發(fā)布時(shí)間：2017-04-29 22:11

  本文關(guān)鍵詞：基于流形學(xué)習(xí)的主軸系統(tǒng)故障診斷方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著航天技術(shù)、原子能、微電子學(xué)、信息技術(shù)及生物工程等新興科學(xué)技術(shù)的發(fā)展，對(duì)機(jī)械加工精度的要求越來越高。高速超精密數(shù)控機(jī)床是實(shí)現(xiàn)精密加工的首要基礎(chǔ)條件，也是現(xiàn)代化制造業(yè)的關(guān)鍵生產(chǎn)設(shè)備。主軸系統(tǒng)故障診斷技術(shù)在企業(yè)中的應(yīng)用能夠及早發(fā)現(xiàn)數(shù)控機(jī)床故障，保持運(yùn)行精度，節(jié)約維修費(fèi)用，提高利用率及施行科學(xué)維護(hù)。 本文介紹了主軸系統(tǒng)關(guān)鍵部件的故障信號(hào)特征，以主軸、滾動(dòng)軸承和齒輪作為研究對(duì)象，應(yīng)用非線性、非平穩(wěn)信號(hào)分析方法對(duì)非線性微弱信號(hào)特征提取技術(shù)與早期故障診斷技術(shù)進(jìn)行深入的理論研究和應(yīng)用研究。 針對(duì)主軸系統(tǒng)早期微弱非線性非平穩(wěn)故障的特征提取技術(shù)，通過研究適合處理非線性、非平穩(wěn)信號(hào)的EEMD方法和小波包分解方法，，探究流形學(xué)習(xí)算法對(duì)高維非線性數(shù)據(jù)的特征提取，提出了基于EEMD和小波包的故障敏感特征提取方法、基于流形學(xué)習(xí)的時(shí)頻域統(tǒng)計(jì)指標(biāo)的敏感特征提取方法、基于流形學(xué)習(xí)的軸心軌跡特征提取方法。 研究了流形學(xué)習(xí)和SVM的參數(shù)優(yōu)化問題，考察目前常用的優(yōu)化方法，包括網(wǎng)格搜索算法、粒子群優(yōu)化算法和遺傳算法，對(duì)比分析了它們的優(yōu)缺點(diǎn)。最后將網(wǎng)格搜索算法應(yīng)用于流形學(xué)習(xí)和SVM的參數(shù)尋優(yōu)，提出了基于流形學(xué)習(xí)和SVM的故障診斷方法。 利用MATLAB和LABVIEW語言，開發(fā)了主軸系統(tǒng)的故障診斷系統(tǒng)。系統(tǒng)包括主軸信號(hào)分析系統(tǒng)、軸承與齒輪信號(hào)分析系統(tǒng)兩個(gè)部分，分別可以實(shí)現(xiàn)數(shù)據(jù)采集、軸心軌跡顯示、趨勢(shì)分析、離線診斷等。
【關(guān)鍵詞】：主軸系統(tǒng) EEMD 小波包分解 流形學(xué)習(xí) 軸心軌跡 SVM
【學(xué)位授予單位】：北京信息科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：TP181;TH165.3
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 緒論9-16
• 1.1 論文背景及研究意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-14
• 1.2.1 主軸系統(tǒng)的診斷技術(shù)現(xiàn)狀11
• 1.2.2 早期微弱故障特征提取技術(shù)研究11-12
• 1.2.3 故障診斷方法研究現(xiàn)狀12-14
• 1.3 課題研究的主要內(nèi)容14-16
• 第2章 主軸系統(tǒng)的故障特征分析16-23
• 2.1 主軸故障的信號(hào)特征16-18
• 2.1.1 主軸不平衡時(shí)的信號(hào)特征16-17
• 2.1.2 主軸回轉(zhuǎn)精度不良時(shí)的信號(hào)特征17
• 2.1.3 主軸存在裂紋缺陷時(shí)的信號(hào)特征17-18
• 2.2 主軸系統(tǒng)關(guān)鍵部件的故障信號(hào)特征18-22
• 2.2.1 滾動(dòng)軸承的振動(dòng)機(jī)理18-19
• 2.2.2 滾動(dòng)軸承的固有振動(dòng)頻率和故障特征頻率19-20
• 2.2.3 齒輪的固有特性20-22
• 2.2.4 齒輪故障的信號(hào)特征22
• 2.3 本章小結(jié)22-23
• 第3章 主軸系統(tǒng)早期微弱非線性非平穩(wěn)故障的特征提取方法23-46
• 3.1 EMD 的基本概念及原理23-25
• 3.1.1 基本概念23-24
• 3.1.2 經(jīng)驗(yàn)?zāi)B(tài)分解過程24-25
• 3.1.3 經(jīng)驗(yàn)?zāi)B(tài)分解方法存在的問題25
• 3.2 基于 EEMD 的早期特征獲取方法25-29
• 3.2.1 EEMD 的分解原理25-26
• 3.2.2 IMF 選擇算法及 EEMD 降噪26-27
• 3.2.3 基于 EEMD 和小波包的故障敏感特征提取27-29
• 3.3 基于流形學(xué)習(xí)的早期故障敏感特征提取29-37
• 3.3.1 流形學(xué)習(xí)算法29-33
• 3.3.1.1 等距映射算法29-31
• 3.3.1.2 局部線性嵌入算法31-32
• 3.3.1.3 局部切空間排列算法32-33
• 3.3.2 基于流形學(xué)習(xí)的時(shí)頻域統(tǒng)計(jì)指標(biāo)的敏感特征提取33-36
• 3.3.3 基于流形學(xué)習(xí)的軸心軌跡特征提取36-37
• 3.4 早期微弱故障敏感特征獲取的仿真驗(yàn)證和實(shí)驗(yàn)驗(yàn)證37-45
• 3.4.1 早期故障敏感特征提取技術(shù)的仿真驗(yàn)證37-41
• 3.4.1.1 基于 EEMD 和小波包的軸承故障敏感特征提取37-39
• 3.4.1.2 基于流形學(xué)習(xí)的時(shí)頻域統(tǒng)計(jì)指標(biāo)的敏感特征提取39-41
• 3.4.2 早期微弱敏感特征獲取技術(shù)的實(shí)驗(yàn)驗(yàn)證41-45
• 3.4.2.1 實(shí)驗(yàn)對(duì)象和樣本41-42
• 3.4.2.2 基于 EEMD 和小波包的故障敏感特征提取42-43
• 3.4.2.3 基于流形學(xué)習(xí)的時(shí)頻域統(tǒng)計(jì)指標(biāo)的敏感特征提取43
• 3.4.2.4 基于流形學(xué)習(xí)的軸心軌跡特征提取43-45
• 3.4.3 早期微弱故障敏感特征提取方法的分析與對(duì)比45
• 3.5 本章小結(jié)45-46
• 第4章 基于流形學(xué)習(xí)和 SVM 的故障診斷46-71
• 4.1 支持向量機(jī)46-51
• 4.1.1 支持向量機(jī)原理46-49
• 4.1.2 多類支持向量機(jī)49-51
• 4.2 支持向量機(jī)參數(shù)的選擇方法51-55
• 4.2.1 交叉驗(yàn)證選擇法52
• 4.2.2 基于網(wǎng)格搜索算法的參數(shù)尋優(yōu)52-53
• 4.2.3 基于粒子群優(yōu)化算法的參數(shù)尋優(yōu)53-54
• 4.2.4 基于遺傳算法的參數(shù)尋優(yōu)54-55
• 4.3 基于流形學(xué)習(xí)和 SVM 的故障診斷步驟55-56
• 4.4 實(shí)驗(yàn)驗(yàn)證56-70
• 4.4.1 滾動(dòng)軸承振動(dòng)信號(hào)分析56-63
• 4.4.1.1 基于流形學(xué)習(xí)和 SVM 的滾動(dòng)軸承故障診斷58-61
• 4.4.1.2 基于 EEMD 和小波包的滾動(dòng)軸承故障診斷61-62
• 4.4.1.3 基于流形學(xué)習(xí)的時(shí)頻域統(tǒng)計(jì)指標(biāo)的滾動(dòng)軸承故障診斷62
• 4.4.1.4 三種故障診斷方法對(duì)比62-63
• 4.4.2 基于 LTSA 和 SVM 的轉(zhuǎn)子系統(tǒng)故障診斷實(shí)例63-65
• 4.4.3 主軸運(yùn)行狀態(tài)的診斷實(shí)例65-69
• 4.4.3.1 基于 LTSA 和 SVM 的主軸狀態(tài)診斷66-67
• 4.4.3.2 基于流形學(xué)習(xí)的軸心軌跡的主軸狀態(tài)診斷67-68
• 4.4.3.3 基于流形學(xué)習(xí)的時(shí)頻域特征指標(biāo)的主軸狀態(tài)診斷68-69
• 4.4.4 基于 LTSA 和 SVM 的主軸故障診斷實(shí)例69-70
• 4.5 本章小結(jié)70-71
• 第5章 主軸系統(tǒng)的故障診斷系統(tǒng)設(shè)計(jì)71-85
• 5.1 系統(tǒng)總體設(shè)計(jì)71-72
• 5.1.1 系統(tǒng)開發(fā)的運(yùn)行環(huán)境71-72
• 5.1.2 系統(tǒng)總體設(shè)計(jì)72
• 5.2 系統(tǒng)各模塊設(shè)計(jì)72-79
• 5.2.1 登陸模塊72-73
• 5.2.2 分支模塊73-74
• 5.2.3 主軸信號(hào)分析模塊74-79
• 5.2.4 軸承與齒輪信號(hào)分析模塊79
• 5.3 系統(tǒng)實(shí)現(xiàn)的關(guān)鍵技術(shù)79-84
• 5.3.1 算法編寫79-81
• 5.3.2 圖形顯示81-82
• 5.3.3 GUI 設(shè)計(jì)82-83
• 5.3.4 通過 LABVIEW 調(diào)用 MATLAB 的 GUI83-84
• 5.4 本章小結(jié)84-85
• 第6章 結(jié)論與展望85-87
• 6.1 總結(jié)和主要?jiǎng)?chuàng)新點(diǎn)85-86
• 6.2 展望86-87
• 參考文獻(xiàn)87-91
• 個(gè)人簡(jiǎn)歷 攻讀碩士期間發(fā)表的論文91-92
• 致謝92

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 胡勁松,楊世錫;基于HHT的轉(zhuǎn)子橫向裂紋故障診斷[J];動(dòng)力工程;2004年02期

2 鄧三鵬;徐小力;張建新;張香玲;;基于噪聲小波包絡(luò)譜的數(shù)控機(jī)床主軸故障診斷研究[J];機(jī)床與液壓;2009年12期

3 呂建新;吳虎勝;田杰;;EEMD的非平穩(wěn)信號(hào)降噪及其故障診斷應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2011年28期

4 鄧?yán)?李鋒;姚金寶;;基于流形學(xué)習(xí)和隱Markov模型的故障診斷[J];計(jì)算機(jī)集成制造系統(tǒng);2010年10期

5 董文智;張超;;基于EEMD能量熵和支持向量機(jī)的軸承故障診斷[J];機(jī)械設(shè)計(jì)與研究;2011年05期

6 趙洪杰;潘紫微;葉金杰;羅文;;一種基于非線性流形的滾動(dòng)軸承復(fù)合故障診斷方法[J];機(jī)械傳動(dòng);2012年07期

7 胡勁松;楊世錫;;EMD方法基于徑向基神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的數(shù)據(jù)延拓與應(yīng)用[J];機(jī)械強(qiáng)度;2007年06期

8 黃文虎，紀(jì)常偉，姜興渭，榮吉利;基于故障樹模型的智能診斷的確定性推理[J];機(jī)械強(qiáng)度;1995年02期

9 陽建宏;徐金梧;楊德斌;黎敏;;基于主流形識(shí)別的非線性時(shí)間序列降噪方法及其在故障診斷中的應(yīng)用[J];機(jī)械工程學(xué)報(bào);2006年08期

10 王太勇;何慧龍;王國鋒;冷永剛;胥永剛;李強(qiáng);;基于經(jīng)驗(yàn)?zāi)Ｊ椒纸夂妥钚《酥С质噶繖C(jī)的滾動(dòng)軸承故障診斷[J];機(jī)械工程學(xué)報(bào);2007年04期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前2條

1 蔣全勝;賈民平;胡建中;許飛云;;一種基于流形學(xué)習(xí)的故障模式識(shí)別方法[A];第九屆全國振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2007年

2 孫華剛;馮廣斌;毛向東;;基于EMD與SSA的齒輪減速箱微弱信號(hào)提取方法研究[A];2012年全國機(jī)械行業(yè)可靠性技術(shù)學(xué)術(shù)交流會(huì)暨第四屆可靠性工程分會(huì)第四次全體委員大會(huì)論文集[C];2012年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

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

2 陳建國;基于獨(dú)立分量分析的機(jī)械故障特征提取及分類方法研究[D];大連理工大學(xué);2011年

3 胡勁松;面向旋轉(zhuǎn)機(jī)械故障診斷的經(jīng)驗(yàn)?zāi)B(tài)分解時(shí)頻分析方法及實(shí)驗(yàn)研究[D];浙江大學(xué);2003年

4 何清波;多元統(tǒng)計(jì)分析在設(shè)備狀態(tài)監(jiān)測(cè)診斷中的應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 萬海波;數(shù)控機(jī)床主軸系統(tǒng)性能劣化分析及誤差補(bǔ)償技術(shù)研究[D];浙江大學(xué);2011年

2 蘇文宇;主軸回轉(zhuǎn)精度測(cè)試實(shí)驗(yàn)系統(tǒng)改造及其誤差分析[D];哈爾濱工業(yè)大學(xué);2010年

3 盧磊;基于弱信號(hào)特征提取的早期診斷方法及其應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2011年

4 陳進(jìn);齒輪和滾動(dòng)軸承的狀態(tài)監(jiān)測(cè)與故障診斷[D];西北工業(yè)大學(xué);2006年

5 易健雄;基于小波分析的旋轉(zhuǎn)機(jī)械故障診斷儀的研究與開發(fā)[D];江南大學(xué);2007年

6 張楠;關(guān)于支持向量機(jī)中的參數(shù)優(yōu)化的研究[D];西北大學(xué);2008年

7 呂冰;機(jī)床主軸組件振動(dòng)檢測(cè)與評(píng)估技術(shù)研究[D];蘭州理工大學(xué);2008年

8 劉敏;超精密主軸回轉(zhuǎn)精度測(cè)試研究[D];哈爾濱工業(yè)大學(xué);2007年

9 周輝;數(shù)控機(jī)床常見故障診斷系統(tǒng)軟件的開發(fā)[D];北方工業(yè)大學(xué);2009年

10 鄧曉云;振動(dòng)診斷技術(shù)在數(shù)控機(jī)床狀態(tài)監(jiān)測(cè)與故障診斷中應(yīng)用的研究[D];大連交通大學(xué);2010年

  本文關(guān)鍵詞：基于流形學(xué)習(xí)的主軸系統(tǒng)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)：335696