本文關(guān)鍵詞：分形與排列熵在滾動軸承故障診斷中的應(yīng)用，，由筆耕文化傳播整理發(fā)布。

【摘要】：旋轉(zhuǎn)機(jī)械的故障70%是振動造成的,而振動故障中約有30%是由軸承故障引起的,占有相當(dāng)大的比例。這是因?yàn)闈L動軸承是整套設(shè)備中工作環(huán)境最為惡劣的部件,它在設(shè)備的運(yùn)行中起著傳遞載荷和承受載荷的作用,是整臺設(shè)備中最為薄弱的環(huán)節(jié),其運(yùn)行狀態(tài)是否正常直接影響到整臺設(shè)備的性能,一旦出現(xiàn)故障,將有可能引發(fā)一系列的連鎖反應(yīng),不僅會直接影響到工礦企業(yè)的生產(chǎn)效率,造成巨大的經(jīng)濟(jì)損失,更為嚴(yán)重的是還有可能導(dǎo)致重大人員傷亡事故,造成深遠(yuǎn)的社會危害,后果不堪設(shè)想。因此對滾動軸承的早期故障診斷就顯得極為必要。所以滾動軸承故障診斷方法,直是故障診斷中重點(diǎn)發(fā)展的熱點(diǎn)技術(shù)之一。 通過闡述小波去噪的理論基礎(chǔ),結(jié)合不同的小波去噪方法的優(yōu)缺點(diǎn),提出了改進(jìn)的小波去噪方法,并通過譜分析及數(shù)據(jù)分析的對比,驗(yàn)證改進(jìn)的小波去噪方法和有效性及可行性。 將排列熵引入滾動軸承的故障診斷中,介紹了排列熵算法,分析了排列熵算法的特性,將排列引入滾動軸承的故障分析中,驗(yàn)證了排列熵可作為滾動軸承狀態(tài)變化的數(shù)據(jù)依據(jù)；同時介紹了分形理論,分析了分形理論中盒維數(shù)據(jù)與關(guān)聯(lián)維數(shù)對信號的非線性表征能力,對比了關(guān)聯(lián)維數(shù)與排列熵在滾動軸承狀態(tài)變化后振動數(shù)據(jù)變化的表征方面的不同特點(diǎn)。 使用了支持向量機(jī)理論作為智能診斷方法,研究了多類SVM分類器與支持向量回歸理論,采用高斯徑向基函數(shù)構(gòu)建了多類SVM分類器與支持向量回歸機(jī)。使用不同狀態(tài)滾動軸承數(shù)據(jù)的排列熵及分形特性,與SVM理論結(jié)合,進(jìn)行滾動軸承的故障診斷及預(yù)測,通過數(shù)據(jù)分析,證明排列熵相對于分形理論是更好的滾動軸承振動數(shù)據(jù)非線性特征提取方法。
【關(guān)鍵詞】：滾動軸承故障診斷 小波去噪 相空間重構(gòu) 排列熵 分形理論 支持向量機(jī)
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TH133.33;TH165.3
【目錄】：

• 摘要3-5
• ABSTRACT5-8
• 目錄8-11
• 第一章 緒論11-21
• 1.1 選題意義11-12
• 1.2 滾動軸承故障診斷技術(shù)發(fā)展及研究現(xiàn)狀12-18
• 1.2.1 小波去噪理論14-15
• 1.2.2 排列熵理論15-16
• 1.2.3 分形理論16-17
• 1.2.4 支持向量機(jī)理論17-18
• 1.3 本論文主要研究內(nèi)容18-21
• 1.3.1 研究思路18-19
• 1.3.2 論文主要工作及安排19-21
• 第二章 滾動軸承實(shí)驗(yàn)及數(shù)據(jù)獲取21-27
• 2.1 滾動軸承故障特征頻率21
• 2.2 軸承故障數(shù)據(jù)的來源及分析21-26
• 2.2.1 軸承故障數(shù)據(jù)來源21-22
• 2.2.2 軸承故障各個狀態(tài)信號的分析22-25
• 2.2.3 故障過程信號的采集25-26
• 2.3 本章小結(jié)26-27
• 第三章 滾動軸承信號的小波去噪處理27-39
• 3.1 小波去噪基礎(chǔ)理論27-28
• 3.2 小波去噪方法28-32
• 3.2.1 小波空域相關(guān)去噪29-30
• 3.2.2 小波閾值去噪方法30-32
• 3.3 改進(jìn)的小波去噪方法及信號分析32-37
• 3.3.1 小波閾值去噪與空域相關(guān)去噪相結(jié)合的去噪方法32-33
• 3.3.2 測試信號分析33-36
• 3.3.3 其它信號的去噪結(jié)果36-37
• 3.4 本章小結(jié)37-39
• 第四章 基于排列熵與分析理論的特征提取方法39-61
• 4.1 相空間重構(gòu)39-46
• 4.1.1 時間延遲的確定40-41
• 4.1.2 嵌入維數(shù)的確定41-42
• 4.1.3 測試信號的相空間重構(gòu)42-46
• 4.2 信號的排列熵特征提取46-53
• 4.2.1 排列熵算法原理46-48
• 4.2.2 信號的排列熵分析48-53
• 4.3 信號的分形特征提取53-59
• 4.3.1 盒維數(shù)53
• 4.3.2 關(guān)聯(lián)維數(shù)53-55
• 4.3.3 信號的分形特征分析55-59
• 4.4 本章小結(jié)59-61
• 第五章 基于支持向量機(jī)的智能故障診斷方法61-77
• 5.1 支持向量機(jī)61-66
• 5.1.1 理論基礎(chǔ)61-65
• 5.1.2 多類支持向量機(jī)65-66
• 5.2 支持向量回歸機(jī)66-68
• 5.3 使用支持向量分類機(jī)對數(shù)據(jù)分析68-73
• 5.3.1 分形特征的SVM分類68-70
• 5.3.2 排列熵特征的SVM分類70-73
• 5.3.3 兩種特征的分類比較73
• 5.4 使用支持向量回歸機(jī)對數(shù)據(jù)分析73-76
• 5.4.1 分形特征的SVR分析回歸73-74
• 5.4.2 排列熵的SVR分析回歸74-76
• 5.5 本章小結(jié)76-77
• 第六章 結(jié)論與展望77-79
• 6.1 本文的主要工作與結(jié)論77-78
• 6.2 進(jìn)一步工作展望78-79
• 參考文獻(xiàn)79-89
• 致謝89-91
• 攻讀碩士期間發(fā)表的論文和科研成果91

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 汪久根;王慶九;章維明;;滾動軸承動力學(xué)的研究[J];軸承;2007年03期

2 王鳳利,馬孝江;基于混沌的旋轉(zhuǎn)機(jī)械故障診斷[J];大連理工大學(xué)學(xué)報;2003年05期

3 郝成元;吳紹洪;李雙成;;排列熵應(yīng)用于氣候復(fù)雜性度量[J];地理研究;2007年01期

4 高文陽;王莉;;基于分形理論的大粒徑瀝青混合料評價方法研究[J];中外公路;2012年05期

5 潘宏俠,姚竹亭;齒輪傳動系統(tǒng)狀態(tài)檢測與故障診斷[J];華北工學(xué)院學(xué)報;2001年04期

6 張賽飛;高躍飛;薛百文;;基于分形理論齒輪箱故障診斷研究[J];火炮發(fā)射與控制學(xué)報;2007年02期

7 熊軍;李鳳英;沈玉娣;;齒輪故障診斷技術(shù)應(yīng)用綜述[J];機(jī)床與液壓;2005年12期

8 孫克輝,談國強(qiáng),盛利元,張?zhí)┥?Lyapunov指數(shù)計(jì)算算法的設(shè)計(jì)與實(shí)現(xiàn)[J];計(jì)算機(jī)工程與應(yīng)用;2004年35期

9 孫克輝;談國強(qiáng);盛利元;;基于排列熵算法的混沌偽隨機(jī)序列復(fù)雜性分析[J];計(jì)算機(jī)工程與應(yīng)用;2008年03期

10 朱志宇;張冰;劉維亭;;基于模糊支持向量機(jī)的語音識別方法[J];計(jì)算機(jī)工程;2006年02期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 張志剛;關(guān)于濕式離合器幾個工作特性研究[D];浙江大學(xué);2010年

2 劉永斌;基于非線性信號分析的滾動軸承狀態(tài)監(jiān)測診斷研究[D];中國科學(xué)技術(shù)大學(xué);2011年

3 趙玲;旋轉(zhuǎn)機(jī)械系統(tǒng)故障特征提取中的分形方法研究[D];重慶大學(xué);2010年

  本文關(guān)鍵詞：分形與排列熵在滾動軸承故障診斷中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

本文編號：317048