本文關(guān)鍵詞：基于小波包分析的滾動軸承故障診斷，由筆耕文化傳播整理發(fā)布。

【摘要】：滾動軸承是常用且易發(fā)生損壞的機(jī)械部件，軸承工作狀態(tài)直接影響到整個設(shè)備組的正常運(yùn)行和生產(chǎn)安全。在軸承故障診斷過程中，特別是初期故障，其特征信息很微弱且往往被強(qiáng)噪聲所淹沒，信噪比很低，難以準(zhǔn)確的、有效的提取并診斷出故障，如果不及時處理將引發(fā)嚴(yán)重后果，每年因軸承問題引起的機(jī)械故障而造成的經(jīng)濟(jì)損失高達(dá)幾十億。因此合理有效的檢測出滾動軸承初期故障，杜絕事故發(fā)生顯得極其重要。 本文基于振動信號測試，主要運(yùn)用小波包基礎(chǔ)理論，，并結(jié)合EMD方法、支持向量機(jī)對滾動軸承熵及故障特征進(jìn)行深入研究，研究內(nèi)容如下： 首先，本文對小波包的基本理論、發(fā)展過程及通常故障診斷的判別方法進(jìn)行了論述，闡述了小波包理論對機(jī)械科學(xué)的影響與意義。分析了滾動軸承的故障類型、振動機(jī)理及其頻率特征。 其次，通過仿真信號來研究小波包理論和EMD理論；應(yīng)用小波包實(shí)現(xiàn)信噪分離，突出了其良好的降噪效果；然后以互相關(guān)、峭度準(zhǔn)則提取經(jīng)EMD分解降噪后信號的分量，避免了IMF分量選擇的盲目性。同時對傳統(tǒng)小波包進(jìn)行了改進(jìn)，不僅保持信號頻率分辨率，還可防止子帶信號產(chǎn)生虛假頻率造成嚴(yán)重的頻率混疊現(xiàn)象，并利用EMD分解故障頻率范圍的子帶信號，能夠準(zhǔn)確的找到故障頻率。再用江蘇千鵬公司生產(chǎn)的齒輪箱滾動軸承作為實(shí)驗(yàn)研究對象，來檢測、驗(yàn)證以上方法，均得到理想結(jié)果。 再次，小波包與EEMD來檢測軸承故障振動信號。進(jìn)行了EMD和EEMD比較，了解到EEMD方法能有效的減少EMD方法中的模態(tài)混疊程度，但分解速度比EMD慢； 最后，小波包與支持向量機(jī)相結(jié)合，對美國Spectra Quest公司生產(chǎn)的齒輪箱滾動軸承的故障類型進(jìn)行智能分類； 通過最終的實(shí)驗(yàn)結(jié)果表明小波包和EMD可以很好的提取并表達(dá)出滾動軸承外圈故障信息；小波包與支持向量機(jī)有效的、準(zhǔn)確的分類出軸承故障類型，從而證明本文的方法有效的解決了滾動軸承故障問題。
【關(guān)鍵詞】：小波包降噪 EMD 支持向量機(jī) 滾動軸承 故障診斷
【學(xué)位授予單位】：內(nèi)蒙古科技大學(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3-4
• Abstract4-9
• 1 緒論9-13
• 1.1 課題研究背景及意義9-10
• 1.2 小波包的研究現(xiàn)狀10-11
• 1.3 課題主要研究內(nèi)容與結(jié)構(gòu)安排11-13
• 2 軸承的故障類型及振動機(jī)理13-18
• 2.1 滾動軸承的基本結(jié)構(gòu)13
• 2.2 滾動軸承故障類型與振動機(jī)理13-15
• 2.2.1 滾動軸承故障類型13-14
• 2.2.2 滾動軸承的振動機(jī)理14-15
• 2.3 滾動軸承故障分析15-17
• 2.3.1 滾動軸承故障振動特性15-16
• 2.3.2 滾動軸承的頻率16-17
• 2.4 本章小結(jié)17-18
• 3 小波包分析與 EMD 方法的結(jié)合18-39
• 3.1 小波分析理論18-21
• 3.1.1 小波分析基本理論18-19
• 3.1.2 小波分解與多分辨率分析19-21
• 3.2 小波包分析21-23
• 3.2.1 小波包定義21-22
• 3.2.2 小波包空間分解22-23
• 3.3 EMD 理論23-27
• 3.3.1 瞬時頻率23-24
• 3.3.2 內(nèi)模函數(shù)24-25
• 3.3.3 EMD 篩分過程25-27
• 3.4 基于小波去噪和 EMD 的分析方法27-32
• 3.4.1 噪聲對 EMD 方法的影響28-30
• 3.4.2 小波去噪與 EMD 的結(jié)合30-32
• 3.5 基于小波包和 EMD 的信號分析方法32-33
• 3.6 基于改進(jìn)小波包和 EMD 的信號分析方法33-38
• 3.6.1 小波包算法中頻率混淆33-35
• 3.6.2 改進(jìn)小波包變換算法35-38
• 3.7 本章小結(jié)38-39
• 4 基于小波包和 EMD 的滾動軸承故障診斷39-58
• 4.1 滾動軸承故障試驗(yàn)臺數(shù)據(jù)采集39-42
• 4.2 小波包與 EMD 對軸承故障診斷42-47
• 4.3 改進(jìn)小波包與 EMD 對軸承故障診斷47-50
• 4.4 小波包與 EEMD 的滾動軸承故障診斷50-57
• 4.4.1 EEMD 基本原理51-52
• 4.4.2 EMD 和 EEMD 的比較52-54
• 4.4.3 小波包與 EEMD 故障流程54-55
• 4.4.4 小波包與 EEMD 軸承實(shí)驗(yàn)數(shù)據(jù)分析55-57
• 4.5 本章小結(jié)57-58
• 5 小波包與向量機(jī)的滾動軸承故障智能診斷58-69
• 5.1 引言58
• 5.2 支持向量機(jī)原理58-62
• 5.2.1 線性支持向量機(jī)58-61
• 5.2.2 非線性支持向量機(jī)61
• 5.2.3 核函數(shù)61-62
• 5.3 常量特征信息參數(shù)62
• 5.4 基于多特征小波包支持向量機(jī)故障診斷基本步驟62-64
• 5.5 試驗(yàn)分析64-68
• 5.6 結(jié)論68
• 5.7 本章小結(jié)68-69
• 結(jié)論69-70
• 參考文獻(xiàn)70-76
• 小波包去噪 EMD 分解主程序76-81
• 改進(jìn)小波包與 EMD 主程序81-84
• 小波包與 EEMD 主程序84-90
• 在學(xué)研究成果90-91
• 致謝91

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 薛蕙,楊仁剛,羅紅;利用小波包變換實(shí)現(xiàn)電力系統(tǒng)諧波分析[J];電網(wǎng)技術(shù);2004年05期

2 秦嶺;楊君;;小波包分析在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用[J];電子工程師;2006年01期

3 任國全,韋有民,鄭海起;基于小波分析的軸承故障診斷研究[J];河北省科學(xué)院學(xué)報;2002年02期

4 徐啟華,師軍;基于支持向量機(jī)的航空發(fā)動機(jī)故障診斷[J];航空動力學(xué)報;2005年02期

5 羅艷芳,王克明;小波包分析在內(nèi)燃機(jī)車靜液壓齒輪箱故障診斷中的應(yīng)用[J];沈陽航空工業(yè)學(xué)院學(xué)報;2003年01期

6 戴桂平;劉彬;;基于小波去噪和EMD的信號瞬時參數(shù)提取[J];計量學(xué)報;2007年02期

7 高珍,馬金山,熊曉燕;齒輪故障診斷的小波分析方法[J];機(jī)械管理開發(fā);2005年02期

8 何曉霞,沈玉娣,張西寧;連續(xù)小波變換在滾動軸承故障診斷中的應(yīng)用[J];機(jī)械科學(xué)與技術(shù);2001年04期

9 林京,屈梁生;基于連續(xù)小波變換的信號檢測技術(shù)與故障診斷[J];機(jī)械工程學(xué)報;2000年12期

10 傅勤毅,章易程,應(yīng)力軍,李國順;滾動軸承故障特征的小波提取方法[J];機(jī)械工程學(xué)報;2001年02期

  本文關(guān)鍵詞：基于小波包分析的滾動軸承故障診斷，由筆耕文化傳播整理發(fā)布。

本文編號：367668