分類號】：TH17
【圖文】：

2.1滾動軸承故障的模擬試驗 2.1.1實驗裝置滾動軸承故障診斷實驗裝置如圖2.1所示(其照片見附圖)。轉子兩支點均選用307型滾動軸承，其兒何參數如表2.1所示。模擬故障軸承置于轉子左支承端。軸承座可以拆卸，以便更換不同故障類型的軸承。聯軸器上貼有反光紙作為相位起始標志，光電傳感器提供轉速和鍵相信號。置于有故障軸承軸向、徑向垂直和徑向水平方向的加速度傳感器測得的振動信號經電荷放人器，送至CAMD一 6100型信號調理器處理，最后由裝于計算機由西北工業(yè)大學中德所研制的“齒輪&滾動軸承狀態(tài)監(jiān)測與故障診斷軟件包”分析與處理。力I]速度傳感器3圖2.1滾動軸承故障診斷實驗裝置小總圖 F192.1The

西北工業(yè)大學工學博士學位論文表2.1307型滾動軸承的幾何參數幾b.2.IThegeometriealParameterofthetyPe307rollingbearing滾滾珠數數滾珠直徑如中)_---軸承內徑(mm)))軸承外徑(inm)))一接觸角雌)))7777714.55535558OOO0002.1.2滾動軸承故障模擬類型本文分別模擬了滾動軸承的內環(huán)單處劃痕故障(圖2.2)、外環(huán)單處劃痕故障(圖2.3)、滾珠單處劃痕故障(圖2.4);內環(huán)單點點蝕故障(圖2.5)、外環(huán)單點點蝕故障(圖2.6)、滾珠單點點蝕故障(圖2.7);外環(huán)兩處劃痕故障，各故障大小見表2.2。

2.1.2滾動軸承故障模擬類型本文分別模擬了滾動軸承的內環(huán)單處劃痕故障(圖2.2)、外環(huán)單處劃痕故障(圖2.3)、滾珠單處劃痕故障(圖2.4);內環(huán)單點點蝕故障(圖2.5)、外環(huán)單點點蝕故障(圖2.6)、滾珠單點點蝕故障(圖2.7);外環(huán)兩處劃痕故障，各故障大小見表2.2。圖2.2.滾動軸承內環(huán)單處劃痕故障 Fig22Thesingleseratehfaultontheinnerring圖2.3滾動軸承外環(huán)單處劃痕故障 Fig2.3Thesingleseratehfaultontheouterring圖24滾動軸承滾珠單處劃痕故障 Fig.24Thesingleerosionfaultontheinnerring圖2.5滾動軸承內環(huán)單點點蝕故障 F192.5Thesingleerosionfaultontheinnerring圖2.6滾動軸承外環(huán)單點點蝕故障 Fig.2.6Thesingleerosionfaultontheouterring圖2.7滾動軸承滾珠單點點蝕故障 Fig.2.7Thesingleerosionfaultonaball

【引證文獻】

相關博士學位論文 前2條

1 趙慧敏;柴油機非穩(wěn)態(tài)振動信號分析與智能故障診斷研究[D];天津大學;2010年

2 趙佰亭;混合決策系統的粗集模型及在轉臺故障診斷中的應用[D];哈爾濱工業(yè)大學;2010年

相關碩士學位論文 前2條

1 臧紅巖;礦井風機故障智能診斷研究[D];山東輕工業(yè)學院;2011年

2 曹黎明;基于粗糙集理論的汽輪機組振動故障診斷研究[D];東北電力大學;2010年

本文編號：2805583