本文關(guān)鍵詞：基于LMD的AR模型在旋轉(zhuǎn)機械故障診斷中的應(yīng)用，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著科學(xué)技術(shù)的進(jìn)步與生產(chǎn)力的發(fā)展,旋轉(zhuǎn)機械設(shè)備的工作強度不斷的增大,為確保此類設(shè)備安全、可靠、高效的運行,避免巨大的經(jīng)濟(jì)損失和災(zāi)難性事故的發(fā)生,對旋轉(zhuǎn)機械進(jìn)行故障診斷和狀態(tài)監(jiān)測是非常有必要的。本文以旋轉(zhuǎn)機械的振動信號為研究對象,重點研究了局部均值分解處理非平穩(wěn)信號技術(shù)、AR模型線性預(yù)測技術(shù)和基于局部均值分解的AR模型狀態(tài)預(yù)測方法的應(yīng)用。 首先,針對旋轉(zhuǎn)機械中的滾動軸承,概括了滾動軸承的故障形式和滾動軸承中振動信號的診斷方法,接著闡述滾動軸承的固有頻率以及在外圈固定內(nèi)圈轉(zhuǎn)動的滾動軸承特征頻率的計算方法,這些都為針對滾動軸承故障分析打下了基礎(chǔ)。 其次,針對旋轉(zhuǎn)機械故障診斷中常用的時頻分析方法Fourier變換、Wigner-Ville分布、小波變換和Hilbert-Huang變換方法進(jìn)行了概括并對它們的優(yōu)缺點進(jìn)行了分析。提出需要新的時頻分析方法來處理旋轉(zhuǎn)機械特征信號。 再次,本文采用的局部均值分解方法是最近新出現(xiàn)的自適應(yīng)時頻分析方法,采用鏡面閉合延拓和三次樣條方法對其進(jìn)行改進(jìn)。通過對調(diào)頻調(diào)幅仿真信號進(jìn)行分析,改進(jìn)的LMD方法相比原始LMD方法,其分解得到的兩個PF分量和剩余分量的精度分別提高了30.56%,10.02%和28.32%。利用改進(jìn)的LMD方法對旋轉(zhuǎn)機械中滾動軸承外圈故障振動加速度信號進(jìn)行分析,證實該方法能有效的分析時頻信號。通過分析得出旋轉(zhuǎn)機械中滾動軸承外圈故障時會出現(xiàn)外圈故障特征頻率和轉(zhuǎn)頻(或轉(zhuǎn)頻的倍數(shù))的合成信號。 然后,本文通過對時間序列中的AR、MA和ARMA這三種模型的研究,確定采用AR模型對旋轉(zhuǎn)機械設(shè)備狀態(tài)進(jìn)行線性預(yù)測。采用最小二乘法估計模型參數(shù),并綜合FPE、AIC和BIC定階準(zhǔn)則確定模型階數(shù),并成功應(yīng)用于預(yù)測旋轉(zhuǎn)機械設(shè)備運行的狀態(tài)。 最后,本文在研究局部均值分解、時間序列方法及其相關(guān)技術(shù)的基礎(chǔ)上,結(jié)合它們的特點,將局部均值分解得到的乘積函數(shù)分別建立AR模型,利用AR模型得到的模型參數(shù)和均方偏差建立模板特征向量,以馬氏距離為識別函數(shù),最終成功實現(xiàn)識別旋轉(zhuǎn)機械的工作狀態(tài)。
【關(guān)鍵詞】：旋轉(zhuǎn)機械 故障診斷 狀態(tài)監(jiān)測 局部均值分解 AR模型
【學(xué)位授予單位】：大連交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TH165.3
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-17
• 1.1 課題研究的背景和意義10
• 1.2 旋轉(zhuǎn)機械故障診斷的基本過程10-11
• 1.3 國內(nèi)外相關(guān)技術(shù)的現(xiàn)狀與應(yīng)用11-14
• 1.3.1 旋轉(zhuǎn)機械故障診斷技術(shù)的研究現(xiàn)狀11-13
• 1.3.2 局部均值分解的應(yīng)用13
• 1.3.3 時間序列模型的應(yīng)用13-14
• 1.4 局部均值分解在旋轉(zhuǎn)機械故障診斷中的發(fā)展趨勢14-15
• 1.5 本文主要研究內(nèi)容15-16
• 本章小結(jié)16-17
• 第二章 旋轉(zhuǎn)機械中滾動軸承的故障機理17-22
• 2.1 滾動軸承故障的形式17-18
• 2.2 滾動軸承的診斷方法18-19
• 2.3 滾動軸承的固有頻率19-20
• 2.4 滾動軸承的特征頻率20-21
• 本章小結(jié)21-22
• 第三章 旋轉(zhuǎn)機械特征信號分析常用的方法22-30
• 3.1 短時傅里葉變換22-23
• 3.1.1 傅里葉變換22-23
• 3.1.2 短時傅里葉變換23
• 3.2 Wigner-Ville分布23-24
• 3.3 小波變換24-26
• 3.3.1 連續(xù)小波變換24-25
• 3.3.2 離散小波變換25-26
• 3.4 Hilbert-Huang變換26-29
• 3.4.1 經(jīng)驗?zāi)Ｊ椒纸?/span>26-27
• 3.4.2 Hilbert變換27-28
• 3.4.3 基于經(jīng)驗?zāi)Ｊ椒纸獾腍ilbert譜28-29
• 本章小結(jié)29-30
• 第四章 局部均值分解方法的研究及應(yīng)用30-50
• 4.1 局部均值分解相關(guān)的概念30-34
• 4.1.1 信號的頻率和瞬時頻率30-31
• 4.1.2 調(diào)幅信號和調(diào)頻信號31-33
• 4.1.3 單分量和多分量33-34
• 4.2 局部均值分解步驟34-37
• 4.3 局部均值分解中的問題37-43
• 4.3.1 采樣頻率的問題37-39
• 4.3.2 滑動平均跨度的問題39-40
• 4.3.3 包絡(luò)估計函數(shù)和局部均值函數(shù)中相位差的問題40-42
• 4.3.4 端點效應(yīng)的問題42-43
• 4.4 局部均值分解的改進(jìn)43-48
• 4.4.1 三次樣條插值43
• 4.4.2 鏡面閉合延拓43-46
• 4.4.3 局部均值分解的改進(jìn)46-48
• 4.5 應(yīng)用分析48-49
• 本章小結(jié)49-50
• 第五章 時間序列方法的研究及應(yīng)用50-60
• 5.1 時間序列模型的原理50-52
• 5.2 AR模型參數(shù)的估計52-56
• 5.2.1 AR模型參數(shù)的最小二乘估計原理52-54
• 5.2.2 AR模型階數(shù)判定準(zhǔn)則54-56
• 5.3 AR模型的建立及其算法實現(xiàn)56-57
• 5.4 應(yīng)用分析57-59
• 本章小結(jié)59-60
• 第六章 基于LMD的AR模型在旋轉(zhuǎn)機械故障診斷中的研究及應(yīng)用60-69
• 6.1 基于LMD和AR模型的方法60-63
• 6.2 基于LMD的AR模型的滾動軸承故障珍斷方法63-65
• 6.3 應(yīng)用分析65-68
• 本章小結(jié)68-69
• 結(jié)論與展望69-70
• 參考文獻(xiàn)70-73
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文73-74
• 致謝74

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 蓋強,馬孝江,張海勇,鄒巖];一種消除局域波法中邊界效應(yīng)的新方法[J];大連理工大學(xué)學(xué)報;2002年01期

2 陳華,李繼波;異常(Outlier)檢測算法綜述[J];大眾科技;2005年09期

3 楊宇;楊麗湘;程軍圣;;基于LMD和AR模型的轉(zhuǎn)子系統(tǒng)故障診斷方法[J];湖南大學(xué)學(xué)報(自然科學(xué)版);2010年09期

4 肖輝,胡運發(fā);基于分段時間彎曲距離的時間序列挖掘[J];計算機研究與發(fā)展;2005年01期

5 林麗;周霆;余輪;;EMD算法中邊界效應(yīng)處理技術(shù)[J];計算機工程;2009年23期

6 黃石紅,陳勇,高N

本文編號：367816