本文關(guān)鍵詞：基于振動(dòng)信號(hào)分析的旋轉(zhuǎn)機(jī)械故障診斷方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：振動(dòng)信號(hào)分析是進(jìn)行旋轉(zhuǎn)機(jī)械故障診斷的重要手段，旋轉(zhuǎn)機(jī)械故障診斷的一般流程包括采集振動(dòng)信號(hào)、提取故障特征和識(shí)別運(yùn)行狀態(tài)三部分。本文重點(diǎn)研究應(yīng)用最廣泛的齒輪及齒輪箱的故障及診斷方法，通過(guò)信號(hào)處理的手段提取齒輪箱的故障振動(dòng)信號(hào)的時(shí)域特征、頻域特征和非平穩(wěn)的時(shí)頻域特征，并應(yīng)用支持向量機(jī)進(jìn)行故障識(shí)別。從而實(shí)現(xiàn)對(duì)齒輪箱的故障診斷。 故障診斷的最重要的是故障特征的提取，本文對(duì)齒輪的振動(dòng)信號(hào)和故障特征進(jìn)行分析，并從時(shí)域、頻域、時(shí)頻域三方面研究基于振動(dòng)信號(hào)分析的故障診斷方法。在時(shí)域上提取有量綱和無(wú)量綱指標(biāo)，在頻域上提取功率譜能量熵、倒頻譜周期成分和包絡(luò)譜特征，在時(shí)頻域上提取小波包頻帶能量比，并進(jìn)行希爾伯特黃變換分析。重點(diǎn)研究希爾伯特黃變換算法，提出一種抑制端點(diǎn)效應(yīng)的新算法，應(yīng)用于經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）中，減少端點(diǎn)效應(yīng)產(chǎn)生的分解誤差，并對(duì)得到的本征模態(tài)函數(shù)進(jìn)行歸一化Hilbert變換，提取瞬時(shí)頻率譜參數(shù)作為故障特征。通過(guò)仿真實(shí)驗(yàn)表明，改進(jìn)的EMD分解能更加有效的分解出信號(hào)的原始成分，為瞬時(shí)頻率譜的提取打下基礎(chǔ)。通過(guò)實(shí)例驗(yàn)證，本方法提取的瞬時(shí)頻率譜能夠作為特征，進(jìn)行齒輪狀態(tài)的判定。 為了提高狀態(tài)識(shí)別正確率和解決小樣本學(xué)習(xí)問(wèn)題，本文提出免疫貓群改進(jìn)算法優(yōu)化支持向量機(jī)（ICSO-SVM），利用貓群算法的分組特性，將種群分為搜索組和跟蹤組，分別加入免疫算法的克隆選擇和動(dòng)態(tài)疫苗接種算法，運(yùn)用克隆擴(kuò)增算子在搜尋組中進(jìn)行局部搜索，根據(jù)親和度值大小調(diào)節(jié)變異個(gè)體數(shù)目，保持解的多樣性；運(yùn)用動(dòng)態(tài)疫苗提取與接種算子使跟蹤組個(gè)體基因與疫苗進(jìn)行交叉變異，向最優(yōu)解靠攏，防止無(wú)監(jiān)督交叉變異可能引起的退化現(xiàn)象；并通過(guò)濃度平衡算子和選擇算子更新子代種群，防止種群“早熟”。利用免疫貓群改進(jìn)算法對(duì)SVM分類(lèi)過(guò)程中的懲罰參數(shù)和核參數(shù)進(jìn)行優(yōu)化，提出基于免疫貓群改進(jìn)算法優(yōu)化的支持向量機(jī)識(shí)別方法用于故障狀態(tài)分類(lèi)和識(shí)別。通過(guò)仿真實(shí)驗(yàn)表明，免疫貓群改進(jìn)算法具有較高的收斂性，改進(jìn)的支持向量機(jī)算法提高了識(shí)別正確率。 將瞬時(shí)頻率譜特征及其他特征和ICSO-SVM算法應(yīng)用于齒輪故障診斷系統(tǒng)中，，利用MATLAB開(kāi)發(fā)工具，實(shí)現(xiàn)了對(duì)齒輪箱故障狀態(tài)的準(zhǔn)確診斷。
【關(guān)鍵詞】：振動(dòng)信號(hào) 故障診斷 經(jīng)驗(yàn)?zāi)B(tài)分解 免疫貓群改進(jìn)算法 支持向量機(jī)
【學(xué)位授予單位】：天津理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：TH165.3
【目錄】：

• 摘要5-6
• Abstract6-9
• 第一章 緒論9-14
• 1.1 旋轉(zhuǎn)機(jī)械故障診斷的意義9
• 1.2 旋轉(zhuǎn)機(jī)械故障診斷的國(guó)內(nèi)外研究現(xiàn)狀9-10
• 1.3 旋轉(zhuǎn)機(jī)械故障診斷技術(shù)10-12
• 1.4 本論文主要研究?jī)?nèi)容及結(jié)構(gòu)12-14
• 第二章 旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)分析14-25
• 2.1 齒輪箱振動(dòng)信號(hào)構(gòu)成及故障特征14-17
• 2.2 振動(dòng)信號(hào)分析的故障診斷流程17-18
• 2.3 振動(dòng)信號(hào)分析18-25
• 2.3.1 時(shí)域分析18-19
• 2.3.2 頻域分析19-21
• 2.3.3 時(shí)頻域分析21-25
• 第三章 改進(jìn) HHT 變換的時(shí)頻分析25-47
• 3.1 抑制端點(diǎn)效應(yīng)的改進(jìn)算法25-35
• 3.1.1 改進(jìn)算法25-30
• 3.1.2 仿真實(shí)驗(yàn)30-35
• 3.2 歸一化 Hilbert 變換求瞬時(shí)頻率譜35-41
• 3.2.1 瞬時(shí)頻率譜35-36
• 3.2.2 歸一化 Hilbert 求取瞬時(shí)頻率譜36-38
• 3.2.3 仿真實(shí)驗(yàn)與結(jié)果對(duì)比38-41
• 3.3 改進(jìn) HHT 算法在提取齒輪振動(dòng)信號(hào)故障特征中的應(yīng)用41-47
• 第四章 免疫貓群改進(jìn)算法優(yōu)化支持向量機(jī)的故障識(shí)別47-62
• 4.1 支持向量機(jī)參數(shù)選擇對(duì)故障診斷的影響47-49
• 4.2 免疫貓群改進(jìn)算法49-54
• 4.3 免疫貓群改進(jìn)算法優(yōu)化支持向量機(jī)參數(shù)54-57
• 4.4 仿真實(shí)驗(yàn)與分析57-62
• 第五章 旋轉(zhuǎn)機(jī)械故障診斷系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)62-72
• 5.1 旋轉(zhuǎn)機(jī)械故障診斷系統(tǒng)設(shè)計(jì)62
• 5.2 特征提取62-70
• 5.3 故障診斷70-72
• 第六章 總結(jié)和展望72-73
• 6.1 全文工作總結(jié)72
• 6.2 展望72-73
• 參考文獻(xiàn)73-77
• 發(fā)表論文和科研情況說(shuō)明77-78
• 致謝78-79

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 許寶杰;張建民;徐小力;李建偉;;抑制EMD端點(diǎn)效應(yīng)方法的研究[J];北京理工大學(xué)學(xué)報(bào);2006年03期

2 高學(xué),金連文,尹俊勛,黃建成;一種基于支持向量機(jī)的手寫(xiě)漢字識(shí)別方法[J];電子學(xué)報(bào);2002年05期

3 嚴(yán)宣輝;;應(yīng)用疫苗接種策略的免疫入侵檢測(cè)模型[J];電子學(xué)報(bào);2009年04期

4 郭瑜,秦樹(shù)人,梁玉前;時(shí)頻分析階比跟蹤技術(shù)[J];重慶大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年05期

5 姜文瀚;周曉飛;楊靜宇;;子空間樣本選擇及其支持向量機(jī)人臉識(shí)別應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2007年20期

6 胡愛(ài)軍;唐貴基;安連鎖;;Hilbert-Huang變換邊界問(wèn)題處理方法研究[J];機(jī)械強(qiáng)度;2008年05期

7 袁靜;何正嘉;訾艷陽(yáng);;基于提升多小波的機(jī)電設(shè)備復(fù)合故障分離和提取[J];機(jī)械工程學(xué)報(bào);2010年01期

8 皮維;于德介;彭富強(qiáng);;基于多尺度線(xiàn)調(diào)頻基稀疏信號(hào)分解的廣義解調(diào)方法及其在齒輪故障診斷中的應(yīng)用[J];機(jī)械工程學(xué)報(bào);2010年15期

9 王秋生;段丹輝;;經(jīng)驗(yàn)?zāi)B(tài)分解的邊界效應(yīng)處理技術(shù)[J];計(jì)算機(jī)測(cè)量與控制;2006年12期

10 繩曉玲;鐘勇超;;基于倒譜和包絡(luò)解調(diào)的齒輪箱故障診斷[J];機(jī)械;2011年06期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

1 王婷;EMD算法研究及其在信號(hào)去噪中的應(yīng)用[D];哈爾濱工程大學(xué);2010年

2 曹沖鋒;基于EMD的機(jī)械振動(dòng)分析與診斷方法研究[D];浙江大學(xué);2009年

3 朱曉軍;HHT變換及其在腦電信號(hào)處理中的應(yīng)用研究[D];太原理工大學(xué);2012年

4 明陽(yáng);基于循環(huán)平穩(wěn)和盲源分離的滾動(dòng)軸承故障特征提取方法研究[D];上海交通大學(xué);2013年

  本文關(guān)鍵詞：基于振動(dòng)信號(hào)分析的旋轉(zhuǎn)機(jī)械故障診斷方法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：300595